Importez des photos de votre personnage, choisissez un modèle de référence vers vidéo et gardez le même visage et la même tenue pendant que la scène, la caméra et l’action changent. Comparez quatre modèles qui acceptent des références, apprenez à constituer un jeu de références et voyez où le visage dérive encore.
Demandez trois fois à un modèle de vidéo IA la même femme en manteau rouge et vous obtiendrez trois femmes différentes avec trois manteaux différents. Un prompt texte décrit une personne, il ne l’identifie pas. Les modèles de référence vers vidéo attaquent le problème par l’autre bout : vous leur donnez des photos de votre personnage, et ils tentent de garder ce visage et cette tenue stables pendant que la scène, la caméra et l’action changent. Cette page explique comment cela marche sur Picasso IA, quels modèles le font et où cela glisse encore.
Un modèle de texte vers vidéo construit chaque clip de zéro. Chaque génération tire une nouvelle personne qui colle aux mots, si bien que cheveux bruns, veste verte, trentaine peut donner cent personnes différentes, dont aucune n’est celle de votre clip précédent. Fixer la seed n’aide que si le prompt ne bouge pas non plus, ce que vous ne pouvez justement pas faire quand le plan suivant demande un autre lieu.
La référence vers vidéo inverse l’ordre. L’image porte l’identité et le prompt porte tout le reste : où se trouve le personnage, ce qu’il fait, comment la caméra bouge. Au lieu de décrire un visage en espérant, vous le montrez. Pour un court métrage, une mascotte récurrente, un personnage de marque ou une série de clips pour les réseaux, c’est la différence entre un projet et un tas de clips sans lien.
Si vous n’avez besoin d’un personnage cohérent qu’en images fixes, le flux frère est celui des personnages IA cohérents. Les images fixes sont la moitié facile. La vidéo ajoute le mouvement, les changements d’angle et le temps, et chacun est une occasion pour le visage de dériver.
Quatre modèles du catalogue acceptent des images de référence en entrée. Ils diffèrent par le nombre de références admises et par ce qu’ils savent faire d’autre, si bien que le bon choix dépend de ce qu’il vous faut : un portrait principal, un détail complet de la tenue ou un scénario en plusieurs plans. Ces limites viennent des paramètres d’entrée de chaque modèle sur Picasso IA ; vérifiez la page du modèle, car elles peuvent évoluer.
| Modèle | Références acceptées | Paramètres notables | À choisir quand |
|---|---|---|---|
| wan-video/wan-2.7-r2v | Images de référence et courts clips vidéo | 720p ou 1080p, plan unique ou multiple, prompt négatif, seed | Vous avez un portrait ou un court clip et voulez ancrer l’identité |
| xai/grok-imagine-r2v | De 1 à 7 images | 480p ou 720p, de 1 à 10 secondes, sept formats d’image | Vous voulez des tests rapides à partir de quelques images |
| kwaivgi/kling-v3-omni-video | Jusqu’à 7 images, ou 4 avec une vidéo de référence | Multi-plans jusqu’à six scènes, audio natif, images de début et de fin | Vous scénarisez une séquence et voulez les plans en une seule passe |
| bytedance/seedance-2.5 | Jusqu’à 30 images | Audio et dialogue natifs, première et dernière image, 480p ou 720p | Visage, tenue et accessoires doivent rester fixes |
Deux précautions pour lire ce tableau. Un plafond de références plus haut ne donne pas de meilleurs visages, il donne plus de place pour un brief complet : vue de face, vue de côté, tenue, accessoires. Et grok-imagine-r2v traite ses images comme des références de style et de contenu, pas comme des images de départ, il n’animera donc pas simplement votre photo. Pour cela, les modèles d’image vers vidéo du catalogue conviennent mieux.
Voici le parcours sur Picasso IA, des références brutes jusqu’à un clip qui raccorde avec le précédent. Tout se passe dans le toolkit, rien à installer.
Le coût dépend du modèle, de la résolution et de la durée, faites donc d’abord le test court. La page des tarifs explique le fonctionnement des crédits, et les nouveaux comptes reçoivent des crédits gratuits pour démarrer.
La plupart des échecs de cohérence sont des échecs de référence. Une seule photo glamour donne au modèle un angle et un éclairage à copier, si bien que dès que le personnage se tourne ou que la lumière change, il improvise. Un meilleur jeu est volontairement ennuyeux : un portrait de face neutre, un trois quarts et une image en pied où la tenue est entièrement visible.
Si votre personnage n’existe pas encore, créez-le d’abord. Générez quelques images fixes d’un personnage fictif avec un modèle d’image, retenez les trois qui s’accordent entre elles et servez-vous-en comme références. Cette voie vous tient aussi à distance de la ressemblance avec une personne réelle, ce qui compte ici : utilisez des visages qui sont les vôtres, vos propres photos ou des personnages fictifs que vous avez inventés, jamais une personne réelle et identifiable qui n’a pas donné son accord.
Conseil : rendez les références cohérentes entre elles avant de demander à un modèle vidéo d’être cohérent avec elles. Si votre vue de face porte la barbe et pas celle de côté, le modèle fera la moyenne des deux et vous courrez après le résultat pendant une heure.
