Prompts image to video : un squelette en cinq lignes qui tient face à n'importe quelle photo

Un prompt image to video n'est pas la description d'une scène. La scène est déjà à l'écran : la couleur du manteau, la lumière de la fenêtre, la forme du verre, le cadrage exact. Ce qu'une image fixe ne peut pas dire au modèle, c'est ce qui doit se passer ensuite, et c'est la seule chose qui mérite qu'on y consacre des mots.

La plupart des clips décevants viennent de prompts qui redécrivent la photographie au modèle. Dix adjectifs sur une femme en manteau rouge ne donnent rien à animer au générateur, qui fournit alors sa propre dérive, son propre zoom, son propre flottement lent. Les prompts qui tiennent sont plus courts et plus structurés : une ligne pour verrouiller le cadre, une pour nommer une seule action visible, une pour trancher sur la caméra, une pour fixer le rythme, et une pour lister ce qui ne doit pas changer.

Ce que l'image fixe a déjà décidé

Une photo source arrive avec la plus grande partie d'un prompt déjà renseignée. Le sujet est choisi, la lumière a une direction, la composition a un cadrage, et la palette est fixée. Le guide de prompts de Kling expose un cadre en six parties — sujet, action, scène, caméra, lumière, ambiance — et quand vous animez une image fixe, quatre de ces six parties sont déjà visibles dans le fichier. Seules l'action et la caméra sont réellement ouvertes, et l'ambiance est généralement suggérée par la lumière que vous ne pouvez de toute façon pas changer.

C'est pourquoi un prompt image to video doit être bien plus court qu'un prompt text to video. La bibliothèque de prompts de Founderz formule la même exigence dans l'autre sens : un bon prompt de vidéo IA nomme une action visible, le plan et le mouvement de caméra, la lumière, la durée, et ce qui ne doit pas changer. Sur une image fixe, la lumière est donnée. Les quatre autres sont à vous.

Traitez donc le prompt comme un budget de mouvement. Chaque phrase consacrée à redire l'image est une phrase que vous n'avez pas consacrée au changement, et le modèle comble ce vide avec du mouvement générique : un lent travelling avant que personne n'a demandé, un scintillement sur tout le cadre, un sujet qui se met à respirer alors qu'il devrait rester figé.

Le squelette en cinq lignes

Écrivez cinq lignes dans cet ordre. Ensemble, elles font environ quarante à soixante mots, ce qui est la bonne taille pour un clip de quelques secondes.

• Ancre. Verrouillez ce que le modèle n'a pas le droit de redessiner : « même cadrage, même objectif, même lumière que l'image source ». Sans ancre, le modèle traite la photo comme une suggestion et la recompose, et c'est de là que viennent les cadrages décalés et les horizons qui dérivent.
• Action. Un seul verbe visible attaché à un seul sujet : « elle tourne la tête de quelques degrés vers la fenêtre et s'arrête ». Une action, pas une séquence. Deux actions dans un même clip signifient généralement qu'aucune des deux n'aboutit.
• Caméra. Nommez un seul mouvement et son amplitude : « lent travelling avant, se terminant environ dix pour cent plus près, centré sur l'étiquette ». Si le plan n'a pas besoin de mouvement de caméra, dites-le explicitement — « caméra fixe » est une instruction valable et souvent meilleure.
• Rythme. Liez l'action au temps : « presque immobile pendant la première seconde, la rotation s'achève à la troisième, la dernière seconde tient ». Par défaut, les modèles étirent le mouvement sur tout le clip, ce qui se lit comme une dérive lente constante ; donner un calendrier à l'action rend le mouvement délibéré.
• Liste de gel. Les éléments qui ne doivent pas changer ou ne doivent pas apparaître : « l'étiquette reste face à la caméra et reste nette, aucune main n'entre dans le cadre, aucun nouvel objet, la bouche reste fermée ». Les attentes négatives ne fonctionnent que lorsqu'elles sont précises.

Lisez les cinq lignes dans l'ordre et vous avez un plan de tournage qui tient dans un message texte. Lisez-les dans le désordre, ou sautez-en une, et vous pouvez généralement prédire l'échec qui vous attend.

Quatre photos, un seul squelette

Le squelette est transposable parce qu'il ne mentionne jamais de sujet. Voici les mêmes cinq lignes remplies pour quatre types courants d'image source.

Un portrait pris à la fenêtre. Ancre : même cadrage, même lumière latérale douce. Action : elle tourne légèrement la tête vers la fenêtre et se stabilise. Caméra : fixe. Rythme : presque immobile pendant la première seconde, la rotation s'achève à la troisième, maintien jusqu'à la fin. Liste de gel : même ligne de cheveux et même ligne d'arrière-plan, bouche fermée, aucune main. La petite action est le but : une rotation de la tête de quelques degrés se lit comme vivante, alors qu'une rotation complète du corps laisse au modèle le temps d'inventer un second visage.

Un produit sur fond uni. Ancre : même composition centrée et même ombre sur la surface. Action : la bouteille pivote de quinze degrés au maximum pour que l'étiquette accroche la lumière. Caméra : travelling avant très lent. Rythme : la rotation démarre immédiatement, le travelling se poursuit régulièrement jusqu'à la dernière image. Liste de gel : le texte de l'étiquette reste net et lisible, aucun reflet ne balaie l'étiquette, aucune particule flottante. Les clips produit échouent d'abord sur le texte, donc la liste de gel fait ici l'essentiel du travail.

