Exemples de prompts photo vers vidéo en IA : cinq photos fixes, cinq lignes de mouvement

Cinq exemples de prompts photo vers vidéo en IA pour des portraits, des produits, des paysages, des scènes de rue et des animaux, plus les règles pour les adapter et les alléger.

Exemples de prompts photo vers vidéo en IA : cinq photos fixes, cinq lignes de mouvement

Une photographie fixe indique déjà au modèle à quoi ressemble la scène. La couleur, le cadrage, l'objectif, l'éclairage, les vêtements et la forme exacte du sujet sont fixés par le fichier que vous téléversez. Ce que le fichier ne dit pas, c'est ce qui doit se passer ensuite. C'est dans cet écart qu'un prompt photo vers vidéo en IA gagne son utilité : il ne décrit pas à nouveau l'image, il nomme les parties de l'image qui bougent, dans quelle direction, à quelle vitesse, et celles qui ne doivent pas changer du tout.

Les cinq exemples ci-dessous suivent cette règle. Chacun est un prompt complet pour un type courant de photo fixe, suivi de la raison pour laquelle il est rédigé ainsi et des éléments à modifier lorsque votre propre photo diffère. Ils sont volontairement courts. Un prompt pour un clip de cinq secondes a de la place pour deux ou trois décisions, et les clips qui semblent cassés ont généralement essayé d'en faire cinq.

L'image est l'ancrage, donc le prompt décrit le changement

Les modèles image vers vidéo sont conditionnés par l'image que vous fournissez, donc le téléversement décide déjà du sujet, du décor et du style. Le guide d'Alibaba consacré à ses modèles vidéo le dit clairement : en texte vers vidéo, vous décrivez l'entité, la scène et le mouvement, mais en image vers vidéo, l'image définit les trois et le prompt doit se concentrer sur le mouvement et les mouvements de caméra. Le guide de prompts de Kling formule le même point en termes de flux de travail : avec une image fixe comme point de départ, l'image apporte la base visuelle tandis que le prompt décrit le mouvement, la direction de la caméra et ce qui change au fil du temps.

Cela a une conséquence pratique. Les mots d'apparence dans un prompt image vers vidéo sont soit ignorés, soit contredits. Un prompt de paysage qui dit « heure dorée » sur une photo prise à midi invite le modèle à repeindre le ciel dès la première image, ce qui se lit comme un défaut plutôt que comme un choix créatif. Le contenu fiable, ce sont les verbes : cligner, dériver, tourner, se poser, traverser, se resserrer.

Deux lignes et une contrainte

Presque tous les prompts qui fonctionnent sur une photo fixe peuvent être construits à partir de deux lignes et d'une consigne finale.

La première ligne est le mouvement : ce qui bouge, dans quelle direction, à quelle amplitude. Nommez une action du sujet et au plus une action de l'arrière-plan. La deuxième ligne est la caméra : avancer, reculer, glisser, orbiter ou rester fixe. Dites « caméra fixe » explicitement quand vous ne voulez rien qui bouge, car la plupart des modèles interprètent le silence sur ce point comme la permission d'inventer une lente dérive.

Ajoutez ensuite la contrainte : le détail unique pour la perte duquel vous rejetteriez le clip. L'exemple du flacon de parfum de Kling associe une rotation lente et un travelling macro à l'instruction de garder l'étiquette nette et inchangée. Cette contrainte fait plus de travail que n'importe quel adjectif de style, parce qu'elle indique au modèle quelle partie du cadre n'est pas négociable.

Les mots d'amplitude pèsent réellement dans un prompt court. Dans les recommandations de mouvement d'Alibaba, la vitesse et l'intensité sont définies explicitement, avec des mots comme « lentement » ou « rapidement » et des expressions comme « se balançant violemment ». Les petits mots modifient beaucoup le résultat, alors réservez-les au seul mouvement qui compte.

