Texte vs image vs référence : comment choisir la bonne entrée pour votre dessin animé

C'est presque toujours vers la cinquième ou sixième génération qu'arrive le moment où l'on cesse de se demander « pourquoi c'est différent ? » pour se demander « pourquoi c'est différent à chaque fois ? ». C'est le moment d'arrêter d'allonger le prompt et de changer de mode d'entrée.

Un créateur de dessins animés actuel vous laisse partir de plusieurs types de matériel, et chacun vous donne une dose de contrôle différente en échange d'une dose de liberté différente. Choisir le bon améliore généralement la qualité davantage que de peaufiner n'importe quel prompt.

Les quatre modes en un coup d'œil

Texte en vidéo : liberté maximale, contrôle minimal

Vous décrivez une scène et le modèle invente tout. C'est le mode de la phase d'essai — vous ne savez pas encore à quoi la vidéo doit ressembler et vous voulez voir des options.

Utilisez-le quand : vous n'avez pas d'illustrations, vous testez une idée, vous voulez quelque chose de différent à chaque fois, ou le personnage n'a pas besoin de revenir.

Sa vraie faiblesse est la dérive d'identité. Seuls vos mots décident de l'apparence du personnage, donc le même prompt deux fois donne deux personnages différents. Les traits physiques fixes (« un œil bleu et un œil vert, l'épaule gauche cabossée ») aident, mais ce sont des repères, pas une garantie.

Conseil pratique : le texte en vidéo est aussi le seul mode où l'on choisit librement le format. Si vous ajoutez une image ou une vidéo source, le modèle reprend la forme de ce fichier.

Image en vidéo : la première image est à vous

Vous importez une image, et le modèle la traite comme première image et anime à partir de là. Ce qu'on voit sur cette image — design du personnage, palette, composition, lumière — est fixé au départ et tend à se maintenir.

Utilisez-le quand : vous avez déjà un design de personnage, un logo, une photo de produit, un concept art ou un dessin d'enfant à animer. Aussi quand une génération à partir de texte trouve l'idée mais pas le style. Faites une image fixe qui vous plaît, et animez-la.

Le rôle du prompt change ici complètement. Vous n'avez plus à décrire l'apparence. L'image l'a déjà fait. Ce que vous décrivez, c'est ce qui se passe. « La renarde tourne la tête vers la fenêtre et remue une oreille » est un bon prompt d'image en vidéo. « Une renarde de dessin animé dans une forêt » est un prompt gaspillé, car il ne fait que décrire l'image déjà fournie.

Contrainte à connaître : le résultat reprend le format de l'image. S'il vous faut une vidéo verticale 9:16, recadrez l'image source en 9:16 avant de l'importer. Dans ce mode, on ne peut pas changer le format.

Première et dernière image : vous décidez de la destination

Vous fournissez deux images — l'une en première, l'autre en dernière —, et le modèle anime un mouvement naturel entre les deux. C'est le mode le moins utilisé, et il règle le problème le plus agaçant de la vidéo générée : la fin.

Dans une génération normale, on choisit le début, mais pas la fin. Pour tout ce qui doit finir sur quelque chose de précis, c'est une vraie contrainte. La première et dernière image la renverse.

Utilisez-le pour :

• Les animations de logo. Partez du chaos et finissez sur le logo exactement comme dans votre charte graphique.
• Les transformations. De la chenille au papillon, du bureau en désordre au bureau rangé, de l'esquisse à l'œuvre finie. Le modèle résout le milieu difficile, vous décidez des extrémités.
• L'avant-après. Des démos de produit où le résultat doit être exact, pas imaginé.
• Les boucles. Utilisez la même image au début et à la fin et vous obtenez un clip qui revient au départ. Parfait pour des fonds en boucle et des publications répétées.

Contraintes : le format est repris de l'image de début, et les deux images ont besoin d'un lien naturel. Si vous demandez de passer en 30 secondes d'une forêt à l'aquarelle à un vaisseau en pixel art, le résultat sera incohérent. Le modèle interpole ; il ne téléporte pas.

Référence en vidéo : la même identité dans de nombreuses scènes

Au lieu d'une image, vous fournissez un ensemble de références — un personnage sous plusieurs angles, des objets, des lieux —, et le modèle les emmène dans de nouveaux plans qu'aucune référence ne montre.

C'est la différence entre faire une vidéo et faire une série. Avec des références, un personnage reconnaissable de l'épisode 1 peut apparaître dans l'épisode 4, dans un lieu jamais filmé, en train de faire quelque chose de jamais dessiné.

Utilisez-le quand : la cohérence est ce qui compte — marques à mascotte, distribution récurrente, ensemble de publicités qui doivent se ressembler.

Comment préparer de bonnes références :

• Montrez le personnage grand et net, de préférence sur un fond uni.
• Deux ou trois angles valent mieux qu'un. Avec une vue de face et une à 45 degrés, presque toute ambiguïté sur le visage disparaît.
• Une lumière neutre. Une forte lumière colorée sur la référence est lue comme faisant partie de la palette du personnage.
• Dans le prompt, appelez-le par un nom court et toujours identique — « le chat mascotte orange » —, pour que les mots et les images s'accordent sur de qui il s'agit.

Vous pouvez fournir plusieurs références en une génération, donc pas besoin de choisir entre personnage, costume, objets ou environnement : vous les donnez ensemble.

La démarche de décision

En pratique, la plupart des gens ont intérêt à avancer dans cet ordre.

1. Commencez par le texte. Faites 3 ou 4 générations rapides pour trouver le concept et le style qui marchent. C'est de l'exploration, donc ne peaufinez pas encore.
2. Quand c'est presque bon, extrayez une image. Prenez une image fixe qui vous plaît dans cette génération, passez en image en vidéo et utilisez-la comme première image. Le rendu est alors fixé.
3. Si la fin compte, ajoutez la dernière image. Surtout pour ce qui finit sur un logo, un produit ou une pose finale.
4. Si vous avez besoin de plus d'une vidéo, réunissez des références. Dès que vous avez un personnage à garder, rassemblez 2 ou 3 images fixes nettes et passez en mode référence à partir de là.

L'erreur que fait presque tout le monde, c'est de faire le travail de l'étape 4 avec l'outil de l'étape 1. Vouloir fixer avec des prompts textuels de plus en plus détaillés un personnage que seule une image peut fixer. Le texte décrit ; l'image précise. Prenez le bon.

Et si vous voulez une histoire longue de plusieurs minutes, inutile d'assembler tout cela à la main. Choisissez la durée dans le studio, et toute l'histoire est planifiée du début à la fin avec la même distribution.

Ce qu'aucun mode ne règle

Deux limites restent quel que soit le mode d'entrée, et mieux vaut les connaître avant de bâtir un projet autour. Le texte rendu à l'image — panneaux, étiquettes, sous-titres — n'est fiable dans aucun modèle actuel. Ajoutez-le ensuite dans un éditeur. Et on ne peut pas encore demander une synchronisation exacte, à l'image près, avec une narration préenregistrée. Si le clip doit tomber sur un temps fort à 00:14, prévoyez d'ajuster le son à l'image, pas l'image au son.

Tout le reste dépend du choix du bon matériel de départ. Essayez la même idée dans deux modes dans le créateur de dessins animés. Une génération de chaque suffit à rendre la différence de contrôle évidente.