Décrivez la vidéo voulue dans un chat et l'agent écrit le script, enregistre la voix, génère les plans et compose la musique, en choisissant dans le catalogue les modèles de chaque étape. Vous relisez chaque pièce et vous ajustez dans la même conversation, au lieu de déplacer des fichiers entre quatre outils.
Fabriquer à la main une vidéo avec narration et musique oblige à enchaîner quatre types d'outil : un modèle de langage pour le script, un modèle de voix pour la narration, un modèle vidéo pour les plans et un modèle de musique pour la piste, chacun avec son propre prompt et son propre export. Supercomputer, l'agent de Picasso IA, s'occupe de cet enchaînement. Vous écrivez un brief dans un chat, il planifie le travail, lance les modèles et vous remet les pièces.
Une vidéo narrée avec une bande-son n'est pas le travail d'un seul modèle. C'est un script issu d'un modèle de langage, une voix issue d'un modèle de synthèse vocale, des plans issus d'un modèle vidéo et une piste issue d'un modèle de musique, et entre chaque paire se glisse une petite corvée : copier le script, le découper en scènes, écrire un prompt vidéo pour chaque scène, nommer les fichiers pour les retrouver. Rien de tout cela n'est difficile. Tout cela est l'endroit où un après-midi disparaît sans bruit.
Supercomputer reprend cet enchaînement. C'est un chat, pas un espace de travail : vous décrivez en mots simples le résultat voulu, il planifie les étapes, choisit des modèles dans le catalogue, les lance et vous montre ce qui en est sorti. Vous ajustez dans la même conversation. Le catalogue derrière lui est celui que fait tourner le toolkit, 502 modèles aujourd'hui, dont 121 de texte vers vidéo, 75 modèles de langage, 24 de synthèse vocale et 10 qui génèrent de la musique. Le catalogue complet se parcourt si vous voulez voir parmi quoi l'agent peut choisir.
C'est un produit distinct du toolkit, pas un remplaçant. Le toolkit est l'espace de travail manuel où vous choisissez le modèle vous-même et où chaque réglage est entre vos mains. L'agent sert les jours où vous préférez énoncer le résultat et le relire. Les mêmes modèles, les mêmes crédits, une autre place à table.
Derrière une seule phrase de votre part, il y a une courte chaîne. Le tableau montre les étapes que l'agent parcourt, le type de modèle qui fait le travail (les noms sont des exemples du catalogue, pas une liste figée) et ce que chaque étape transmet à la suivante.
| Étape | Type de modèle | Ce qui sort | Ce que vous pouvez changer ensuite |
|---|---|---|---|
| Script | Un modèle de langage, par exemple claude-sonnet-5 | Un texte de narration découpé en scènes | Le ton, la longueur, la formulation de n'importe quelle ligne |
| Voix | Un modèle de synthèse vocale, par exemple speech-2.8-hd | La narration en fichier audio | La voix, le rythme, une nouvelle lecture d'une scène |
| Plans | Un modèle texte vers vidéo, par exemple veo-3.1 ou seedance-2.0 | Un clip par scène | Le prompt d'un seul plan, ou un autre modèle pour lui |
| Musique | Un modèle de musique, par exemple lyria-3 | Une piste de fond | L'ambiance, les instruments, le niveau sous la voix |
| Remise | L'agent lui-même | Les pièces réunies dans le chat, prêtes à télécharger | N'importe quelle étape, relancée seule |
L'ordre compte parce que chaque étape nourrit la suivante. Le script décide du nombre de scènes, les scènes décident du nombre de plans nécessaires, et la durée de la narration vous dit à peu près combien de temps l'image doit durer. C'est pourquoi un changement en début de chaîne, un script plus court par exemple, se répercute sur toutes les étapes suivantes, et pourquoi il vaut mieux figer le script d'abord.
L'agent ne peut planifier que ce que vous lui dites, donc le brief est la partie qui mérite votre effort. Un bon brief répond à six questions en quelques phrases : de quoi parle la vidéo, à qui elle s'adresse, combien de temps elle doit durer, quel ton prend la narration, à quoi doivent ressembler les images et ce que la musique doit faire. Laissez le vocabulaire technique de côté. Vous ne nommez ni modèles ni réglages, l'agent les choisit.
Voici la différence en pratique. Un brief maigre dit fais une vidéo sur le café. Un brief qui fonctionne dit une vidéo explicative calme de trente secondes pour des gens qui n'ont connu que les capsules, narrée d'une voix chaleureuse et posée, avec des plans lents et rapprochés d'un café filtre et une piste acoustique douce. La seconde version donne au modèle de langage un ton, au modèle de voix un caractère, au modèle vidéo une direction visuelle et au modèle de musique une ambiance, le tout dans un paragraphe.
Deux détails économisent des crédits plus tard. Indiquez la langue de la narration, car la voix et le script en dépendent. Et dites ce qui ne doit pas apparaître : pas de texte à l'écran, pas de personnes, pas de marques. Les modèles vidéo inventent volontiers, et une phrase d'exclusions coûte moins cher que de relancer un plan. Si votre idée met en scène une personne, utilisez un personnage fictif ou votre propre visage et votre propre voix, jamais une personne réelle identifiable, et jamais une voix que vous n'avez pas le droit d'utiliser.
Voici tout le parcours en mots simples. Si vous voulez entendre une voix ou voir un plan avant d'engager une exécution complète, n'importe quelle étape peut d'abord se tester à la main dans le toolkit, puisqu'il fait tourner le même catalogue.
Le premier passage est un brouillon, et le chat est l'endroit où il devient une vidéo qui vous plaît. Vous parlez à l'agent comme à un monteur : raccourcis la narration, prends une voix plus grave, refais le troisième plan avec un mouvement plus lent, enlève de la percussion à la musique. Il relance l'étape que vous avez désignée et laisse le reste tranquille, donc corriger un plan ne vous coûte pas un nouveau script.