Exemple 1 : un portrait où le visage doit tenir

Caméra fixe. La femme cligne des yeux une fois et expire, les épaules s'affaissant légèrement. Des mèches de cheveux à sa tempe bougent dans un léger courant d'air. Ses yeux restent fixés sur l'objectif et son expression ne change pas. Gardez le visage inchangé.

Pourquoi ça fonctionne. La dérive d'identité est le mode de défaillance des visages, alors le prompt dépense son budget sur une toute petite action et un mouvement d'arrière-plan, puis se termine par une immobilisation explicite. Il n'y a aucun mouvement de caméra : sur cette durée de clip, un travelling avant sur un visage a tendance à étirer les traits avant même que l'action ne se produise.

Comment l'adapter. Changez l'action, pas le nombre. Un homme en veste aura un seul tour de tête ; une personne assise aura une main qui se déplace vers l'accoudoir. Gardez la clause « l'expression ne change pas » tant que le plan est censé rester un portrait.

Exemple 2 : un produit sur une surface unie

La caméra avance lentement depuis un angle élevé de trois quarts. Le flacon pivote d'un quart de tour vers la droite. Le bord de son ombre se déplace sur la surface pendant qu'il tourne. L'étiquette reste nette et inchangée. Pas de mains, pas d'objets supplémentaires.

Pourquoi ça fonctionne. Un quart de tour suffit à montrer que l'objet est en trois dimensions sans masquer sa face avant. La phrase sur l'ombre donne au mouvement de quoi agir, ce qui garde le mouvement lisible. La liste négative ne compte que deux éléments, soit à peu près autant qu'un prompt court en respectera.

Comment l'adapter. Faites correspondre la rotation à la lisibilité. Si l'étiquette doit être lisible dans la dernière image, réduisez la rotation à un huitième de tour ou remplacez-la par un léger balayage de lumière. Pour les produits souples, remplacez la rotation par un seul pli ou un affaissement.

Une nature morte en studio d'un flacon en verre, avec une flèche en laiton posée à côté pointant le long de la surface

Exemple 3 : un paysage avec un mouvement ambiant lent

Caméra fixe. Les nuages dérivent lentement de gauche à droite. L'herbe au premier plan bouge un peu dans le vent. L'horizon reste droit et la lumière ne change pas.

Pourquoi ça fonctionne. Les paysages échouent par sur-animation : chaque arbre, oiseau et nuage a sa propre idée du mouvement et le cadre devient du bruit. Ce prompt autorise deux mouvements, donne une direction à chacun, puis ferme la porte de l'éclairage, ce qui empêche le modèle de dériver vers un coucher de soleil inventé.

Comment l'adapter. Choisissez le mouvement que suggère la photo. L'eau reçoit une ondulation et un décalage de reflet ; une forêt reçoit un mouvement de canopée et une feuille qui tombe ; un désert reçoit une brume de chaleur et une lente avancée d'ombre. Gardez la ligne « la lumière ne change pas », sauf si la lumière est le sujet du plan.

Exemple 4 : une rue ou un marché avec du passage en arrière-plan

La caméra reste fixe. Des piétons traversent de droite à gauche à une allure de marche normale, légèrement flous. Un scooter passe derrière eux une fois. La façade du bâtiment et l'enseigne restent nettes et inchangées.

Pourquoi ça fonctionne. Les foules sont l'endroit où les modèles image vers vidéo produisent les artefacts les plus visibles, parce que chaque silhouette devient candidate à une nouvelle pose. Nommer une direction pour la foule et un seul passage pour un véhicule garde le mouvement cohérent, et garder l'architecture immobile donne à l'œil un repère stable pour mesurer le mouvement.

Comment l'adapter. Réduisez le nombre de silhouettes avant d'augmenter le détail. Deux piétons qui traversent dans une seule direction se liront mieux que six dans trois directions. Si la photo n'a pas de sujet clair, ajoutez un petit élément fixe, comme un lampadaire ou une porte, et protégez-le avec la ligne de contrainte.

