Méthode
Comment transformer une image en vidéo avec l’IA
En bref : transformer une image en vidéo avec l’IA se fait en cinq étapes. Vérifiez que votre image est bien celle sur laquelle le clip doit s’ouvrir, recadrez-la et corrigez son orientation, importez-la pour que le modèle dispose d’une adresse où la récupérer, consacrez le prompt au mouvement et à la caméra, puis réglez le plan sur un court brouillon avant de payer une longue prise. Une image fixe est l’entrée la moins coûteuse à confier à un modèle vidéo, parce que la composition est déjà tranchée et que tout le rendu part dans le mouvement.
Votre image est-elle celle qui ouvre le clip ?
Un modèle vidéo qui accepte une image la traite comme l’image d’ouverture. Le rendu démarre sur ces pixels précis : l’image arrête le contenu et le format de toutes celles qui suivent. Aucun modèle vidéo ici ne lit une image comme un indice autour duquel composer le plan ; un fichier qui n’est pas l’image sur laquelle vous voulez ouvrir le clip n’est donc pas encore prêt pour la vidéo.
Le catalogue affiche la capacité sur chaque carte : filtrez sur la vidéo et lisez l’étiquette au lieu de deviner d’après un nom. Cette capacité appartient au modèle et non à l’essai : un modèle qui attend une image d’ouverture refuse une requête qui n’en porte pas, et un modèle qui ne lit aucune image refuse une requête qui en contient ; garder un personnage cohérent explique pourquoi ce refus est justement le comportement à souhaiter.
La voie à prendre dépend de ce que vous avez déjà tranché. Si vous avez généré et cadré l’image vous-même et que vous savez sur quel instant le clip s’ouvre, confiez-la directement comme image d’ouverture. Si un personnage doit apparaître mais que le plan reste à composer, mettez-le d’abord en scène sur un modèle d’édition, gardez l’image qui fonctionne, et c’est celle-là que vous envoyez à la vidéo.
Recadrer et vérifier l’orientation avant l’import
Puisque l’image devient la première du clip, son format devient celui du clip. Les modèles qui s’ouvrent sur une image ne proposent aucun format d’image : le champ n’est pas grisé, il est absent du formulaire, et en envoyer un par l’API renvoie une erreur qui le nomme. Recadrez donc dans votre logiciel d’image tant que le fichier est encore une image. Recadrer le clip terminé, c’est payer le rendu de pixels destinés à la corbeille, et retailler une composition pensée pour un cadre plus large.
Profitez-en pour vérifier l’orientation. Les photos prises au téléphone portent une balise EXIF Orientation que votre navigateur applique discrètement : la valeur initiale de la propriété CSS image-orientation est from-image, ce qui, selon MDN, signifie que « the EXIF information contained in the image is used to rotate the image appropriately ». Un aperçu peut donc apparaître droit alors que les pixels enregistrés sont couchés. Si un clip revient pivoté, réexportez l’image avec la rotation inscrite dans les pixels.
Tout ce que porte cette image l’accompagne : un filigrane, une bande noire, une bordure, une dominante de couleur que vous comptiez corriger plus tard. L’image d’ouverture n’est pas un brouillon que le modèle nettoie au passage.
Placer le fichier à une URL que le modèle peut récupérer
Les endpoints de génération reçoivent les images sous forme d’adresses et non d’octets, car le prestataire chargé du rendu va les chercher lui-même. C’est aussi la raison pour laquelle le lien vers l’une de vos propres générations ne marche pas : elles sont servies derrière vos identifiants, et le moteur de rendu n’a aucune session à utiliser. Importez le fichier et joignez l’adresse renvoyée, qui porte un identifiant impossible à deviner et reste accessible sans connexion.
Vous n’avez rien à héberger. Sur la page d’un modèle, la zone de référence importe le fichier et inscrit l’adresse dans le champ à votre place, et la référence de l’API documente le même endpoint pour les scripts, qui envoient les octets bruts plutôt qu’un formulaire multipart.
Les rejets à cette étape proviennent d’une courte liste, et l’erreur nomme le champ en cause. L’en-tête Content-Type est obligatoire et doit correspondre au corps, car le serveur lit les octets magiques du fichier : renommer une capture d’écran ne change rien à ce qu’elle est. Les formats acceptés sont les formats courants : JPEG, PNG, WebP, BMP et GIF. L’import exige un solde de crédits positif. Une adresse que vous fournissez vous-même doit être en https sur un hôte public ; les adresses de bouclage et les plages privées sont refusées. Au lancement, l’image doit être un JPEG, un PNG, un GIF ou un WebP fixe, sans zone transparente, et elle passe un contrôle avant qu’un seul crédit soit débité : si ce contrôle y voit quelqu’un qui pourrait avoir moins de 21 ans, ou un texte qui vise le contrôle lui-même, l’image est rejetée avec image_blocked, une erreur sans nom de champ qui ne dit pas non plus quelle image est en cause. Appeler l’API depuis votre code couvre le côté requête.
