Écrivez une liste de plans, générez chacun avec un modèle texte-vers-vidéo, puis montez le résultat en un court-métrage ou une bande-annonce continue. C'est le vrai flux de travail, modèle par modèle, pas la promesse qu'un seul prompt suffit à faire un film.
Un court-métrage n'est pas une seule génération longue, et le traiter ainsi est le moyen le plus rapide d'obtenir huit secondes inutilisables. Tout modèle texte-vers-vidéo actuel génère un seul plan de quelques secondes à la fois. Un film ou une bande-annonce, c'est ce qui se passe ensuite : plusieurs de ces plans, choisis, coupés et assemblés dans un ordre qui se lit comme une seule histoire. Cette page parcourt cette chaîne de montage de bout en bout, de la liste de plans au montage exporté, avec les vrais modèles impliqués à chaque étape.
Le réflexe est de demander toute la scène en un seul prompt et d'espérer que le modèle la tienne pendant trente secondes. Il n'y arrivera pas, pas encore. Ce que les modèles texte-vers-vidéo réussissent vraiment bien, c'est un seul instant : un personnage qui se tourne vers la caméra, une voiture qui entre dans le cadre, une porte qui s'ouvre sur une pièce éclairée. Dès que vous acceptez le plan comme unité de travail plutôt que le film entier, le flux cesse de résister à l'outil.
C'est aussi pourquoi un catalogue aide plus ici que pour un seul style d'image. Une bande-annonce a généralement besoin d'un plan d'ensemble, d'un moment de personnage, de quelque chose de rapide et d'un coup final, et aucun modèle vidéo ne gagne sur les quatre à la fois. Picasso IA fait tourner 488 modèles derrière une seule interface, avec plusieurs moteurs texte-vers-vidéo et une catégorie d'édition vidéo séparée pour tout ce qui vient après la génération.
L'habitude qui sépare un montage cohérent de trente secondes d'un dossier de clips sans lien est d'écrire d'abord la liste de plans, sur papier ou dans une app de notes, avant d'ouvrir le Toolkit. Listez chaque moment dont le film a besoin, dans l'ordre : le plan d'ensemble, l'entrée du personnage, le tournant, la révélation, l'image finale. Deux ou trois phrases par plan suffisent, écrites comme vous décririez une seule photographie, parce que cette précision est exactement ce qu'un prompt vidéo récompense.
Gardez la durée de chaque plan fidèle à ce que le modèle livre réellement. La plupart des générations texte-vers-vidéo durent entre quatre et dix secondes, donc une bande-annonce de trente secondes représente en réalité six à huit générations séparées, pas une seule. Six générations courtes qui réussissent chacune leur moment se montent bien mieux qu'une longue génération qui s'étiole sur la seconde moitié.
Écrivez aussi le dialogue ou la narration, s'il y en a, dans la liste de plans, même si vous comptez l'enregistrer séparément. Un plan généré pour correspondre à une réplique précise s'accorde à son audio de façon bien plus naturelle qu'un plan généré d'abord puis narré après coup, comme un ajout de dernière minute.
Chaque moment d'une bande-annonce ne veut pas le même moteur, et c'est là que la liste de plans rapporte encore : elle vous dit, avant de générer quoi que ce soit, quel type de plan vous êtes sur le point de demander. Le tableau ci-dessous est un point de départ, pas une règle, et chaque modèle listé se trouve dans la catégorie texte-vers-vidéo du catalogue, aux côtés de dizaines d'autres qui valent le test.
| Type de plan | Un modèle à tester | Pourquoi il convient |
|---|---|---|
| Plan d'ensemble d'ouverture | google/veo-3.1 | Forte cohérence de scène et audio ambiant natif |
| Gros plan ou pivot de personnage | kwaivgi/kling-v2.6 | Gère avec fluidité le mouvement d'un seul sujet |
| Action rapide ou poursuite | bytedance/seedance-1-pro | Tient le mouvement rapide sans que l'image ne se casse |
| Révélation de produit ou d'objet | lightricks/ltx-2-pro | Mouvement propre et haute résolution pour le coup final |
| Plan de montage narré | kwaivgi/kling-v2.6 ou google/veo-3.1 | Mouvement simple et lisible sur lequel poser une narration |
Générez chaque plan deux ou trois fois avant de passer au suivant. La génération vidéo est moins prévisible qu'une image fixe, et la différence entre une prise utilisable et une prise raide tient souvent à la troisième tentative. Choisir le clip le plus fort par moment coûte quelques minutes et évite tout un remontage.
Générer est la moitié visible du travail ; le montage est là où une liste de plans devient vraiment un film. Voici l'ordre qui transforme six ou huit clips séparés en un montage exporté, en utilisant les modèles d'édition de la catégorie d'édition vidéo aux côtés des générateurs ci-dessus.
Aucune de ces cinq étapes n'exige de logiciel hors du navigateur. Chacune est son propre modèle avec ses propres réglages, donc un mauvais montage ou une coupe mal calée se corrige en cinq minutes, pas en une après-midi perdue dans un éditeur de timeline.
Le signe le plus clair qu'un montage a été assemblé à partir de générations séparées, plutôt que tourné sur un même plateau, est un personnage ou un lieu qui change subtilement d'un plan à l'autre : une veste différente, un visage différent, un étalonnage qui change à mi-parcours. Corriger cela relève plus de l'habitude que du choix d'un modèle : générez ou choisissez une image de référence forte pour votre protagoniste et pour votre lieu clé, puis réutilisez cette même référence dans chaque plan qui en a besoin plutôt que de redécrire le personnage à chaque fois.
