HiDream-O1-Video : 7 exemples et prompts à tester

👁 118 lectures

HiDream-O1-Video-1.0 se classe 6e au classement image-vers-vidéo d’Artificial Analysis (1175 Elo), mais l’éditeur n’a publié aucun clip accompagné de son prompt officiel. J’ai rassemblé 7 exemples : un clip issu d’une publication sur X, trois démonstrations officielles décrites par la presse chinoise et trois de mes propres prompts à tester pour le seul mode disponible, l’image-vers-vidéo. Les paramètres, les tarifs et l’accès sont détaillés dans notre guide HiDream-O1-Video.

Comment interpréter ces exemples

L’API publique HiHarness exige une image de départ (obligatoire), un prompt optionnel et le paramètre force_10s. Il n’existe aucun mode texte-vers-vidéo, en dépit des annonces initiales des 15 et 17 septembre. Chaque commande ci-dessous suppose donc que vous disposez déjà d’une image de base. Le modèle détermine lui-même la durée du clip (annoncée entre 5 et 20 s), sauf si vous imposez 10 s.

Les clips des bancs d’essai ne sont pas non plus partagés avec leurs prompts. Arena.ai a publié son score brut, sans exemples : le 30 septembre, HiDream a fait son entrée à la 7e place de leur classement image-vers-vidéo avec 1456 points.

Exemples issus des présentations officielles

1. Le même prompt sur trois modèles

Usage : comparaison rapide de la qualité face aux concurrents avant d’engager des frais d’API.

Prompt : non communiqué par l’auteur de la publication. On sait simplement que trois modèles ont reçu la même consigne et que le dernier clip correspond à HiDream (alors désigné sous son nom chinois HD-V1).

Support : vidéo verticale en 720 x 1280 diffusée par un média tech chinois spécialisé dans l’IA. Il ne s’agit ni du compte officiel de HiDream, ni de mon propre test.

Analyse : le message reprend la formule de présentation (« texte, image ou vidéo en entrée »). Or, dans l’API au 11 octobre, seule l’entrée image fonctionne. La modalité d’origine de cet extrait restant floue, il convient de le considérer comme une démo constructeur et non comme une preuve d’un mode texte-vers-vidéo opérationnel.

2. Ficelle rouge entre deux mains

Usage : scènes impliquant une mise en tension de matériaux : cordes, câbles, élastiques ou tissus tenus en main.

Prompt : aucun prompt officiel fourni. QbitAI (15.09.2026) rapporte une démo comparative : deux mains tirent sur une ficelle rouge pour évaluer le réalisme de la tension. Voici ma proposition de prompt conçue dans cet esprit (à tester, il ne s’agit pas d’un résultat généré) :

Two hands slowly pull a red string in opposite directions. The string straightens and becomes taut, fibers stretch slightly, a small vibration runs along it before it holds still. Close-up, soft daylight, static camera.

Traduction du test : deux mains tirent lentement sur une ficelle rouge dans des directions opposées jusqu’à ce qu’elle se tende et vibre légèrement.

Support : aucun. Les captures de QbitAI ne sont pas reproduites ici pour des raisons de droits.

Analyse : l’image de départ doit montrer une ficelle détendue pour donner de la matière à animer. C’est un piège classique où les modèles plus anciens déforment les doigts plutôt que d’étirer le fil.

3. Lancer de pomme

Usage : actions brèves dont la durée de la prise doit dépendre du mouvement réel plutôt que d’un réglage fixe.

Prompt : non divulgué. Dans la démo décrite par QbitAI, le système a calibré de lui-même la durée de la scène pour un lancer de pomme. Voici ma version à essayer :

A person tosses a red apple to a friend standing a few meters away. The apple flies in a natural arc, the friend catches it with one hand and takes a bite. Medium shot, park in late afternoon light.

Traduction du test : une personne lance une pomme à un ami, qui la rattrape d’une main et croque dedans.

Support : aucun, uniquement la description textuelle de QbitAI.

Analyse : ne pas activer force_10s ici afin d’observer la longueur retenue par le modèle. Mesurez la durée obtenue : à environ 5,19 € (5,80 USD) la minute selon les chiffres d’Artificial Analysis (taux BCE du 12.10.2026, source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml), chaque seconde revient à près de 0,087 € (0,097 USD).

4. Balle de ping-pong

Usage : dynamique des chocs, perte d’énergie progressive et synchronisation audio-visuelle.

Prompt : non communiqué. QbitAI évoque une démo où une balle rebondit de plus en plus bas avec un son calé sur chaque impact. Ma suggestion :

A white ping-pong ball drops onto a wooden table and bounces, each bounce lower than the last, until it rolls to a stop. Each impact makes a crisp click. Low angle, shallow depth of field.

Traduction du test : une balle de ping-pong tombe sur une table en bois et rebondit de plus en plus bas, chaque impact produisant un bruit sec.

Support : aucun.

Analyse : si la communication met en avant un son natif, la documentation de l’API ne propose ni paramètre audio, ni mention de piste sonore. Si votre vidéo générée via l’API reste muette, cela ne provient donc pas de votre prompt.

