Comment transformer une photo en vidéo IA

L'image-vers-vidéo est la fonctionnalité la plus puissante de la vidéo IA : une bonne photographie en entrée, quelques secondes de vie crédible en sortie. C'est aussi là que la plupart des tentatives échouent, car les gens demandent un mouvement que la scène ne peut pas supporter. Un portrait n'a pas besoin que la caméra orbite — il a besoin qu'une oreille tressaille et que le bokeh d'arrière-plan respire. Ce guide couvre le choix d'une photo source qui s'anime proprement, la rédaction d'invites de mouvement qui appartiennent à la scène, et le maintien d'un sujet reconnaissablement identique.

L'exemple ci-dessous anime une seule photo de style personnel en un clip de quatre secondes. Le même pipeline fonctionne pour les portraits, les animaux de compagnie, les photos de produits et les paysages dans ManifoldGen.

Commencez avec une photo conçue pour le mouvement

Le modèle ne peut déplacer que ce qu'il peut segmenter, donc la qualité de la source décide plus que votre prompt :

• Sujet net — yeux, fourrure ou bords avec une mise au point précise. Le mouvement amplifie la douceur en bouillie.
• Séparation nette de l'arrière-plan — sujet clairement distinct de l'arrière-plan. Les scènes encombrées forcent le modèle à deviner où le chien se termine et le parc commence.
• Sujet unique — une personne ou un animal par image. Deux sujets échangent leur identité en milieu de clip ; les groupes sont une technique différente.
• Un certain mouvement déjà implicite — cheveux au vent, guirlandes lumineuses, eau. Le modèle prolonge bien mieux l'énergie existante qu'il n'en invente de nouvelle.
• Résolution décente — environ 1024px sur le côté le plus long. Mettez à l'échelle d'abord si ce n'est pas le cas ; l'animation ne peut pas récupérer des détails que la source n'a jamais eus.

Suggérez un mouvement qui appartient à la scène

PERSONAL PHOTO, GENTLE MOTION

INPUT

PROMPT

Gentle breeze moves the fur and the grass around the blanket, ears lift as the dog tilts its head slightly toward camera, string lights twinkle softly, background bokeh breathes, natural handheld micro-movement, subtle and lifelike.

OUTPUT — GENERATED WITH MANIFOLDGEN

· 4s

L'image source elle-même a été générée avec cette invite d'image : "Photo spontanée prise avec un smartphone d'un golden retriever assis sur une couverture de pique-nique dans un parc, langue sortie, arbres et guirlandes lumineuses bokeh derrière, soleil de fin d'après-midi, cadrage légèrement imparfait comme une photo personnelle." Remarquez que chaque clause de mouvement nomme quelque chose déjà présent dans l'image — fourrure, herbe, oreilles, lumières, bokeh. Rien ne demande à la scène de gagner un nouvel élément.

Lisez cette instruction comme une liste de contrôle des couches ambiantes : environnementale (brise sur la fourrure et l'herbe), expressive (inclinaison de la tête vers la caméra), atmosphérique (lumières scintillantes), optique (bokeh respirant) et caméra (micro-mouvement à la main). Une clause par couche, chacune liée à un élément visible. Cette structure explique pourquoi le résultat se lit comme un moment vivant plutôt que comme une transformation.

Maintenir une identité stable

La dérive d'identité — les visages qui se remodèlent, les marques qui migrent — est le mode d'échec que les gens remarquent en premier. Trois défenses :

• Gardez le mouvement subtil par défaut. Chaque unité de mouvement est une occasion de redessiner le sujet ; « légèrement », « doucement » et « subtil » sont des mots porteurs, pas des remplissages.
• Ne demandez jamais de changements de pose au-delà de petits mouvements. Les inclinaisons de tête, les clignements, les respirations, les transferts de poids fonctionnent. Se lever, se retourner, s'éloigner ne fonctionnent pas.
• Utilisez une faible intensité lorsque disponible. Une intensité d'image plus faible ancre la sortie plus près des pixels source au détriment d'un mouvement moindre — le bon compromis pour les visages et les animaux de compagnie.

Si la première génération dérive quand même, réduisez de moitié le nombre de clauses de mouvement avant de toucher à autre chose. Les instructions surchargées poussent le modèle à improviser.

Un squelette image-vers-vidéo réutilisable

[Environmental motion] moves [ambient elements],
[small expressive action] as [subject] [micro-gesture toward camera],
[atmospheric layer] softly, background [optical layer] breathes,
natural handheld micro-movement, subtle and lifelike.

Dépannage

• Le sujet fond ou change d'espèce — trop de mouvement demandé. Réduisez à deux clauses et ajoutez « subtil ».
• Le clip ressemble à un zoom statique — vous avez décrit la caméra mais pas la scène. Remplacez le langage de la caméra par des clauses de brise, de clignement et de lumière.
• De nouveaux objets apparaissent (chiens supplémentaires, feuilles flottantes) — votre instruction a introduit des éléments absents de la photo. Décrivez uniquement les choses visibles.
• Le mouvement commence fort puis se fige — la durée du clip dépasse l'énergie de l'instruction. Limitez-vous à 4 secondes ou ajoutez une clause ambiante soutenue comme « le vent continue régulièrement ».
• L'arrière-plan se déforme mal — augmentez l'intensité de l'image / diminuez l'intensité du mouvement afin que l'environnement reste fixe pendant que le sujet bouge.
• Le visage perd sa ressemblance après plusieurs tentatives — régénérez à partir du fichier original à chaque fois, et non à partir d'une image précédemment animée.

Choisissez trois photos de votre pellicule, exécutez-les via le squelette ci-dessus dans Studio, et gardez le clip qui mérite d'être revu — puis essayez la même source avec différents préréglages sous /tools/cinematic-cameras pour comparer les styles de mouvement.