Exemple 5 : un animal de compagnie en gros plan

Caméra fixe, gros plan. Les oreilles du chien se dressent et sa tête s'incline de quelques degrés vers la gauche. Sa langue bouge une fois. Le motif du pelage et la couleur des yeux restent inchangés. Aucun changement d'éclairage.

Pourquoi ça fonctionne. Les plans d'animaux invitent le modèle à inventer de l'anatomie : des doigts en trop, une seconde langue, un museau qui s'allonge en cours de clip. Une immobilisation nommée sur le motif du pelage et la couleur des yeux donne au modèle une raison de garder la surface cohérente, et une petite inclinaison de la tête suffit à donner vie.

Comment l'adapter. Adaptez l'action à la masse de l'animal. Un chat reçoit un frémissement d'oreille et un bout de queue ; un cheval reçoit une dilatation de narine et un pas. Évitez les actions de tout le corps dans un cadrage serré, car le cadre n'a pas la place de les montrer s'achever.

Adapter n'importe quel schéma à votre propre photo

Trois substitutions couvrent la plupart des cas. Premièrement, changez l'action du sujet pour quelque chose que la pose de la photo soutient déjà : une silhouette appuyée sur une rambarde doit déplacer son poids, pas s'éloigner. Deuxièmement, choisissez le mouvement de caméra à partir du cadrage : un plan large avec une forte ligne de fuite accepte un glissement, tandis qu'un cadrage serré sans marge doit rester fixe. Troisièmement, réécrivez la contrainte comme la chose que vous rejetteriez réellement : une étiquette floue, une couleur d'yeux changée, un horizon penché.

La durée du clip fixe le plafond de tout cela. De nombreux systèmes image vers vidéo produisent des clips très courts par conception ; la documentation de Stable Video Diffusion, par exemple, décrit une sortie de deux à quatre secondes conditionnée par une seule image d'entrée. Deux actions scénarisées sur quatre secondes vont se gêner, alors comptez les actions par rapport au temps avant d'ajouter du détail.

Une loupe posée sur trois cadres imprimés, dont un seul cadre est net

Ce qu'il faut omettre dans un prompt photo vers vidéo en IA

  • Redécrire la scène. Le modèle voit la photo ; une seconde description entre en concurrence avec elle.
  • Les adjectifs de style. Le style est arrivé avec le fichier. Si la photo est déjà chaude et granuleuse, le dire n'ajoute rien et demander autre chose combat l'ancrage.
  • Deux mouvements de caméra. Choisissez-en un et terminez-le.
  • Les longues listes négatives. Deux ou trois exclusions sont respectées ; dix deviennent du bruit.
  • Les instructions d'audio et de dialogue pour un modèle silencieux. Gardez-les pour un modèle qui prend le son en entrée.

Vérifiez le clip avant de réécrire le prompt

Examinez trois choses dans l'ordre. D'abord la géométrie : l'étiquette est-elle toujours l'étiquette, le visage est-il toujours le même visage, l'horizon est-il toujours droit. Ensuite le timing : l'action s'est-elle achevée, ou a-t-elle été coupée en plein milieu. Puis le changement indésirable : la lumière a-t-elle bougé, un objet est-il apparu, l'arrière-plan a-t-il fait pousser une seconde foule.

Modifiez ensuite une ligne à la fois, pour que le clip suivant vous dise quelle ligne était fautive. Si l'action ne s'est pas produite du tout, la correction est généralement une soustraction : raccourcissez le prompt et placez le verbe de mouvement dans la première proposition, avant tout détail de scène qui aurait survécu. Si l'action s'est produite mais a dépassé la mesure, gardez la phrase et adoucissez le mot d'amplitude.

Vous pouvez appliquer ces schémas à vos propres photos fixes avec l'outil photo vers vidéo en IA de KOOX, et si vous voulez un ensemble plus large de recettes de mouvement pour un seul portrait, le guide des six mouvements couvre la couche suivante de choix.

Informations sur l'article

Publié le
Exemples de prompts photo vers vidéo en IA : cinq photos fixes, cinq lignes de mouvement