Nous avons réalisé deux courts-métrages avec dialogues en utilisant un seul modèle vidéo

Nous avons réalisé deux courts-métrages complets avec dialogues — Ember, une tragédie magico-noire se déroulant dans une ville désertique, et Hollow Orbit, l'histoire d'un vaisseau d'exploration écrasé sur une planète bioluminescente en rotation synchrone — en utilisant uniquement notre modèle vidéo H3 sur notre propre pile GPU. Chaque film est composé de 8 plans × 5 secondes : 16 plans au total, et chaque plan est un seul prompt structuré. H3 n'a pas de mémoire entre les plans, donc la cohérence des personnages réside dans le prompt lui-même, et les dialogues sont générés par le modèle, avec la synchronisation labiale se produisant lors de la génération. Cet article présente l'ensemble du workflow : la technique d'identité, le format des dialogues, pourquoi la musique n'entre jamais dans le modèle, et le coût des rendus.

Deux films, seize prompts

Les deux films ont été planifiés d'abord comme des listes de plans, puis comme des prompts — un prompt par plan, rendu séquentiellement sur un seul worker GPU local. Ember est une tragédie magico-noire : une sorcière de rue vole une braise interdite pour sauver son frère mourant, le garde qui l'aime reçoit un coup mortel pour elle, et elle brûle sa propre étincelle pour le sauver, se dispersant en braises au lever du soleil. Conflit, amour, perte — quarante secondes de cela. Hollow Orbit échoue un vaisseau d'exploration sur une planète en rotation synchrone : le Chœur extraterrestre reconstruit leur moteur mais exige un esprit résident, la copilote Lena choisit de rester et devient le gouvernail, et la vallée fleurit dans la géométrie de son tatouage tandis que le vaisseau s'échappe.

[SHOT e1 — verbatim from the spec, opening truncated]
PHOTOREAL CINEMATIC FANTASY, anamorphic 2.39:1, warm ember palette against
cold indigo pre-dawn. IDENTITY LOCK: SERA, woman mid-20s, sun-bronzed olive
skin, black braided crown hair with loose windblown strands, amber eyes,
glowing copper sigil tattoos spiraling up both forearms, crimson open-backed
wrap top baring her shoulder blades, long charcoal skirt with a high slit...
SCENE: She stands on the ribbed clay rooftop of a teetering desert city at
first light, dealing a fan of tarot-sized cards whose faces smolder like
coals... AUDIO: dry wind over clay, distant bell-goat chimes, the soft hiss
of the burning card. No dialogue, no music, no subtitles, no logos.

[SHOT h1 — verbatim from the spec, opening truncated]
PHOTOREAL SCIENCE FICTION, anamorphic 2.39:1, awe-heavy establishing.
SCENE: the survey ship MERIDIAN LARK, a hundred-meter wedge, crashed nose-down
in a valley of glassy violet coral under a locked twilight sky; a banded gas
giant hangs fixed on the horizon; aurora curtains ripple green-violet...
ACTION 0-5s: two tiny suited figures descend the rope from the airlock onto
coral that glows faintly brighter around each of their footfalls, light
rippling outward like pond rings... No dialogue, no music, no subtitles.

Comment fonctionne la cohérence des personnages

Chaque génération H3 est indépendante : le plan 7 n'a aucune connaissance du plan 6. La cohérence est donc une discipline de prompt, pas une fonctionnalité du modèle. Chaque prompt de plan commence par le même bloc IDENTITY LOCK, collé textuellement, qui fixe tout ce qui concerne un personnage et qui ne doit jamais changer. Voici le verrou SERA tronqué de la spécification d'Ember :

IDENTITY LOCK, repeat every shot:
SERA, woman mid-20s, sun-bronzed olive skin, black braided crown hair with
loose windblown strands, amber eyes, glowing copper sigil tattoos spiraling
up both forearms, crimson open-backed wrap top baring her shoulder blades,
long charcoal skirt with a high slit, brass bangles, wrapped barefoot sandals.
KADE, city guard about 30, brown skin, close-cropped black hair, trimmed
stubble, a scar over his right brow, dented bronze scale armor over an
indigo tunic, crimson sash at the waist.
[... repeated verbatim at the top of all eight prompts ...]

Le verrou fixe le visage, les cheveux, la garde-robe, les bijoux, même la façon dont sa magie se manifeste — et il est collé dans les huit prompts d'Ember sans changer un mot. Le prompt de plan en dessous ne change que ce qui doit changer : lieu, action, caméra, lumière, son. La dérive commence dès que vous reformulez le verrou ; une "couronne tressée noire" qui devient des "vagues de plage lâches" au plan 6 est un personnage différent.

Un dialogue qui se synchronise réellement avec les lèvres

Les lignes sont écrites dans le prompt du plan avec leur formulation exacte, et H3 les exécute — la synchronisation labiale se produit pendant la génération, et non en post-production. Deux règles maintiennent chaque plan de dialogue ensemble : nommer l'orateur et marquer les mots comme fixes. La dernière réplique d'Ember au garde, alors qu'elle brûle son étincelle à l'aube :

[SHOT e8 — sacrifice finale, sunrise]
ACTION AND DIALOGUE: 0-2.5s she presses the guttering EMBER into his chest;
its light floods his wound; her own sigils stream out like molten thread into
him. SERA, a whisper, smiling: "Live brighter." 2.5-4s: his eyes open, gasp;
hers go softly dark as her body loosens into drifting embers and ash-light.

Et le moment de décision de Hollow Orbit, une fois que le Chœur a reconstruit le moteur et fixé son prix :

[SHOT h6 — cockpit conflict]
ACTION AND DIALOGUE: 0-1.5s IVAR slams the console. IVAR, raw: "We fly OUT."
1.5-3.5s LENA, steady, terrified, lip-synced: "Only a mind can hold the helm
it's offering. A machine can't carry it." 3.5-5s: hold on the two-shot, storm
light flaring between them, neither blinking.

Les deux lignes sont courtes à dessein : un gros plan, une seule clause, les mots exacts entre guillemets, et une ligne Audio: ne contenant que la voix et le son diégétique. L'instruction "pas de partition" n'est pas une décoration — c'est ce qui rend la section suivante possible.

La musique reste en dehors du modèle

H3 rend le dialogue, l'ambiance et les effets lors de la génération, ce qui signifie qu'une partition intégrée dans la même passe se heurterait à la piste de dialogue à l'intérieur de l'audio du modèle. Nous gardons la musique entièrement à l'extérieur et la traitons comme un problème de mixage.

Coût de l'exécution

La même pile est ouverte dans le studio : dirigez les plans vers /studio, scorez-les avec le générateur à /tools/music-generator, et gardez chaque actif consultable sur ce site. Écrivez un IDENTITY LOCK, collez-le textuellement dans chaque invite, mettez les mots exacts prononcés entre guillemets, et gardez la musique hors du modèle — c'est toute la méthode derrière les deux films.