Comment écrire des prompts de scène pour une vidéo de référence
Quand un modèle vidéo dispose déjà d'images de référence de votre personnage ou produit, le prompt a un autre rôle. Il décrit la scène, pas le sujet. Un bon prompt de scène indique le décor, une action principale, le mouvement de caméra, la lumière et la fin, dans cet ordre, en deux à quatre phrases simples. Ce guide vous donne cette structure, des exemples concrets et les habitudes qui cassent discrètement la cohérence.
Pourquoi les prompts avec références sont différents
En texte vers vidéo, le prompt porte tout, alors on apprend à le charger de détails d'apparence. Avec des références, ces détails entrent en concurrence avec les images. Si les références montrent des cheveux courts et bruns et que le prompt parle de boucles auburn, le modèle fait une moyenne des deux et vous obtenez une troisième version. La règle est simple : l'identité vit dans les références, tout le reste dans le prompt.
Le prompt est ainsi libéré pour ce que les références ne peuvent pas fournir : où se déroule le plan, ce qui bouge et comment il est filmé.
La structure en cinq parties
1. Décor. Une phrase sur le lieu et le moment : « Une petite cuisine de boulangerie à l'aube, de la farine sur le plan de travail en inox. » Les noms précis valent mieux que les adjectifs. « Plan de travail en inox » en dit plus au modèle que « cuisine moderne ».
2. Action. Une seule action principale par plan, au présent : « Elle sort un plateau de pain du four et le pose sur le plan de travail. » Deux actions enchaînées conviennent pour des plans de huit secondes ou plus. Trois actions ou plus donnent en général des mouvements précipités ou sautés.
3. Caméra. Indiquez la taille du cadre et le mouvement : « Plan moyen, lent travelling avant. » « Gros plan, caméra à l'épaule, léger balancement. » « Plan large, fixe. » Si vous omettez la caméra, le modèle en choisit une, et il en choisit une différente à chaque fois, ce qui rend les plans difficiles à monter ensemble.
4. Lumière. Nommez la source et sa direction : « Lumière chaude venant d'une fenêtre à gauche. » La lumière est l'un des principaux déclencheurs de la dérive du visage. Décrivez-la simplement et gardez-la proche d'un plan à l'autre lorsque les plans seront montés ensemble.
5. Fin. Dites où le plan s'arrête : « Se termine quand elle lève les yeux vers la caméra et sourit. » Une image de fin bien définie facilite le passage au plan suivant.
Exemples concrets
Personnage, plan du quotidien : « Debout dans une cuisine épurée sous la douce lumière du matin, elle verse du café d'une carafe en verre dans une tasse blanche, puis lève les yeux et sourit à la caméra. Plan moyen, lumière naturelle douce. » Il est proche du prompt derrière le clip de cette page.
Produit, plan héros : « La bouteille repose sur de la pierre noire humide, de petites gouttes sur le verre. Une lente rotation autour d'elle, angle bas. Une seule lumière dure venant de l'arrière dessine un liseré sur les contours. Se termine sur l'étiquette de face, tournée vers la caméra. »
Personnage, plan parlé : « Un bureau à domicile avec des bibliothèques en arrière-plan. Il se penche vers la caméra et explique quelque chose d'une main. Plan américain serré, caméra fixe, à hauteur des yeux. Lumière douce du jour venant de la droite. Se termine sur une courte pause et un hochement de tête. »
Remarquez ce qui manque aux trois : aucune couleur de cheveux, aucune couleur d'yeux, aucun vêtement, aucune description du logo. Les références s'en chargent.
Durée, plans et format
La durée change ce qu'un prompt peut contenir. Kling 3.0 Omni génère jusqu'à 15 secondes par requête et prend en charge la génération multi-plans, selon le guide de Kling à la date d'octobre 2026. Les clips de référence de Veo 3.1 durent toujours 8 secondes, selon la documentation de Google. Pour un clip de trois ou cinq secondes, décrivez une seule action. Pour dix secondes ou plus, décrivez-en deux, ou utilisez des descriptions de plans séparées si le modèle prend en charge le multi-plans.
Lorsque deux sujets partagent une scène, désignez chacun par son tag, comme @Element1 et @Element2 dans les modèles Omni de Kling, pour que le modèle sache qui fait quoi. Le format d'image est un réglage, pas du texte du prompt. Choisissez 9:16 pour une vidéo verticale sur les réseaux sociaux et 16:9 pour le web et YouTube, plutôt que d'écrire « vertical » dans le prompt.
Erreurs courantes et liste de contrôle
Répéter les détails d'apparence déjà présents dans les références. Les mots de style qui contredisent les références, comme « anime » quand les références sont des photos ; si vous voulez un rendu stylisé, utilisez des références stylisées. Le remplissage de qualité, comme « chef-d'œuvre, 8k, ultra détaillé », qui rend les prompts plus difficiles à comparer. Changer plusieurs éléments à la fois quand un clip échoue : modifiez une seule partie par essai pour comprendre ce qui a causé le problème.
Liste de contrôle : décor en une phrase ; une action par tranche de cinq secondes ; taille du cadre et mouvement de caméra nommés ; source et direction de la lumière nommées ; une image de fin ; aucun détail d'apparence ; format d'image réglé dans les paramètres.
RefVid est conçu pour cette séparation. Le personnage ou le produit est enregistré une fois avec ses références, et la zone de prompt, jusqu'à 2 000 caractères, ne sert qu'à la scène. Vous n'avez pas besoin de désigner le sujet : RefVid rattache l'asset au prompt à votre place avec Kling 3.0 Omni.
Questions fréquentes
- Quelle doit être la longueur d'un prompt de scène ?
- Deux à quatre phrases, environ 30 à 70 mots. Assez pour couvrir le décor, l'action, la caméra, la lumière et la fin ; assez court pour que chaque mot ait une utilité.
- Dois-je décrire l'apparence de mon personnage dans le prompt ?
- Non. Quand des images de référence montrent déjà le personnage, les mots d'apparence entrent en concurrence avec elles et provoquent une dérive. Décrivez plutôt la scène.
- Puis-je utiliser des prompts négatifs avec une vidéo de référence ?
- Certains modèles et API acceptent un champ de prompt négatif. Il peut supprimer des artefacts précis, comme du texte à l'écran, mais il ne corrige pas la dérive d'identité. De meilleures références, oui.
- Combien coûte un essai de prompt sur RefVid ?
- 31 crédits par seconde : 93 pour un brouillon de 3 secondes, 155 pour 5 secondes, 310 pour 10 et 465 pour 15. Les 50 premiers comptes reçoivent 630 crédits gratuits. Les comptes suivants reçoivent 100 crédits, soit un clip de 3 secondes.
- Les prompts vidéo IA généraux fonctionnent-ils avec les modèles de référence ?
- En partie. Les modèles de référence connaissent déjà le sujet, donc supprimez les mots d'apparence et gardez la scène : décor, action, caméra, lumière, fin.
- Comment fonctionne un prompt de scène vers vidéo avec des références ?
- Les références déterminent qui ou quoi figure dans le plan ; le prompt de scène indique où on se trouve, ce qui se passe et comment la caméra bouge, en deux à quatre phrases.