Une seule prise : le prompt tient lieu de montage
Il n’y a pas de timeline. Le modèle rend tout le clip en une passe, sans moment où intervenir en cours de rendu, supprimer une action ou changer d’avis sur la caméra. Puisque l’image a déjà dit à quoi ressemble la scène, dépensez vos mots sur ce qui change : comment le sujet bouge, comment la caméra bouge, et où chacun achève sa course.
Nommez la caméra à chaque fois. La taire ne fige pas le cadre, cela confie le choix au modèle, et une dérive que vous n’avez pas demandée ressemble trait pour trait à une dérive voulue. Écrire des prompts sans filtre approfondit la formulation.
Prévoyez une seule action, pas une scène entière. Cutting, DeLong et Brunick, qui ont analysé 295 longs métrages de langue anglaise dans Cognitive Research: Principles and Implications (2018), rapportent que « shots have generally gotten shorter, decreasing more or less linearly from a mean of about 10 s/shot in 1950 to about 4 s/shot in 2010 ». Au cinéma commercial, un plan porte à peu près une action, et votre clip est un seul plan : une action écrite pour toute une scène arrive précipitée, quelle que soit la durée achetée.
Régler le plan sur un court brouillon
Durée et résolution se multiplient : l’ordre le plus économe consiste à tourner un court brouillon en résolution modeste jusqu’à ce que le mouvement se lise, puis un seul long rendu au réglage voulu. Choisir résolution et durée détaille cet arbitrage, et chaque page de modèle fait le calcul en direct à partir du catalogue.
Gardez la même image d’un essai à l’autre, pour que la phrase soit la seule chose qui bouge. Un rendu qui échoue chez le prestataire se rembourse de lui-même ; un rendu réussi dans un format dont vous ne vouliez pas, non — c’est tout l’argument en faveur du recadrage préalable. Téléchargez ce que vous décidez de garder. Reportez-vous à garder un personnage cohérent quand le deuxième clip doit raccorder avec le premier, et à storyboard et prévisualisation quand il y en a dix.
Questions fréquentes
Comment transformer une image en vidéo avec l’IA ?
Choisissez un modèle qui s’ouvre sur une image, transmettez-lui la vôtre par un import, et décrivez le changement plutôt que la scène : l’action du sujet, la trajectoire de la caméra et l’endroit où tous deux s’arrêtent. L’image a déjà répondu à la question de l’apparence, et elle fixe aussi le format du clip : recadrez avant d’importer. Pour passer tout de suite à la génération, transformez votre image en vidéo maintenant.
Puis-je choisir un format d’image quand le clip part de ma photo ?
Non. L’image fixe est la première du clip, donc son format est celui du clip. Les modèles qui s’ouvrent sur une image n’exposent aucun format, et en envoyer un à l’API est refusé plutôt qu’ignoré : un clip rendu dans un format que vous n’avez pas choisi, sans erreur pour l’expliquer, serait pire. Les modèles qui partent d’une description seule acceptent un format, et certains l’exigent.
Pourquoi mon image de référence a-t-elle été rejetée ?
La plupart des erreurs nomment le champ, et les causes sont peu nombreuses : le modèle ne lit pas d’images de référence, ou en attend un autre nombre que celui envoyé ; l’adresse n’est pas en https ou vise un hôte privé ; l’en-tête Content-Type ne correspond pas aux octets du fichier ; le format ne figure pas parmi ceux acceptés ; ou le compte n’a pas de solde de crédits pour importer. Un seul refus ne nomme aucun champ : au lancement, une image où le contrôle repère une personne peut-être âgée de moins de 21 ans, ou un texte visant le contrôle lui-même, revient en image_blocked, et une image animée ou partiellement transparente en image_unreadable.
Comment faire entrer un personnage récurrent dans un clip ?
Par l’image d’ouverture. Mettez le plan en scène sur un modèle d’édition en fournissant le personnage comme image de référence, gardez l’image réussie et confiez-la à un modèle vidéo. Composer autour d’un personnage relève ici du travail d’image : c’est réglé avant que le clip ne commence.