Prompts à essayer

Voici trois compositions élaborées pour évaluer les points forts revendiqués : gestion de la physique, rendu des matières et ajustement automatique de la durée. Je ne les ai pas générées moi-même ; ce sont des propositions à tester. Vous pouvez concevoir l’image initiale avec le modèle open-weight HiDream-O1-Image, décrit dans notre dossier central.

5. Café versé dans un verre

Usage : publicité produit, univers café, mise en avant culinaire.

Hot coffee is poured from a glass carafe into a clear glass on a marble counter. The liquid swirls, foam rises, the glass fills to the brim and a few drops spill over the edge. Steam drifts up. Static close-up, warm morning light.

Traduction du test : du café chaud versé depuis une carafe remplit un verre à ras bord jusqu’à ce que quelques gouttes débordent.

Support : aucun (prompt proposé à l’essai, pas un rendu personnel).

Analyse : le versement jusqu’au débordement correspond à la scène soumise à tous les modèles dans notre banc d’essai comparatif. Ce dernier évaluait le texte-vers-vidéo ; ici, vous devez fournir une image de verre vide au départ.

6. Dominos sur une table

Usage : mise en valeur d’un effet domino, générique ou vidéo pédagogique.

A long curved line of wooden dominoes stands on a table. A finger pushes the first one and they fall one after another in sequence, the last domino knocks over a small toy figure. Camera slowly tracks along the line.

Traduction du test : un doigt pousse la première pièce et les dominos tombent les uns après les autres jusqu’à renverser une figurine finale.

Support : aucun (prompt proposé à l’essai).

Analyse : ce test évalue deux aspects cruciaux : la continuité séquentielle de la chute et l’absence de dominos qui disparaissent anormalement. Laissez le modèle gérer la durée pour observer s’il adapte la scène à une rangée étendue.

7. Drapeau au vent, durée fixe de 10 secondes

Usage : arrière-plan vidéo, boucle pour page web ou plan de coupe standardisé.

A white and red flag waves on a flagpole against a cloudy sky. The wind changes strength, the fabric ripples and snaps, light passes through the thin cloth. Static wide shot.

Traduction du test : un drapeau blanc et rouge flotte sur un mât sous des rafales d’intensité variable.

Support : aucun (prompt proposé à l’essai).

Analyse : ce prompt s’appuie sur le paramètre "force_10s": true. La dépense devient alors fixe et prévisible : environ 0,87 € (0,97 USD) par génération selon les grilles d’Artificial Analysis.

Échelle : 100 % = 20 s, soit le plan le plus long annoncé. Les montants sont des estimations basées sur les tarifs relevés sur Artificial Analysis au 11.10.2026 (conversion BCE du 12.10.2026, source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml) ; HiDream ne fournit pas de grille tarifaire directe.

Conseils pour structurer vos prompts

• Rédigez en anglais. Les autres langues ne sont pas formellement documentées par le fournisseur.
• Décrivez le mouvement, pas le décor fixe. L’image initiale apporte le contexte visuel ; le texte doit indiquer ce qui change et comment les objets bougent.
• Explicitez les forces physiques : « bounces lower each time », « becomes taut », « spills over the edge ».
• Mentionnez les bruits souhaités même si l’API reste floue sur l’audio, les annonces liant l’effet sonore à l’action.
• Utilisez une image de départ nette : l’API accepte des fichiers de 40 Ko à 20 Mo, et le format du résultat reprendra fidèlement le ratio de l’image.

Pour situer HiDream face à la concurrence sur les scores et la tarification, consultez notre comparatif HiDream-O1-Video vs MiniMax H3 vs Vidu Q4. Pour des exemples exploitant un mode texte-vers-vidéo natif, vous pouvez vous tourner vers Wan 3.0 et MiniMax H3 Max.

Foire aux questions

HiDream a-t-il mis à disposition des exemples complets avec prompts ?

Aucun à ce jour (11.10.2026), que ce soit sur leur plateforme, sur Hugging Face ou sur YouTube. Seules subsistent les démonstrations relayées par la presse chinoise et les extraits sur X.

Est-il possible d’exécuter ces requêtes sans image ?

Pas via l’API : l’attribut image y est strictement obligatoire. Vous devez impérativement lui transmettre une image source.

Combien coûterait la génération de ces sept exemples ?

D’après les tarifs relevés par AA, sur une base forfaitaire de 10 secondes par scène, comptez environ 6,08 € (6,80 USD). Ce montant augmentera naturellement si le modèle produit des séquences plus longues.

Des résultats de tests propres seront-ils ajoutés ?

Oui, dès que le modèle sera intégré sur les plateformes d’inférence habituelles ou qu’un accès direct à HiHarness sera validé. Les rendus seront alors publiés avec leurs configurations et leurs coûts réels.

Sources et date de vérification

• Publication de @Chinazhidx avec extrait vidéo (15.09.2026)
• Article de QbitAI sur le lancement de HD-V1 et ses démonstrations (15.09.2026)
• Documentation technique de l’API HiHarness (consultée le 11.10.2026)
• Classement image-vers-vidéo d’Artificial Analysis (consulté le 11.10.2026)

// lire la suiteVidu Q4 Image to Video : guide pratique et promptsGuidesCrawl4AI : installer et tester ce scraper open sourceOutils d'IAKling 4.0 Omni Reference : références, mouvements et promptsOutils d'IA