Envoyez une photo et une vidéo de danse de référence, et Picasso IA transpose les mouvements de la vidéo sur la personne ou le personnage de votre image. Sans rigging, sans logiciel de chorégraphie, juste une image, un clip et quelques minutes de rendu.
Tout le monde a une photo qu’il aimerait voir bouger. Un portrait, le dessin d’une mascotte, un personnage produit immobile sur fond blanc. Les modèles de transfert de mouvement comblent cet écart sans une seule image d’animation manuelle : vous leur donnez une image fixe et une vidéo de référence de quelqu’un en train de danser, et ils génèrent un clip où votre sujet exécute les mêmes mouvements, au même tempo. Cette page explique comment cela fonctionne sur Picasso IA, comment choisir des entrées qui produisent un mouvement propre, et où la technique montre ses limites.
La danse est l’une des choses les plus difficiles à décrire dans un prompt texte et l’une des plus faciles à fournir comme référence. Une phrase comme hip hop énergique avec un jeu de jambes rapide ne dit presque rien d’utile à un modèle texte-vers-vidéo sur le timing, le poids ou le rythme. Un clip de dix secondes d’un vrai danseur dit à un modèle de transfert de mouvement tout ce dont il a besoin, car il lit de vraies positions articulaires image par image au lieu de deviner à partir de mots.
C’est le changement que font ces modèles. Plutôt que de générer du mouvement à partir d’une description, ils copient le mouvement d’un tournage et l’appliquent à un sujet différent. Le résultat se lit comme chorégraphié parce qu’il l’est : la chorégraphie a déjà eu lieu, devant une caméra, avant même que votre photo n’entre dans le processus. Tout ce que le modèle doit résoudre, c’est de transposer ce mouvement sur un nouveau personnage de façon convaincante, un problème plus restreint que d’inventer une danse de zéro.
Picasso IA fait tourner deux modèles conçus spécifiquement pour cela : kling-v2.6-motion-control de kwaivgi et wan-2.2-animate-animation de wan-video, tous deux rangés dans la catégorie texte-vers-vidéo du catalogue, aux côtés de dizaines d’autres modèles vidéo. Vous donnez à l’un ou l’autre une image de référence et une vidéo de référence. Le modèle lit les actions, les gestes et les changements de posture de la vidéo et les reproduit sur le sujet de votre image, image par image, sans que vous touchiez à une timeline ou à un rig.
Les deux se comportent un peu différemment. Kling v2.6 Motion Control fonctionne en mode Standard pour des brouillons rapides et économiques et en mode Professional pour un rendu plus net, et il peut conserver l’audio original de votre clip de référence. Il vous laisse aussi choisir si l’orientation finale suit votre photo ou votre vidéo de référence, ce qui détermine la durée possible du clip : jusqu’à dix secondes d’un côté, jusqu’à trente de l’autre. Wan 2.2 Animate Animation produit un rendu en 720p ou 480p, tourne jusqu’à 24 images par seconde, et inclut une option expérimentale de fusion audio. Faire passer la même paire d’entrées par les deux modèles est une façon raisonnable de voir lequel interprète le mieux votre tournage.
La vidéo de référence fait presque tout le travail, donc la qualité de votre résultat suit la qualité de ce clip plus que tout autre élément du processus. Un danseur filmé en pied, sur un fond uni, se déplaçant à un rythme humain normal, donne au modèle un signal propre à copier. Un clip de téléphone flou d’une foule, ou une routine avec des tours rapides et des coupes de caméra, lui donne bien moins de matière à exploiter.
| Type de vidéo de référence | Ce qui se transfère bien | Bon point de départ pour |
|---|---|---|
| Chorégraphie solo, corps entier dans le cadre | Jeu de jambes, mouvements de bras, tours | Clips de danse pour réseaux sociaux |
| Clip simple de geste ou buste | Rotations de tête, signes de main, balancement subtil | Animer un portrait ou une mascotte |
| Boucle courte, de trois à dix secondes | Un mouvement propre répété | Tests rapides, boucles type sticker |
| Routine complète jusqu’à trente secondes | Une séquence entière du début à la fin | Montages de danse finis, prêts à partager |
| Mouvement lent et posé | Suivi articulaire précis, peu d’anomalies | Un premier essai sur une nouvelle photo |
Le cadrage compte autant que le tournage lui-même. Les deux modèles veulent que le personnage de votre image de référence adopte une orientation proche de celle de la personne dans la vidéo, donc un portrait cadré aux épaules combiné à un clip en pied a tendance à brouiller la correspondance. Commencez par une photo qui montre autant de corps que votre vidéo de référence.
Réutilisez un clip de référence qui fonctionne bien sur plusieurs photos de personnages avant de partir en chasse de nouveaux tournages. Une fois que vous savez qu’une vidéo se transfère proprement, faire passer vos trois prochains sujets par ce même clip est plus rapide et bien plus prévisible que de tenter un clip inconnu à chaque fois.
Le processus tient en une seule session une fois vos deux entrées prêtes : une photo claire du sujet et une vidéo de référence des mouvements que vous voulez lui faire exécuter.
Quelques habitudes séparent un clip de danse convaincant d’un clip instable, et aucune ne demande de compétence technique, juste de l’attention à ce que vous fournissez au modèle avant de générer.