Un verre avec de la vapeur visible. Ancre : même verre, même bord de table, même contre-jour. Action : la vapeur s'élève en volutes et s'amincit ; la condensation reste en place. Caméra : fixe. Rythme : continu, sans adoucissement, mouvement régulier sur tout le clip. Liste de gel : pas de service, pas de nouveaux glaçons, pas de mouvement du liquide. Le mouvement ambiant est le plus facile à réussir parce que le sujet lui-même n'a pas besoin de changer — seulement l'air autour de lui.

Un intérieur ou un paysage. Ancre : même horizon et même cadrage. Action : le rideau bouge légèrement ; les feuilles au loin frémissent. Caméra : lent travelling latéral vers la droite. Rythme : vitesse constante de la première à la dernière image. Liste de gel : l'horizon reste droit, aucun nouveau meuble, aucune personne. C'est le seul cas où une caméra en mouvement mérite sa place, parce qu'un cadre avec premier plan, plan moyen et arrière-plan se sépare en couches à mesure que la caméra avance — l'effet qui donne du volume à une image plate.

Faire un seul choix de caméra, pas trois

La ligne caméra est l'endroit où les prompts vont souvent trop loin. L'analyse des mouvements de caméra cinématiques en IA de Getimg pose l'argument clairement : chacun des sept mouvements standard — travelling avant, recul révélant, travelling latéral, orbite, tilt révélateur, montée à la grue, suivi caméra à l'épaule — remplit une fonction précise, et choisir le bon compte plus que d'en empiler plusieurs. Leur diagnostic de l'échec courant est exact : le résultat obtient un zoom aléatoire, une dérive instable ou une caméra qui flotte sans direction, parce qu'aucune décision de caméra n'a été prise du tout.

Deux conséquences pratiques en découlent. D'abord, nommez la vitesse autant que le mouvement, car « travelling avant » seul peut arriver comme une ruée. Ensuite, vérifiez si le cadre source peut porter le mouvement que vous voulez. Un travelling latéral ou une orbite a besoin de profondeur à révéler ; sur un cadre plat où tout est sur un même plan, il n'y a rien à séparer, et le même mouvement se lit comme un glissement. Si votre photo est plate, choisissez un travelling avant et laissez l'action du sujet porter le clip.

Lire le clip par symptôme, puis corriger une seule ligne

Quand un clip rate, la tentation est de tout réécrire. Résistez-y. Presque chaque échec correspond à une seule ligne du squelette, et corriger cette ligne est une retouche de dix secondes.

• Tout le cadre dérive ou respire : la ligne d'ancre ou de caméra est vague. Ajoutez « caméra fixe, cadre verrouillé sur pied » et répétez le cadrage d'origine.
• Le visage change d'identité entre les images : trop de choses se passent en même temps. Figez la caméra et réduisez l'action à un seul petit mouvement.
• Tout bouge en même temps, y compris ce qui devrait rester immobile : la liste de gel est absente ou trop abstraite. Nommez les éléments qui restent en place.
• Cela ressemble à un zoom de diaporama sans vie : la ligne de rythme est absente, donc le mouvement est réparti uniformément. Donnez à l'action un début, une fin et un maintien.
• Un nouvel objet ou une paire de mains apparaît : la liste de gel a besoin d'un négatif ferme — « aucune main n'entre dans le cadre, aucun nouvel objet, aucun texte ajouté ».
• Le clip s'effondre à la fin ou boucle mal : la dernière seconde n'a jamais été écrite. Précisez à quoi ressemble l'image finale et coupez là.

Garder des segments courts et couper plutôt qu'étendre

La génération est courte par conception, et étendre un clip tend à accumuler de petites erreurs : le visage se détend, l'étiquette se déforme, l'arrière-plan gagne des détails qui n'ont jamais existé. Prévoyez une poignée de segments propres plutôt qu'un seul long plan. Écrivez les mêmes cinq lignes pour chaque segment, en ne changeant que l'action et l'amplitude de caméra, puis assemblez-les sur un temps fort du mouvement. Le résultat se lit comme une séquence plutôt que comme un plan unique qui se dégrade.

Où utiliser le squelette

Le générateur image to video Wan 2.6 de KOOX AI est construit exactement autour de cette séparation : vous fournissez l'image source, puis vous décrivez le mouvement, la direction de caméra et l'ambiance, et vous itérez jusqu'à ce que le clip corresponde à l'objectif. La page précise explicitement que l'image d'origine est là pour maintenir stables l'identité du sujet, le cadrage et la composition pendant que le mouvement est ajouté — ce qui correspond à la ligne d'ancre, imposée par l'outil plutôt que par votre formulation.

Si vous préférez partir d'une photo que vous avez déjà plutôt que de générer une nouvelle image, l'outil convertir une photo en vidéo suit la même structure en trois étapes et fonctionne mieux avec une image nette et bien éclairée et un sujet visible. Et si vous voulez aller plus loin dans le langage caméra qu'un seul mouvement, les cinq recettes de plans détaillent la mise en scène d'une courte séquence plutôt que d'un seul clip.

Une vérification préalable en soixante secondes

Avant de lancer la génération, relisez votre prompt et répondez à cinq questions. Le cadrage est-il verrouillé ? Y a-t-il exactement une action visible ? Y a-t-il exactement une décision de caméra, avec une vitesse ? Le mouvement est-il programmé dans le temps ? Y a-t-il une liste de ce qui ne doit pas changer ou apparaître ?

Cinq oui, et vous avez un prompt que vous pouvez diagnostiquer. Un non, et vous savez quelle ligne modifier avant de consacrer une nouvelle génération à ce clip. Le squelette n'est pas une formule pour trouver une bonne idée : c'est ce qui vous permet de dire, à partir du résultat, si le problème venait de votre idée ou de votre formulation.