Gardez la tenue simple pendant que vous apprenez le flux. Les couleurs unies, un accessoire vedette et des silhouettes claires survivent bien mieux au mouvement que les petits motifs, les bijoux superposés ou le texte sur les vêtements. Vous pourrez toujours ajouter de la complexité quand le clip de base tiendra.
Une séquence, ce sont simplement plusieurs clips qui partagent un jeu de références. Préparez-la comme une liste de plans avant de générer quoi que ce soit : un plan large d’ouverture, un plan moyen du personnage en action, un gros plan de réaction. Générez chacun comme un clip à part avec les mêmes références, en ne changeant que les lignes de scène et de caméra du prompt.
Kling v3 Omni Video peut aller plus loin en une seule passe : son mode multi-plans accepte jusqu’à six scènes, chacune avec son propre prompt et sa durée, si bien que les coupes se font sans quitter le modèle. Wan 2.7 R2V propose aussi un réglage de plan multiple. Quand vous lancez les plans séparément, notez la formulation du prompt qui a marché, car une phraséologie constante pour le lieu et la lumière aide le personnage à raccorder avec ses voisins au montage.
Pour préparer la séquence elle-même, les storyboards IA et les courts métrages et bandes-annonces IA couvrent le côté liste de plans. Si vous préférez partir d’une seule photo, transformer des photos en vidéos est l’entrée la plus simple.
C’est une technique qui réduit la dérive, pas qui la supprime. Attendez-vous à générer plus que vous ne gardez et sachez où se concentrent les échecs :
Rien de cela ne justifie de renoncer au flux. Cela veut dire prévoir des plans que vos références peuvent soutenir, et n’utiliser une passe d’upscaling ou de retouche que pour la finition, pas pour sauver un visage qui a déjà changé.
En grande partie, oui, quand vous donnez au modèle des images de référence au lieu de seulement décrire la personne. Les modèles de référence vers vidéo ancrent le visage et la tenue sur vos images pendant que la scène change. C’est une forte réduction de la dérive, pas une garantie : vérifiez chaque clip et régénérez ceux où le visage a bougé.
C’est un mode de génération où vous importez des images (et, sur certains modèles, de courts clips vidéo) d’un personnage, d’un objet ou d’un style, puis écrivez un prompt pour la nouvelle scène. Les images portent l’apparence du sujet et le prompt porte ce qui se passe. Cela diffère de l’image vers vidéo, où votre image devient la première image du clip.
Parmi les quatre traités ici, Seedance 2.5 accepte jusqu’à 30 images, Kling v3 Omni Video et Grok Imagine R2V jusqu’à 7, et Wan 2.7 R2V prend des images ou de courts clips. Plus n’est pas automatiquement mieux, trois angles bien choisis battent souvent un tas de quasi-doublons, mais un plafond élevé aide quand tenue et accessoires doivent coller.
Commencez avec deux à quatre : une vue de face, une de trois quarts et une en pied. Ajoutez une vue de côté si le plan tourne la tête, et un gros plan de l’accessoire si un objet doit rester reconnaissable. Chaque image en plus doit montrer quelque chose de nouveau, sinon elle n’ajoute que du bruit que le modèle doit concilier.
Le plus souvent à cause de la distance, de la vitesse ou d’un angle que vos références n’ont jamais montré. Un petit visage dans un plan large, un tour rapide ou un profil sans référence de côté obligent le modèle à improviser. Essayez un cadrage plus serré, un mouvement plus lent, ou ajoutez une référence de l’angle manquant, puis faites un test court avant un long clip.
Seulement la vôtre, ou celle de quelqu’un qui a clairement donné son accord. N’utilisez pas le visage d’une personne réelle et identifiable sans son consentement, et ne présentez pas une ressemblance générée comme un véritable enregistrement de cette personne. Les personnages fictifs que vous avez inventés sont le choix le plus sûr pour les séries et le travail de marque.
Normalement non. Laissez les références définir le visage et consacrez le prompt à l’action, au décor, à la lumière et à la caméra. Redécrire les traits peut aller contre les images, par exemple demander des yeux bleus alors que votre référence les a marron. Décrivez seulement ce qui change d’un plan à l’autre.
Oui, de deux façons. Kling v3 Omni Video peut scénariser jusqu’à six scènes en une seule passe avec vos références jointes, et Wan 2.7 R2V a un réglage de plan multiple. Ou bien générez les clips un par un avec le même jeu de références et assemblez-les au montage, ce qui donne plus de contrôle sur chaque plan.
La cohérence du visage et celle de la voix sont deux problèmes distincts. Certains modèles, comme Seedance 2.5 et Kling v3 Omni Video, peuvent générer de l’audio avec la vidéo, mais une voix stable sur de nombreux clips n’est pas ce qu’une image de référence vous donne. Pour une série, prévoyez d’enregistrer ou de générer la narration à part et de la poser sur le montage.
La vidéo consomme plus de crédits que l’image, et le montant dépend du modèle, de la résolution et de la durée du clip, donc il n’existe pas de chiffre unique et honnête. Les tests courts en basse résolution sont la façon économique de vérifier un jeu de références avant le rendu final. Les nouveaux comptes reçoivent des crédits gratuits, et la page des tarifs donne les formules actuelles.
Prêt à tester un jeu de références ? Ouvrez le toolkit, joignez trois images de votre personnage et générez un clip de cinq secondes pour voir jusqu’où le visage tient.
Choisissez votre langue