Cette technique est réellement utile et réellement limitée, et les deux méritent d’être dites clairement. Une chorégraphie rapide et complexe avec des tours véloces ou du travail au sol perturbe la correspondance de mouvement plus souvent qu’une marche ou un signe de la main, et cela se voit dans des membres flous ou une pose qui perd brièvement la forme du corps. Les mains restent la partie la plus difficile à animer correctement sur n’importe quelle silhouette, et un clip de danse avec beaucoup de détails de doigts près de la caméra est là où une articulation en trop ou une prise déformée est la plus probable. Les clips longs, proches du plafond de trente secondes, dérivent plus que les courts, avec de petites erreurs de forme du visage qui s’accumulent au fil de la séquence. Deux danseurs bougeant ensemble, un duo ou une chorégraphie de groupe, sort du cadre pour lequel l’un ou l’autre modèle a été conçu, puisque chaque génération transpose une seule performance de référence sur une seule image de personnage. La fusion audio, quand elle est proposée, est explicitement expérimentale : attendez-vous à un timing proche mais pas exact à l’image près.
Il existe aussi une question de droits qui mérite d’être prise au sérieux avant de publier quoi que ce soit. Le modèle copie le mouvement, pas l’identité, il ne reproduit donc ni le visage ni l’apparence du danseur d’origine. Il reproduit en revanche sa chorégraphie précise, que certains créateurs considèrent comme leur œuvre créative quel que soit celui qui l’exécute au final dans le clip. Utilisez un tournage que vous avez filmé vous-même, que vous avez la permission de référencer, ou qui est clairement sous licence, le même standard que vous appliqueriez à toute autre source créative.
La plupart des photos fonctionnent, mais les résultats les plus propres viennent d’un sujet bien éclairé, face à la caméra, avec la partie pertinente du corps visible et dégagée. Les photos très recadrées, mal éclairées, ou montrant le sujet sous un angle étrange, ont tendance à produire un mouvement déformé ou instable. Si un premier essai semble grossier, essayez un cadrage différent de la même photo ou une vidéo de référence au cadrage similaire avant de conclure que la technique ne fonctionne pas pour ce sujet.
Non, même si cela aide si vous le pouvez. Toute vidéo montrant clairement les mouvements que vous voulez transférer fonctionne comme référence, que vous l’ayez filmée vous-même ou que vous utilisiez un tournage sur lequel vous avez des droits. Ce qui compte techniquement, c’est que le danseur soit clairement visible sur le fond et bouge à un rythme normal et traçable, pas la provenance d’origine du tournage.
En grande partie oui, puisque la vidéo de référence fournit uniquement le mouvement et que l’image du sujet fournit tout ce qui concerne l’apparence du personnage, y compris le visage, la tenue et le fond. Attendez-vous à un léger adoucissement du détail fin quand la pose change rapidement, et à ce que les clips plus longs dérivent un peu plus que les courts à mesure que de petites erreurs s’accumulent sur davantage d’images.
Cela dépend du modèle et du réglage d’orientation choisi. Kling v2.6 Motion Control génère jusqu’à dix secondes quand le rendu suit l’orientation de votre photo, et jusqu’à trente secondes quand il suit celle de la vidéo de référence. Wan 2.2 Animate Animation suit la durée du clip de référence que vous fournissez. Pour un premier test, un clip court est plus rapide à revoir et moins coûteux à itérer qu’un long.
Aucun ne l’emporte franchement, c’est pourquoi Picasso IA propose les deux. Kling v2.6 Motion Control offre une répartition qualité Standard et Professional plus une durée de clip flexible, tandis que Wan 2.2 Animate Animation tourne à un rythme constant de 24 images par seconde avec une option de fusion audio intégrée. Faire passer la même photo et le même clip de référence par les deux prend quelques minutes et reste le moyen le plus rapide de voir lequel gère le mieux votre tournage.
Les deux modèles proposent une option audio. Kling v2.6 Motion Control a un simple interrupteur pour conserver le son original de la vidéo de référence. Wan 2.2 Animate Animation propose un réglage de fusion audio que le modèle lui-même décrit comme expérimental, ce qui signifie que le timing peut ne pas être parfaitement calé. Si une synchronisation précise compte pour vous, traitez l’audio fusionné comme un brouillon et soyez prêt à ajouter de la musique séparément ensuite.
Les nouveaux comptes Picasso IA démarrent avec des crédits gratuits, suffisants pour lancer un premier test de transfert de mouvement et voir si la technique fonctionne bien avec votre photo et votre clip de référence avant de dépenser davantage. Au-delà des crédits gratuits, les forfaits actuels et leurs limites sont listés sur la page des tarifs, le seul endroit où vérifier des chiffres à jour.
Oui, et c’est l’une des parties les plus utiles du processus. La photo du sujet reste fixe pendant que le clip de référence change, vous pouvez donc faire passer la même image de personnage par plusieurs vidéos de danse différentes et obtenir une petite bibliothèque de clips distincts à partir d’une seule photo source, sans régénérer le personnage à chaque fois.
Les deux causes les plus fréquentes sont un décalage entre le cadrage de la photo et celui de la vidéo de référence, et un tournage de référence qui bouge trop vite ou qui coupe entre des angles de caméra que le modèle ne peut pas suivre proprement. Recadrez la photo pour correspondre au cadrage de la vidéo de référence, ou choisissez un clip de référence plus stable et continu, et relancez la génération avant de conclure que le sujet ne fonctionne tout simplement pas.
Le modèle ne copie ni le visage ni l’identité d’une personne, seulement le schéma de mouvement du tournage que vous fournissez, donc utiliser vos propres photos ne pose aucun problème de ressemblance. La chorégraphie elle-même est une question distincte : certains danseurs et chorégraphes considèrent une routine précise comme leur œuvre créative, alors utilisez un tournage que vous avez filmé, que vous avez la permission explicite de référencer, ou qui est clairement sous licence pour ce type d’usage, plutôt qu’un clip trouvé au hasard en ligne.
Une photo immobile dans votre pellicule n’est qu’un envoi loin de devenir un clip en mouvement. Ouvrez la boîte à outils Picasso IA, choisissez une vidéo de référence, et découvrez à quoi ressemble votre propre photo en train de danser.
