Quand le texte-vers-vidéo surpasse la photo-vers-vidéo
Le texte-vers-vidéo est destiné aux scènes qui n'existent pas encore : un stade au crépuscule, un terrain d'entraînement, une marche dans le tunnel, une foule qui réagit. Il n'y a pas de visage à préserver, donc le modèle peut consacrer toute son attention au lieu et à la caméra.
Si le plan nécessite une personne spécifique, utilisez plutôt la photo-vers-vidéo. Un prompt textuel seul ne peut pas reproduire de manière fiable un vrai visage, et un visage généré n'est pas la personne que vous vouliez.
Écrivez le plan comme un plan
Le prompt fonctionne mieux lorsqu'il nomme le lieu, le sujet, l'action et la caméra. Un adjectif d'ambiance est facultatif ; une instruction de caméra ne l'est pas. « Cinématique » ne dit presque rien au modèle ; « la caméra suit le joueur par derrière à hauteur d'épaule » lui dit où se placer.
- Lieu : un stade éclairé, un tunnel, un terrain d'entraînement détrempé.
- Sujet : un joueur, une foule, un but vide, un ballon sur le point de penalty.
- Action : sort, frappe le ballon, se tourne vers la caméra.
- Caméra : suit par derrière, plan large statique, zoom avant lent, angle bas.
- Lumière : projecteurs, crépuscule, brume ambrée, tunnel bleu froid.
Gardez la scène suffisamment petite pour le rendu
Un clip de douze secondes n'est pas un court-métrage. Un seul lieu, un seul sujet et un seul mouvement de caméra est la forme fiable. Si vous avez besoin d'une coupe, rendez deux clips et joignez-les dans un éditeur ; le modèle n'est pas une timeline.
Les foules sont le point de défaillance habituel. Une centaine de visages en arrière-plan peuvent se transformer en bouillie. Décrivez la foule comme une atmosphère — lumières clignotantes, brume, un mur de son — plutôt que comme des individus.
Coût et itération
Un rendu 480p · 12 secondes coûte 5 crédits, 720p coûte 10, et 1080p coûte 30. Les clips plus courts coûtent moins cher. Un rendu échoué est remboursé automatiquement, donc un prompt rejeté ne vous coûte pas le rendu.
Itérez en 480p. Une fois que la composition fonctionne, relancez le prompt gagnant en 720p ou 1080p. C'est moins cher que de découvrir un problème de cadrage à la plus haute résolution.
Recette d'invite
A packed football stadium at night, floodlight haze, a lone player walks out of the tunnel onto the pitch, camera tracks behind them at shoulder height, drums and crowd noise, cinematic colour grade, no text.Ceci est l'invite anglaise exacte que le modèle reçoit. Modifiez-la dans le studio ci-dessus ; le coût en crédits dépend de la résolution et de la durée, pas de l'invite.
Questions, réponses
Ai-je besoin d'une photo pour le texte vers vidéo ?
Non. Passez le studio en mode texte et décrivez la scène. Une photo n'est nécessaire que si vous voulez le visage d'une personne spécifique dans le clip.
Puis-je générer une personne réelle à partir de texte ?
Non. Le modèle génère un visage original. Pour conserver la ressemblance d'une personne réelle, téléchargez sa photo et utilisez le mode photo ; utilisez uniquement les photos dont vous avez le droit d'utiliser.
Quelle peut être la durée du clip ?
Choisissez 4, 8 ou 12 secondes. Le modèle rend un plan continu ; il ne coupe pas entre les scènes.
Puis-je ajouter de l'audio ?
Le studio rend des MP4 silencieux. Ajoutez de la musique ou des commentaires dans un éditeur après le téléchargement.
Que faire si la foule semble incorrecte ?
Décrivez la foule comme une atmosphère plutôt que comme des individus, et gardez la caméra plus serrée sur le sujet. Cent visages générés est un plan difficile pour n'importe quel modèle.
