Comment nous avons réalisé un court métrage comique IA de 8 secondes avec deux personnages constants, du début à la fin - RefVid
Transformez vos propres photos en vidéos en quelques minutes · Votre première vidéo est gratuite, sans filigrane
Première vidéo gratuite, sans carteGénérer confirme l’accord de chaque personne visible. Conditions
Voici le making-of complet de notre court métrage de 8 secondes "My wife every year on November 1st" : un mari prend tranquillement une boisson pendant que sa femme, pour qui Noël commence le 1er novembre, décore déjà derrière lui.
Nos deux personnages récurrents, Leo et Mia, jouent le couple, à partir de quatre photos de chacun. Il a fallu une seule génération Kling 4, gardée dès la première prise, et environ une heure de l'idée au clip fini.
Ci-dessous, chaque étape dans l'ordre, chacune illustrée par une image tirée de nos propres fichiers, avec les prompts exacts.
Comment faire des vidéos humoristiques avec l'IA : partir d'un gag en une phrase
L'idée en une phrase : un mari prend tranquillement une boisson dans le frigo pendant que, derrière lui, sa femme passe en courant, déjà en pleine décoration de Noël, car pour elle la saison commence le 1er novembre.
Elle vient de notre veille matinale de ce qui montait cette semaine-là : deux couples avaient publié ce gag le 1er novembre, et nous voulions le faire jouer à nos propres personnages.
La phrase unique sert de test. Si la blague ne tient pas en une phrase, elle ne survivra pas à 8 secondes de vidéo. Celle-ci a aussi tout ce qui rend un court métrage facile à générer : une seule pièce, aucun dialogue, deux personnes et une chute claire à la fin.
Choisir les personnages : une vidéo drôle IA à partir de photos
Les rôles étaient déjà distribués. Leo et Mia sont les deux personnes que nous gardons enregistrées dans le studio RefVid, avec quatre photos chacun, et ils font un couple crédible.
Garder les mêmes visages compte deux fois. Dans le clip, l'homme qui ouvre le frigo au plan 1 doit être celui qui fixe le vide au plan 3, sinon la blague se casse au cut. D'un clip à l'autre, ce sont les personnages récurrents que le public reconnaît : le prochain court métrage avec Leo et Mia part des mêmes photos, pas d'un nouveau visage pris au hasard.
Nous n'avons rien changé aux photos. Sur ses photos de référence, Mia porte une veste : le script devait donc décrire son costume assez clairement pour l'emporter sur elles, et c'est l'étape de relecture, plus bas, qui l'a repéré.
Leo
Mia
Écrire le script : temps forts, caméra, décor, costumes et timing
Nous avons écrit un script complet avant le moindre prompt. D'abord les temps forts, lus image par image dans l'original : il ouvre le frigo, se tourne vers la caméra avec une canette, elle passe en courant derrière lui vers 4 secondes, il la suit du regard jusqu'à la fin.
Puis chaque plan reçoit sa caméra, son décor, sa lumière, ses costumes et son action. Caméra : un téléphone à hauteur de poitrine sur trépied, toujours immobile. Décor : une cuisine moderne et lumineuse en plein jour, placards blancs, murs vert sauge, un frigo en inox au bord droit, plans de travail vides. Costumes : Leo dans sa chemise bleu marine ; Mia en grenouillère rouge en polaire du cou aux chevilles, serre-tête à bois et guirlande sur une épaule, traînant une guirlande lumineuse allumée.
Timing : trois plans de 2, 3 et 3 secondes, un cut sec entre chacun, et quelque chose qui bouge dès la première seconde. Nous le voulions un peu plus rapide que l'original en une seule prise : le moment du frigo est donc court, et sa course arrive à 3 secondes au lieu de 4.
Le script a connu trois versions. La v1 était devinée à partir de la légende, un congélateur avec un sapin de Noël pris dans un bloc de glace, et voyait la blague au mauvais endroit ; nous nous sommes arrêtés avant de dépenser quoi que ce soit. La v2 reprenait le vrai gag, lu dans les images. La v3, c'est la v2 après deux relectures.
| Plan | Caméra | Action |
|---|---|---|
| 1 · 0–2 s | Plan moyen, hauteur de poitrine, fixe | Leo, de profil devant le frigo, ouvre la porte d'un coup sec et la tient ouverte |
| 2 · 2–5 s | Même position et même objectif, jump cut dans le temps | Frigo fermé, Leo face à la caméra avec une canette ; Mia passe en sprintant derrière lui, les lumières restent au sol ; il tourne vivement la tête pour la suivre |
| 3 · 5–8 s | Plan rapproché, fixe | Leo continue de la suivre du regard, bouche entrouverte, et cligne des yeux une fois |
Deux relectures du script avant de dépenser un seul crédit
Avant la génération, deux sessions d'IA distinctes ont relu le script, chacune ne voyant que le script et les images. Un réalisateur de vidéo IA a vérifié si le clip raconte bien la blague : 8 défauts, puis 2, puis plus rien. Un prompt engineer Kling 4 a vérifié si le modèle dessinera ce que disent les mots : 7 défauts, puis plus rien.
