Dictionnaire IA / Text-to-video

🎨 Image, vidéo et son

Le text-to-video est la génération de séquences animées à partir d'une description textuelle, et de plus en plus souvent aussi d'une image unique (image-to-video) que le modèle anime. Les systèmes actuels créent des clips de quelques à une dizaine de secondes avec une physique du mouvement crédible, et les meilleurs génèrent aussi du son synchronisé. Les plus grands défis sont la cohérence des personnages entre les plans, les séquences plus longues et le contrôle réalisateur précis. En pratique les créateurs traitent ces outils comme une fabrique de plans individuels à monter, pas comme une machine à films finis.