Générateur de vidéos IA avec des personnages cohérents

Pourquoi les personnages dérivent-ils au départ

Un modèle texte-vidéo génère chaque rendu de manière indépendante. Décrivez une femme d’une trentaine d’années avec une cicatrice sur un sourcil au plan 1 puis à nouveau au plan 30, et vous obtiendrez deux femmes qui correspondent à la description mais pas l’une à l’autre — les adjectifs ne suffisent pas à définir un visage. Toutes les solutions ci-dessous reposent sur la même idée, appliquée à des endroits différents : cesser de décrire le personnage et donner au modèle une image de celui-ci.

Quatre verrous

Un cinquième mécanisme, plus discret : chaque personne dans un plan comporte une ou deux notes faciales distinctives tirées de sa propre description, ce qui atténue l’échec classique où deux personnages en uniforme identique échangent leurs visages au milieu du plan.

Quand le personnage est censé changer

La cohérence ne peut pas signifier « ne change jamais » : un personnage qui prend feu dans l’épisode 6 doit avoir l’air brûlé dans l’épisode 7. La ligne de démarcation est tracée par la manière dont un modèle vidéo traite une image de référence : il copie le visage, les vêtements, la forme et la structure de manière quasi littérale, et applique la lumière, la météo et l’heure du jour comme des effets superposés.

• Donnez-lui une variante d’état lorsque ce qui change est l’apparence, la garde-robe, la forme ou la structure : un changement complet de tenue, une transformation, des brûlures, une pièce effondrée, une lame sortie de son fourreau, un objet cassé. La variante dispose de sa propre image de référence, générée à partir de l’art de base.
• Écrivez-le dans le texte du plan lorsque ce qui change est la lumière, la météo, l’heure du jour, la position, ce que quelqu’un tient, ou ce qui est tombé sur lui. La pluie n’a pas besoin d’une seconde version de la rue.

Inverser la logique coûte cher dans les deux sens : une variante pour « tient la tasse » est une image que vous avez payée et que vous ne verrez jamais, et un prompt pour « après l’incendie » est une demande que le modèle ignorera poliment au profit de la pièce intacte présente dans sa référence.

Ce qui n’est pas encore résolu

• Les manteaux longs masquent le visage. Une fiche en pied 9:16 d’un personnage portant un manteau long ou une robe consacre la plupart de ses pixels au tissu, et la tête se retrouve suffisamment petite pour que les fins repères identitaires soient perdus. C’est une limite de cadrage, pas de prompt.
• Deux personnages habillés à l’identique dans un même plan peuvent encore échanger leurs visages. Les notes distinctives aident ; les uniformes assortis restent le cas le plus difficile.
• Les foules. Les garanties de cohérence couvrent la distribution de votre bibliothèque de ressources. Les figurants d’arrière-plan sont générés à nouveau à chaque fois et doivent être traités comme du décor.

L’explication par couches, avec ce que chaque couche peut et ne peut pas gérer, se trouve dans le guide de cohérence des personnages.

Ce que ça coûte

Les fiches de référence constituent un poste de dépense distinct, séparé de l’analyse du script (4 crédits par 3,333 caractères de texte anglais) : chaque compte reçoit 15 images de référence gratuites, et les images supplémentaires ou régénérées par la suite coûtent 7 crédits chacune sur le modèle d’image par défaut. Les variantes d’état bénéficient de leur propre petite franchise gratuite sur le premier projet et sont facturées comme des images par la suite. La vidéo elle-même commence à 10 crédits par seconde de sortie (≈ $0.06/s sur le prix du crédit le plus bas), que des références soient jointes ou non — la cohérence n’est pas un supplément. Les détails se trouvent sur la page de tarification.

Testez-le gratuitement sur votre propre distribution

La cohérence est la seule promesse de cette catégorie que vous ne devriez jamais croire sur parole, et vous n’êtes pas obligé de le faire. Un nouveau compte dispose de 50 crédits, de 15 images de référence gratuites pour les personnages, scènes et accessoires, d’un storyboard gratuit pour l’épisode 1 sur votre premier projet, et d’un aperçu gratuit d’une durée maximale de 5 secondes qui rend le plan d’ouverture de votre propre épisode à partir de vos propres fiches. C’est suffisant pour un vrai test :

1. Collez une scène où les deux mêmes personnes apparaissent plusieurs fois, à quelques minutes d’intervalle.
2. Laissez l’analyse construire la distribution, puis lisez les descriptions des personnages et corrigez ce qui ne va pas avant que les visuels ne soient dessinés — les fiches sont générées à partir de ce texte.
3. Générez les fiches. Une image de référence prend environ 16 secondes en médiane, et 9 sur 10 se terminent en moins de 27 secondes, donc une distribution de cinq personnes prend quelques minutes.
4. Utilisez l’aperçu gratuit sur un plan où un personnage fait quelque chose, au lieu de rester immobile, et comparez son visage à celui de la fiche.

Pour calibrer : le projet médian sur cette plateforme compte cinq personnages nommés, et neuf projets sur dix en comptent moins de dix. Si votre histoire en nécessite trente, le même mécanisme s’applique toujours — le coût vient des fiches, pas de la cohérence.

Chaque épisode, en quinze langues

La langue des dialogues est définie une seule fois à l'étape 1, et l'ensemble du processus s'effectue dans cette langue ; le paramètre de région cible adapte en même temps les noms, les visages et les rues à ce marché. Chaque exemple ci-dessous a été produit de cette façon, un par langue.

Questions fréquentes

Tarifs·Guides·Exemples·Assistance·Confidentialité·Conditions·Mentions légales·Contact·© 2026 SceneMixer