Les corrections les plus importantes figurent ci-dessous. L'autre article sur ce clip détaille les autres.
| Avant | Après | Pourquoi |
|---|---|---|
| Plan 2 : 498 caractères | 478 | RefVid accepte jusqu'à 480 caractères par plan dans un clip Kling à plusieurs plans |
| Plan 3 : Leo se retourne vers l'objectif | Il continue de la suivre du regard | Regarder l'objectif, c'est une autre blague |
| Plan 2 : "At 1 second Mia sprints…" | Plan 2 : "Then Mia … sprints…" | Un minutage à l'intérieur d'un plan n'est pas un repère fiable |
| Plan 2 : "sprints … in a flash" | Plan 2 : "sprints fast in from frame left along the back wall" | "Flash" peut être dessiné comme un éclair de lumière, et ne lui donnait aucune entrée |
| Tenue de Mia : "red fleece onesie" | Tenue de Mia : "red fleece onesie neck to ankles" | Sur ses photos, elle porte une veste ; une description de tenue trop vague perd face à elles |
Du script aux prompts de plan : les exemples de prompt Kling que nous avons utilisés
Chaque plan du script est devenu un prompt : la caméra d'abord, puis le lieu, puis qui est là et ce qu'il porte, puis l'action dans l'ordre, pour finir sur un état que le modèle peut tenir. Il n'y avait pas de première image, donc le plan 1 décrit aussi toute la cuisine. Leo et Mia sont nommés ; le studio remplace les noms par leurs photos enregistrées.
Plan 1, 2 s :
"Medium shot, phone camera at chest height. A bright, clean modern kitchen in daylight: white cabinets, sage-green walls, bare counters, a stainless-steel fridge at frame right, an empty open doorway in the back wall. Leo, in his navy shirt, stands alone, side-on, hand on the fridge handle. Right away, in one quick pull, he yanks the fridge door wide open, cold light spilling out, and holds it open, staring into the fridge. Fixed camera."
Plan 2, 3 s :
"Same kitchen and shot, fridge closed. Leo, left of center, faces the camera, silver can at his chest, closed-mouth smirk. Then Mia, her reference face and copper bob, in a red fleece onesie neck to ankles, antler headband, garland on one shoulder, sprints fast in from frame left along the back wall, dragging glowing multicolor Christmas lights, out of frame right; the lit string stays on the floor. Leo snaps his head to frame right and holds. Fixed camera."
Plan 3, 3 s :
"Medium close-up from the waist up, the same kitchen behind Leo, who stands alone. Behind him one string of glowing multicolor Christmas lights lies in a long line across the floor. Leo keeps his body toward the camera and his head and eyes turned to frame right, staring blankly, mouth slightly open, silver can at his chest, completely still. He blinks once, slowly, and keeps staring. Fixed camera."
Trois habitudes valent pour n'importe quel clip : les mêmes mots pour la même chose dans chaque plan ("silver can", "glowing multicolor Christmas lights"), la vitesse portée par le verbe ("sprints fast"), et "Fixed camera." à la fin de chaque plan. Mettez vos propres noms à la place pour les réutiliser.
Réglages de génération : Kling 4, 1080p, 9:16, 8 secondes, une prise
Dans le studio, nous avons ouvert Leo, ajouté Mia comme second sujet, et placé les trois prompts dans trois cases de plan de 2, 3 et 3 secondes. Modèle Kling 4, 1080p, 9:16, 8 secondes au total. Ni première ni dernière image.
Les prompts de plan faisaient 446, 478 et 412 caractères, comptés une fois les noms convertis en jetons de référence ; dans RefVid, un clip Kling 4 à plusieurs plans accepte jusqu'à 480 caractères par plan.
Coût : 688 crédits, soit 8 secondes de Kling 4 en 1080p, toujours avec le son. Nous avons généré une seule fois. Sur RefVid, une vidéo à l'unité commence à 2,99 $, les packs de crédits à 9,90 $ et les abonnements à 10 $ par mois, et les crédits n'expirent jamais.
