Guide Prompt Vidéo IA : Structure, Réglages Caméra et Différences Modèles

La formule de prompt en 5 parties qui fonctionne sur tous les modèles

Rédigez chaque prompt dans cet ordre : Sujet + Action + Caméra + Lumière/Ambiance + Style/Technique. Cette structure reflète la façon dont les modèles de diffusion et transformateurs vidéo analysent les tokens, réduisant les membres hallucinés et le scintillement temporel. Exemple : "Plan rapproché cinématographique, horloger âgé assemblant un micro-engrenage, lent travelling avant sur objectif macro, lumière clé tungstène chaude, faible profondeur de champ, 8k, 24 ips."

Sujet et Action : Soyez précis sur le mouvement

Les verbes vagues comme "bouger" ou "marcher" produisent des pieds qui glissent. Utilisez des descripteurs de mouvement précis :

• Relatifs à la caméra : travelling avant/arrière, travelling latéral gauche/droite, grue haut/bas, orbite, dolly zoom.
• Relatifs au sujet : "tourne la tête de 15° à gauche", "lève la main droite vers le menton", "tissu ondulant dans le vent traversier."
• Indices physiques : "cheveux se replaçant après rotation", "éclaboussures d'eau montant puis retombant", "ombre raccourcissant au lever du soleil."

Runway Gen-3 Alpha réagit mieux quand le mouvement est décrit dans les 12 premiers tokens ; Kling 1.6 préfère les tags de mouvement à la fin. Testez les deux positions.

Langage Caméra : Traduire la cinématographie en tokens

Les modèles entraînés sur des banques d'images comprennent la syntaxe caméra standard. Incluez ces quatre éléments à chaque fois :

1. Type de plan : très gros plan, gros plan, plan moyen, plan large, très large, POV, champ-contrechamp.
2. Objectif/focale : 14mm (déformation grand angle), 24mm (environnement), 35mm (naturel), 50mm (standard), 85mm (compression portrait), 200mm (aplatissement téléobjectif).
3. Ouverture/profondeur : f/1.8 (peu profonde), f/2.8 (séparation sujet), f/5.6 (contexte), f/11 (grande profondeur).
4. Mouvement : statique, tremble main, gimbal fluide, grue haute, slider latéral, plongée FPV.

Exemple : "Plan moyen, objectif 35mm, f/2.8, lent travelling latéral droit au gimbal suivant le sujet."

Lumière et Ambiance : Contrôler l'ambiance sans post-production

Les tokens d'éclairage orientent l'espace latent vers une exposition cohérente. Précisez :

• Source : soleil heure dorée, ciel couvert, enseigne néon, lampe pratique, panneau LED bicolore, bougie.
• Qualité : dure (ombres nettes), douce (enveloppante), diffusée (soie), tamisée (à travers feuillage).
• Direction : clé 45° caméra-droite, contre-jour rim, éclairage par le bas (horreur), zénithal (interrogatoire).
• Température couleur : 2700K chaud, 5600K jour, 6500K froid, mixte (néon cyan/orange).

Les tokens d'ambiance comme "brouillard volumétrique", "poussières dans le faisceau" ou "mirage de chaleur" ajoutent de la profondeur mais augmentent le temps de calcul d'environ 15 % sur Sora.

Comparaison des modèles : Où chacun excelle

Prompting négatif et réglage des paramètres

La plupart des interfaces exposent l'échelle CFG (guidage) et le motion bucket (intensité du mouvement). Débutez ici :

• CFG 7–9 : Équilibre adhérence/créativité. Au-dessus de 10 : hautes lumières brûlées ; en-dessous de 5 : prompt ignoré.
• Motion bucket 40–60 (Gen-3) / 0,3–0,5 (Kling) : Mouvement naturel. Valeurs plus hautes créent du warp ; plus basses figent le sujet.
• Prompt négatif par défaut : "flou, basse qualité, anatomie déformée, membres en trop, filigrane, texte, titre, générique, statique, figé, gigue, scintillement, morphing, mauvaise composition, sur-saturé."

Pour Sora, utilisez le menu déroulant preset de style (cinématographique, documentaire, anime, etc.) au lieu de bourrer le prompt de tokens de style.

Image-vidéo : Ancrer la cohérence

Avec l'I2V (Runway, Luma, Kling, Pika), l'image fournit 70 % du signal. Votre prompt ne doit décrire que ce qui change :

1. Importez une image de référence (16:9, 1280x720 minimum).
2. Promptez seulement le delta : "Caméra orbite gauche 30°, sujet sourit, vent soulève cheveux."
3. Baissez le motion bucket (20–30) pour empêcher le modèle de "réimaginer" les éléments statiques.
4. Générez 4–6 variations, choisissez la plus propre, puis étendez par segments de 4 secondes.

Modes d'échec courants et correctifs

• Mains qui morphent : Ajoutez "mains posées sur table", "tenant tasse café", ou "portant gants" pour contraindre la géométrie.
• Pieds qui glissent : Précisez "transfert poids pied gauche vers droit", "attaque talon puis décollage orteil."
• Textures qui scintillent : Ajoutez "cohérence temporelle", "texture stable", ou réduisez CFG de 1.
• Mauvais ratio d'aspect : Préfixez avec "16:9 cinématographique", "9:16 vertical", "1:1 carré."
• Mouvement caméra ignoré : Déplacez les tokens caméra au tout début (Gen-3) ou à la toute fin (Kling) du prompt.

Flux de travail : De l'idée au clip exploitable en 5 minutes

1. Rédigez le prompt 5 parties dans un éditeur de texte.
2. Générez 3 seeds en basse résolution (512x288) pour vérifier la composition.
3. Choisissez le meilleur seed, upscalez en 1080p avec motion bucket +10.
4. Si >10 sec nécessaire, utilisez la dernière frame comme entrée I2V pour le segment suivant.
5. Étalonnage couleur par lot dans DaVinci Resolve : appliquez la même LUT à tous les clips pour cohérence visuelle.

FAQ

Combien de mots doit faire un prompt ?

40–80 tokens (environ 30–60 mots anglais). Prompts plus longs diluent l'attention ; plus courts sous-spécifient.

Faut-il mentionner "4k" ou "8k" ?

Oui pour Sora et Kling ; ils ont des têtes de résolution. Runway Gen-3 ignore les tokens de résolution – sortie fixe à 1280x768.

Puis-je utiliser des prompts chinois avec Kling ?

Kling 1.6 comprend le chinois nativement et produit souvent un mouvement plus précis pour sujets asiatiques avec prompts chinois. L'anglais fonctionne mais peut manquer de nuance culturelle.

Pourquoi le motif de la chemise de mon personnage change-t-il en cours de clip ?

La tenue de texture nécessite l'attention temporelle. Ajoutez "texture vêtement cohérente", baissez le motion bucket, ou utilisez l'I2V avec une frame de référence verrouillée.