# VASA-1 : un modèle de recherche, pas un outil vidéo public

> VASA-1 anime un portrait à partir d'une voix dans un cadre de recherche Microsoft. Notre avis explique la démonstration et pourquoi elle ne remplace pas un outil vidéo accessible.

Page : https://iatechnologie.com/outils/vasa-1/
Mise à jour : 13 septembre 2026
Par Vincent Oliviero (https://iatechnologie.com/auteur/vincent-oliviero/), IA Technologie. Méthode et affiliation : https://iatechnologie.com/a-propos/#methode
Site officiel : https://www.microsoft.com/en-us/research/project/vasa-1/

## Verdict

VASA-1 est une démonstration scientifique convaincante sur les visages parlants, mais son absence d'accès public interdit de le traiter comme un outil de production.

- Idéal pour : Chercheurs et équipes de veille sur les avatars.
- Limite principale : Aucun produit, tarif, API ou droit commercial public vérifié.
- Accès : Projet de recherche Microsoft Research · Démonstrations et publications scientifiques (non commercialisé pour le grand public)

## Points forts et limites

- Point fort : Synchronisation, expression et pose traitées ensemble
- Point fort : Contrôles du regard et de l'émotion documentés
- Point fort : Limites et risques d'usurpation explicités
- Limite : Pas de produit public vérifié
- Limite : Pas de prix ni d'API
- Limite : Usage avec de vraies identités sensible

## Prix (relevé du 13 septembre 2026)

| Formule | Prix | Inclus |
|---|---|---|
| VASA-1 Research | Non commercialisé | Page de projet publique ; Papier accessible ; Démonstrations vidéo |

Tarifs officiels : https://www.microsoft.com/en-us/research/project/vasa-1/

## Analyse

## Ce que VASA-1 démontre

Le prototype part d'un portrait et d'un fichier audio. Il génère les mouvements de bouche, les expressions et les mouvements de tête dans une vidéo carrée. Les auteurs ajoutent des contrôles facultatifs pour le regard, la distance apparente et l'émotion. C'est plus ambitieux qu'un simple collage de lèvres sur une photo.

Le papier annonce jusqu'à 40 images par seconde en 512 × 512 et compare le système à plusieurs travaux antérieurs. Ces résultats décrivent une expérience scientifique. Ils ne répondent pas aux questions pratiques d'un acheteur : délai de rendu, disponibilité, support, quota, conservation des données et droits commerciaux.

## Pourquoi choisir un autre outil pour produire

Une équipe qui doit livrer une vidéo a besoin d'une interface ou d'une API, de conditions d'utilisation et d'un prix. VASA-1 ne fournit aucun de ces éléments publiquement. D-ID est le comparatif le plus direct pour animer une photo; HeyGen convient mieux au marketing multilingue; Synthesia vise davantage la formation et la communication d'entreprise.

Le risque d'usurpation est central. Le papier lui-même reconnaît que cette famille de techniques peut être détournée. Demandez un consentement explicite, documentez les droits sur l'image et la voix, et signalez clairement les avatars synthétiques.

## Questions fréquentes

### VASA-1 est-il disponible au public ?

La page Microsoft Research donne accès au projet et à ses démonstrations, pas à un produit de génération en libre-service.

### Existe-t-il une API VASA-1 ?

Aucune API publique VASA-1 n'est documentée sur la page officielle au moment de notre vérification.

### Quel est le prix de VASA-1 ?

Il n'existe pas de prix public vérifié, car VASA-1 n'est pas présenté comme une offre commerciale.

### VASA-1 utilise-t-il une image et un audio en entrée ?

Le papier décrit une image de visage et un clip audio; des contrôles facultatifs peuvent guider regard, distance et émotion.

### VASA-1 fonctionne-t-il en temps réel ?

Les auteurs annoncent jusqu'à 40 images par seconde en 512 × 512 dans leur cadre expérimental. Ce n'est pas une garantie de service.

### Quelle alternative choisir ?

D-ID vise l'animation de photo et l'API, HeyGen la vidéo marketing, Synthesia la formation structurée.

## Sources

- [Microsoft Research — VASA-1](https://www.microsoft.com/en-us/research/project/vasa-1/), consulté le 13 septembre 2026
- [Papier VASA-1](https://arxiv.org/abs/2404.10667), consulté le 13 septembre 2026
- [Version HTML du papier VASA-1](https://arxiv.org/html/2404.10667), consulté le 13 septembre 2026
- [Microsoft Research — Responsible AI](https://www.microsoft.com/en-us/research/group/responsible-ai/), consulté le 13 septembre 2026
- [Microsoft Research — Publications](https://www.microsoft.com/en-us/research/publications/vasa-1-lifelike-audio-driven-talking-faces-generated-in-real-time/), consulté le 13 septembre 2026