La vérification image par image : ce qui a différé, et pourquoi nous l'avons gardé
Nous avons lu la prise à 4 images par seconde, soit 32 images pour 8 secondes, et regardé la course de plus près. Le modèle a coupé là où nous l'avions demandé, à 1,8 et 4,8 secondes. Les deux visages correspondaient à leurs photos dans chaque plan, et aucune personne en trop n'est apparue.
Quatre choses diffèrent des prompts. Mia est entrée par la droite et non par la gauche, s'est arrêtée pour faire coucou et est ressortie en courant du même côté. Le sourire en coin bouche fermée de Leo est devenu un sourire ouvert. Dans le dernier plan, il commence par la suivre du regard, puis se tourne lentement vers l'objectif et cligne des yeux à 7,3 s.
Le critère pour garder une prise, c'est la blague en une phrase : un mari impassible au premier plan, Noël déjà en marche derrière lui, un regard sidéré. Tout y était, alors nous avons gardé la première prise. La refaire aurait coûté 688 crédits de plus pour la même blague.
Le montage : coupe, légende et son
Coupe : aucune. Le regard final a tenu les 3 secondes entières, donc le clip dure les 8 secondes telles que générées.
Légende : "My wife every year on November 1st 🎄" en blanc gras avec un fin contour sombre, sur deux lignes en haut de l'image, dans la zone que les applis mobiles laissent dégagée, de la première à la dernière image. Elle s'ajoute au montage, jamais dans le prompt, où le modèle la dessinerait en lettres illisibles.
Son : Kling 4 produit toujours son propre audio, et nous l'avons retiré. La version de cette page et de YouTube porte notre propre arrangement de Jingle Bells, un air du domaine public. Sur Instagram et X, elle garde le son du clip original, tel que s'en souviennent ceux qui connaissent le gag ; sur TikTok, une chanson de Noël de la bibliothèque de sons sous licence de la plateforme.
La publication, et le résultat
Le clip fini était prêt à 08:15 UTC le 3 novembre, environ une heure après la veille du matin sur ce qui montait. Entre 08:26 et 08:42, il a été publié sur YouTube Shorts, Instagram Reels, X et TikTok, chaque fois avec la même phrase comme texte de publication.
Chaque clip RefVid a aussi sa propre page de partage, avec le clip et les trois prompts qui l'ont créé : chacun peut voir comment il a été fait et partir de là. C'est vers elle que pointent les publications.
Essayez vous-même
- Enregistrez une fois trois ou quatre photos de chaque personne comme sujet : vous-même, un ami, un personnage que vous avez créé. Écrivez votre gag en une phrase, puis en deux ou trois plans, avec les noms dans les prompts, et lancez la génération.
- Le modèle de série courte vous fait partir d'une scène à deux personnages en trois plans, déjà mise en place ; remplacez les noms, le lieu et l'action par votre propre blague. Votre première vidéo de 5 secondes est offerte.
Partir d’un modèle
Chaque modèle ouvre le studio avec les plans, le format et la durée déjà réglés. Ajoutez votre produit et lancez la génération.
Plus de vidéos de personnages
Questions fréquentes
Combien de temps a pris la réalisation du court métrage ?
Environ une heure de l'idée au clip fini : lire les images de l'original, écrire et relire le script, une génération de quelques minutes, la vérification image par image et le montage. Le script et les deux relectures en ont pris la plus grande partie.
Combien a coûté ce clip ?
688 crédits pour un clip Kling 4 de 8 secondes en 1080p, et une seule prise a suffi. Sur RefVid, une vidéo à l'unité commence à 2,99 $, les packs de crédits à 9,90 $ et les abonnements à 10 $ par mois.
Puis-je faire le même genre de court métrage avec mon propre visage ?
Oui. Enregistrez une fois trois ou quatre photos de vous, et de toute autre personne du clip, comme sujets, écrivez les plans en y mettant vos noms, puis lancez la génération. Les visages viennent de vos photos dans chaque plan, comme ceux de Leo et Mia ici.
Quelle longueur peut avoir un prompt de plan Kling 4 ?
Dans le studio RefVid, un clip à plusieurs plans accepte jusqu'à 480 caractères par plan, comptés une fois les noms des sujets convertis en jetons de référence. Les nôtres en faisaient 446, 478 et 412. Un clip à plan unique accepte un prompt bien plus long.
Pourquoi garder une prise qui n'a pas suivi le prompt à la lettre ?
Un modèle vidéo prend un prompt comme une indication de mise en scène, pas comme un script. Ici, Mia est arrivée par l'autre côté et Leo s'est tourné vers l'objectif à la fin, mais la blague a quand même fonctionné : refaire la prise aurait coûté des crédits pour rien. Ne changez qu'une chose, et ne refaites la prise que si la blague tombe à plat.