› Créer une vidéo d'influenceuse IA animée et crédible directement sur sa propre machine est désormais accessible grâce aux modèles ouverts testés dans mon guide sur l'IA locale pour le texte, l'image et la vidéo.
› Sur mon PC équipé d'une carte RTX 4090 de 24 Go de VRAM et de 64 Go de RAM, j'ai animé cinq personnages fictifs issus de mon benchmark de portraits pour produire quinze clips verticaux de cinq secondes avec Kandinsky 6.0 Lite, Kandinsky 6.0 Pro et Wan 2.2 5B.
› Voici les mesures réelles des temps de calcul, de la stabilité visuelle et de l'intelligibilité vocale mesurée au banc d'essai.Au 17 octobre 2026Entrée : portrait selfie issu de FLUX.2 Klein 4B, sortie : clip vertical 9:16 de 5 s à 24 i/s.Kandinsky 6.0 Lite : environ 1,5 à 2,5 min par clip, synthèse vocale intégrée mesurant 57% de mots intelligibles en moyenne lors du test en langue polonaise.Kandinsky 6.0 Pro (int8) : environ 6 à 7 min par clip, 65% de mots intelligibles en moyenne sur le même test de parole.Wan 2.2 5B : environ 1,5 min par clip, rendu muet mais mimiques faciales et mouvements de mains particulièrement fluides.Licences ouvertes permettant l'usage commercial : MIT pour Kandinsky 6.0 et Apache 2.0 pour Wan 2.2 5B.Protocole de génération pour chaque influenceur IA vidéoAprès avoir généré des visages photo-réalistes dans mon test pour concevoir une influenceuse IA en local sans effet plastique, j'ai réutilisé exactement le même selfie pour chaque profil comme image de référence.
› L'objectif était d'obtenir une vidéo selfie verticale de cinq secondes simulant une publication sur smartphone, accompagnée d'une réplique parlée face caméra.J'ai pris le selfie de départ généré par FLUX.2 Klein 4B, un modèle sous licence Apache 2.0 qui offre un rendu de peau sans lissage artificiel.J'ai attribué à chaque personnage une courte réplique de 7 à 10 mots ainsi qu'une description précise de son action et de l'environnement sonore.Pour Kandinsky 6.0, j'ai injecté l'image comme première image (first frame), avec le prompt descriptif balisant la réplique entre les marqueurs <S>...<E> et une consigne audio séparée.