Changez une seule chose par message. Si vous demandez une nouvelle voix, un script plus chaleureux et un autre style visuel dans une même requête, vous ne saurez pas quel changement a réparé la vidéo ou l'a abîmée, et chaque relance est une génération de plus qui dépense des crédits.
Comme le toolkit repose sur le même catalogue, les deux produits se complètent bien. Une bonne manière de les utiliser : laisser l'agent produire une première version, puis emmener un plan faible dans le toolkit et l'essayer à la main avec deux ou trois modèles vidéo. Des pages comme la voix off IA pour vos vidéos et la musique de fond pour vidéos détaillent chaque étape, et les vidéos YouTube sans visage montrent le genre de projet fini pour lequel cette chaîne est faite. La consommation de crédits dépend des modèles et des réglages, et la page des tarifs est l'endroit où se trouvent les offres.
Un agent qui enchaîne des modèles hérite des limites de chaque modèle de la chaîne, et il en ajoute une ou deux qui lui sont propres. Cinq points à prévoir :
L'agent est une machine à premiers brouillons avec une boucle de retour courte, pas un réalisateur. Si votre vidéo dépend d'un jeu d'acteur précis, d'un lieu réel particulier ou d'un montage minuté au détail près, le toolkit et un logiciel de montage vous donnent plus de contrôle.
C'est Supercomputer, l'agent de Picasso IA, utilisé pour la vidéo. Vous décrivez la vidéo dans un chat, et il planifie le travail, choisit dans le catalogue les modèles du script, de la voix, des plans et de la musique, exécute chaque étape et vous montre le résultat. Vous ajustez ensuite dans la même conversation. C'est un chat dans l'application web, donc il n'y a rien à installer.
Le toolkit est un espace de travail manuel : vous choisissez le modèle, écrivez le prompt, réglez les options et lancez une génération à la fois. L'agent part du résultat. Vous dites ce que vous voulez, et il décide quels modèles enchaîner et dans quel ordre. Les deux utilisent le même catalogue et les mêmes crédits, donc le choix porte sur le degré de contrôle que vous voulez. Beaucoup utilisent l'agent pour une première version et le toolkit pour peaufiner une pièce.
Non. Supercomputer est un chat dans l'application web : vous vous connectez à votre compte Picasso IA et vous écrivez votre brief. Les clés appartiennent à l'API, au serveur MCP et aux connecteurs, où vous en créez une dans votre compte et la traitez comme un mot de passe. Pour l'agent, il n'y a rien à coller ni à stocker.
Il choisit dans le catalogue, qui compte aujourd'hui 502 modèles, dont 121 de texte vers vidéo, 75 modèles de langage, 24 de synthèse vocale et 10 de musique. Des noms comme claude-sonnet-5, speech-2.8-hd, veo-3.1, seedance-2.0 et lyria-3 sont des exemples de ce qui s'y trouve, pas la promesse qu'une exécution donnée les utilise. Vous pouvez demander un modèle ou un style précis dans la conversation et voir ce qui change.
Une génération coûte des crédits, et le montant dépend des modèles et des réglages, donc une vidéo faite de plusieurs étapes coûte plus qu'une image. Tout chiffre écrit ici serait faux bientôt, il n'y en a donc aucun. Les nouveaux comptes reçoivent des crédits gratuits pour essayer, et les offres sont listées sur la page des tarifs. Tester une seule étape dans le toolkit d'abord est une façon économique de voir ce que coûte un modèle.
Oui, en le disant dans la conversation. Vous pouvez demander une voix plus grave, un genre de musique précis ou un autre modèle vidéo pour un plan, et l'agent relance cette partie. Si vous voulez comparer des modèles côte à côte avec tous les réglages visibles, le toolkit est le meilleur endroit, car il vous laisse passer le même prompt dans plusieurs modèles et juger les résultats vous-même.
Cela dépend des modèles vidéo de la chaîne, car chaque plan est généré comme un clip à part et les clips sont courts comparés à un film. Les vidéos plus longues se construisent avec beaucoup de plans, ce qui veut dire plus de générations et plus de crédits. Indiquez dans le brief la durée visée et vérifiez les clips qui reviennent.
Le vôtre, oui. Des personnages fictifs, oui. Une personne réelle identifiable qui n'a pas donné son accord, non, et il en va de même pour une voix que vous n'avez pas le droit d'utiliser. Cela compte surtout pour ce que vous comptez publier ou vendre. Précisez dans le brief que le personnage est fictif ou que le visage et la voix sont les vôtres, et gardez la preuve de votre accord si la vidéo sert à des fins commerciales.
En général un peu. L'agent vous donne le script, la narration, les clips et la musique comme des pièces assorties, et les réunir sur une timeline avec le bon rythme est une étape finale normale dans le logiciel de montage de votre choix. Certains trouvent la première version assez bonne comme brouillon et d'autres retravaillent quelques plans. Prévoyez la relecture, car les modèles diffèrent et une écoute et un visionnage rapides repèrent la plupart des problèmes.
Souvent oui, mais cela dépend des conditions des modèles derrière chaque pièce et des règles de l'endroit où vous publiez, qui changent avec le temps. Vérifiez les exigences actuelles de la plateforme avant de publier et évitez les personnes réelles, les marques et les personnages protégés dans le brief. En cas de doute sur un cas précis, interrogez le support avant de bâtir une campagne dessus.
Envie d'entendre un script à voix haute ou de voir un plan avant d'écrire tout le brief ? Ouvrez le toolkit et testez dès maintenant n'importe quel modèle du catalogue, et envoyez vos questions au support.
Choisissez votre langue