La technique est la même que celle abordée sur la page personnages IA cohérents : fixez une image de référence, ne faites varier que la pose, l'angle et l'action selon le plan. Dans une bande-annonce, cela compte encore plus que pour un portrait isolé, parce que l'œil repère l'incohérence plus vite entre deux plans, dans la demi-seconde qui sépare deux plans du même personnage.
Conseil : générez d'abord l'image de référence de votre protagoniste, seul, sous une lumière neutre, avant d'écrire le moindre prompt de plan. Chaque plan suivant part de cette même image plutôt que d'une nouvelle description textuelle, et cette seule décision fait plus pour la continuité visuelle que n'importe quelle formulation de prompt.
Les mots de style aident aussi, comme pour une image fixe : choisissez deux ou trois adjectifs constants, comme étalonnage sarcelle désaturé ou rendu documentaire à l'épaule, et répétez-les dans le prompt de chaque plan. La page effets rassemble des styles prédéfinis, un moyen plus rapide de trouver ce vocabulaire que de deviner plan par plan.
Une page honnête sur un flux de travail dit où il cesse de fonctionner, et pour le cinéma monté par IA, cette liste n'est pas courte. Prévoyez ces cinq limites avant de commencer et aucune ne vous surprendra en cours de projet.
Rien de tout cela ne va contre ce flux de travail. Cela plaide pour construire des bandes-annonces, des teasers et des pièces courtes, les formats où une poignée de plans forts pèse vraiment plus qu'une seule prise continue.
Non, et tout outil qui prétend le contraire décrit une démo, pas un livrable. Tout modèle texte-vers-vidéo actuel génère un plan de quelques secondes à la fois. Un court-métrage ou une bande-annonce est toujours un assemblage de plusieurs de ces plans, choisis puis réunis après coup, de la même façon qu'un vrai film est tourné en plans séparés puis monté ensemble plutôt que filmé d'une traite du scénario au générique.
Il n'y a pas un seul meilleur modèle, ce qui est justement l'argument pour en tester plusieurs sur votre plan précis. google/veo-3.1 et kwaivgi/kling-v2.6 gèrent bien les moments de personnage avec une forte cohérence, bytedance/seedance-1-pro tient bien le mouvement rapide, et lightricks/ltx-2-pro produit des plans haute résolution qui fonctionnent bien pour une révélation finale. La catégorie texte-vers-vidéo du catalogue en compte des dizaines d'autres à tester contre votre plan précis.
Une fois chaque plan généré et coupé, video-merge dans la catégorie d'édition vidéo concatène les clips en un seul fichier dans l'ordre où vous les téléversez, et peut normaliser le frame rate et la résolution entre des plans issus de modèles différents. Il fonctionne pareil que vous réunissiez deux clips ou vingt.
Oui. Une fois les plans réunis en un seul fichier, video-audio-merge superpose une piste musicale, une narration enregistrée ou un effet sonore sur l'image. Si un plan précis a besoin d'une texture ambiante que la génération d'origine n'apportait pas, des pas, du vent, une porte qui claque, un modèle comme mmaudio peut générer l'audio directement à partir de la vidéo avant que ce clip n'entre dans le montage.
Générez d'abord une image de référence forte du personnage, sous une lumière neutre, avant d'écrire le moindre prompt de plan, puis réutilisez cette même image dans chaque génération qui en a besoin plutôt que de le redécrire à chaque fois. C'est la même approche utilisée pour les personnages IA cohérents, et c'est le changement qui apporte le plus à la continuité visuelle sur un montage à plusieurs plans.
Parfois, mais pas de façon assez fiable pour bâtir une bande-annonce autour de ça. Les modèles vidéo actuels peuvent faire parler un personnage, mais une synchronisation labiale précise sur une réplique de script donnée reste irrégulière sur une phrase entière. Le schéma le plus fiable est de construire la bande-annonce autour d'une narration qui repose sur l'image, en réservant la synchronisation générée aux répliques courtes et indulgentes plutôt qu'à une scène de dialogue complète.
Comptez entre quatre et dix secondes par génération, ce que rendent la plupart des modèles texte-vers-vidéo actuels en une seule passe. Une bande-annonce de trente secondes construite à partir de six plans de cinq secondes se monte proprement ; une longue génération étirée vers trente secondes tend à dériver bien avant d'y arriver.
Recadrez le montage déjà assemblé avec reframe-video plutôt que de regénérer chaque plan dans un nouveau format. Il ajuste le cadre à un nouveau format d'image, vertical pour un écran de téléphone ou carré pour un fil d'actualité, sans toucher aux générations d'origine, ce qui est plus rapide et garde le contenu de chaque plan intact.
Oui, une fois le montage entièrement assemblé. autocaption lit la piste audio, qu'il s'agisse de dialogue, de narration ou d'une narration ajoutée pendant le montage, et incruste des sous-titres avec un contrôle sur la police, la couleur et la position. Le lancer en dernière étape, une fois l'image et le son verrouillés, évite d'avoir à refaire les sous-titres à chaque changement d'un plan antérieur.
Chaque génération de plan et chaque passage d'édition coûte des crédits, et le total dépend du nombre de plans générés, du nombre de prises conservées et des modèles choisis, donc tout chiffre écrit ici serait faux d'ici un mois. Les nouveaux comptes démarrent avec des crédits gratuits, suffisants pour tester le flux avant de s'engager davantage, et les offres actuelles vivent sur la page tarifs.
Votre liste de plans est la seule chose qui sépare une idée d'un montage que vous pourrez vraiment regarder. Ouvrez le Toolkit et générez le premier plan, ou voyez comment la comparaison Picasso IA vs Runway présente ce même flux face à un éditeur mono-modèle.
