Les modèles d’IA derrière chaque vidéo

Vue d’ensemble

Un modèle par poste

Aucun modèle ne fait tout : chacun a son poste.

Kie.ai, l’intermédiaire. Les images, les clips et les voix sont commandés via Kie.ai, une plateforme qui donne accès à ces modèles par une seule interface. Claude, lui, est appelé directement chez Anthropic. De ton côté, rien à ouvrir : ni compte, ni clé, un seul prix en crédits.

Écriture

Claude écrit, avant la moindre image

Tout part du texte. Tant que l’histoire n’est pas écrite et découpée, aucun autre modèle ne travaille.

• « J’ai une idée ». Claude écrit l’histoire et les répliques de chaque personnage, puis la découpe en scènes de 6 secondes.
• « J’ai mon script ». Il n’invente rien : il répartit ton texte en scènes, attribue chaque réplique au bon personnage et ne coupe que ce qui dépasse la durée.
• « Propose-moi 3 idées ». Il te soumet trois pistes ; tu cliques sur celle qui te plaît.
• Le casting. Si tu n’imposes aucun personnage, il en invente jusqu’à trois et les décrit. Le modèle d’image choisi dessine ensuite un portrait de référence pour chacun : 200 crédits en Nano Banana, 900 en Nano Banana Pro. Le devis en réserve trois ; ceux qui ne servent pas sont rendus.
• La mémoire d’une série. À partir du plan Pro, il garde la trace de ce qui s’est passé d’un épisode à l’autre.

Claude rédige aussi la description de chaque image et de chaque mouvement : c’est ce texte que lisent ensuite les modèles d’image et de vidéo.

Images

Nano Banana ou Nano Banana Pro

Tu le choisis toi-même, à l’étape « Modèle d’image » de l’assistant, avant de lancer la vidéo.

Les deux illustrations que montre l’assistant, chacune produite par le modèle qu’elle représente.

• Nano Banana : rapide et fidèle. Refaire une image coûte 200 crédits.
• Nano Banana Pro : plus de détails, de textures et de reflets, des visages encore plus stables. Refaire une image coûte 900 crédits.
• Les personnages en référence. Chaque image de scène reçoit le portrait de face des personnages présents. Le modèle ne se fie donc pas qu’à une description : il a leur visage sous les yeux.
• La fiche en quatre vues. Pour les personnages que tu crées toi-même : face, trois-quarts, corps entier, expressions, générée une fois par le même modèle, 800 crédits en Nano Banana, 3 600 en Nano Banana Pro.

Quatre personnages prêts de la bibliothèque. Comment ils gardent le même visage d’une scène à l’autre : le mécanisme en détail.

Animation

Grok Imagine anime, Veo 3.1 en option

Par défaut, les clips ne partent qu’après ton feu vert : tu valides d’abord toutes les images, puis tu lances l’animation. Seuls les épisodes de série mis en validation automatique sautent cette étape.

• Grok Imagine, par défaut. Il part de l’image validée et en fait un clip vertical de 6 secondes. C’est compris dans le prix de la scène.
• Veo 3.1 Fast, en option. L’interrupteur « Clips premium Veo 3.1 » apparaît à la validation des images, sur le plan Premium. Il s’applique à toutes les scènes et ajoute 4 000 crédits par scène, débités dès le lancement.
• Si un clip échoue. Il est retenté une fois. Au second échec, un zoom lent sur l’image prend sa place et la part du clip comprise dans le prix de la scène est remboursée : la vidéo sort quand même. Le supplément Veo 3.1, débité à la validation, ne l’est pas.
• Le son du clip. Les voix des personnages sont produites à part, par ElevenLabs. Le son d’origine du clip reste en fond, nettement plus bas.

Son

ElevenLabs pour les voix

Il n’y a pas de narrateur : les personnages se parlent entre eux, chacun avec sa voix.

• Une voix ElevenLabs par personnage, fixe d’une vidéo à l’autre, dans l’une des sept langues proposées.
• En français, les sept voix de base sont conçues sur mesure pour un rendu dessin animé, complétées par des voix françaises natives. Dans les autres langues, ce sont des voix natives, avec l’accent du pays, montées dans les aigus après la synthèse selon le profil du personnage.
• L’horodatage de chaque mot renvoyé par ElevenLabs sert à caler les sous-titres sur la voix.
• La musique se choisit à l’écran « Personnaliser » : aucune, pour poser le son TikTok dans l’application, ou ton propre morceau importé.

Le détail des voix, profil par profil : une voix par personnage, en français.

Sans IA

Ce qui n’est confié à aucun modèle

Une partie du travail n’a rien de génératif. Elle est faite par du calcul, et donne le même résultat à chaque fois.

• Le montage. Les clips sont assemblés dans l’ordre des scènes, avec de courts fondus, au format vertical.
• Les sous-titres. Ils sont construits à partir de l’horodatage des voix, gravés dans l’image au style choisi (sauf avec le style « Aucun »), et toujours livrés en fichier SRT. Comment ils sont calés.
• Le mixage. La voix passe devant ; la musique baisse automatiquement quand un personnage parle, puis le volume est normalisé.

Questions fréquentes