Des films où ce sont les personnages qui parlent

Dans PageToVid, la durée d'une scène est sa part d'une unique piste de voix. Nous synthétisons toute la narration d'un coup, nous y repérons les jointures entre scènes, et chaque scène dure exactement sa portion de voix. C'est ce qui garde sous-titres et images synchronisés : image et voix forment une seule partition, elles ne peuvent pas se décaler.

Cela veut aussi dire qu'on ne peut pas simplement allonger une scène. Pour tenir une image six secondes en silence, il faut insérer six secondes de silence dans la piste, à la jointure de cette scène. Une étape que nous appelons le plan de remplissage s'en charge, avec deux missions :

• corriger une scène narrée qui finirait avant ses propres mots, ce qui suppose de mesurer où tombent ces mots
• respecter la durée écrite d'une scène muette, un nombre saisi par quelqu'un, qui ne dépend d'aucune mesure

Un film sans narrateur repose presque entièrement sur la seconde mission. C'est donc par là que nous avons commencé.

Notre premier film de test était fait de clips parlants, avec deux scènes écrites pour durer six et cinq secondes. Elles sont sorties bien plus courtes. Le remplissage ne s'activait que si la reconnaissance vocale avait mesuré où les mots étaient entendus ; dans un film presque sans narration, elle n'avait presque rien mesuré, et les durées écrites étaient écartées avec les corrections.

Qu'un plan tienne la durée demandée ne doit jamais dépendre de la façon dont la reconnaissance a entendu une autre scène. Le plan de remplissage s'active désormais pour une mesure ou pour une durée muette écrite, chacune selon ses propres règles.

Un dernier cas a rendu le plan d'ouverture entier. Notre outil de montage refuse de couper dans un mot, à juste titre, et il savait ajouter du silence à la fin de la piste mais pas au début. Un silence placé avant la première syllabe ne coupe rien : il décale simplement toute la piste de ce que la scène gagne. Avec ce cas, le plan d'ouverture tient ses six secondes.

Quand une scène est narrée, le son propre d'un clip est baissé en fond discret sous la voix off, pour que le narrateur reste toujours clair. Le moteur de rendu décidait qu'une scène était narrée en vérifiant si elle avait une part de la piste synthétisée.

Or un film sans narration produisait quand même une piste : avec zéro mot, le moteur de voix renvoyait un passage de silence, et chaque scène semblait narrée. La personne face caméra était mixée sous une voix qui n'existait pas. La narration, c'est du texte, pas un signal : la vérification pose maintenant la question simple, cette scène a-t-elle des mots ? Sinon, la voix du clip passe devant, à plein niveau.

Les mêmes films ont gagné deux choses plus discrètes. Les cartes ont désormais un vrai fond dans tous les types de scènes, pas seulement dans les captures d'écran, et le fichier de sous-titres ne contient plus de répliques vides que certains lecteurs affichent comme des cases blanches.

Un film fait uniquement de plans sans narration a posé la dernière question : que veut dire minuter quand il n'y a rien à minuter ? Traiter une piste vide comme inconnue faisait tomber les durées écrites ; découper un silence synthétisé comme s'il s'agissait de parole étirait une scène bien au-delà de sa durée.

La réponse est une règle, pas un correctif. Un film sans mots est tenu exactement comme il a été écrit. Il n'y a rien à mesurer ni à partager, donc chaque scène dure le nombre inscrit sur elle, à l'image près.

Nous avons aussi fait du silence un vrai choix pour les assistants et les développeurs. Via notre serveur MCP, une scène filmée peut maintenant avoir une narration vide, ce qui veut dire muette et tenue sur toute sa durée. Avant, il fallait un simple espace pour obtenir le même effet.

Ensemble, ces changements font du narrateur une option plutôt qu'une obligation. Un film peut désormais être :

• une suite de personnages qui disent leur propre texte, chaque plan tenu comme écrit
• un mélange, avec une visite narrée et, au milieu, un clip parlant à pleine voix
• une séquence muette de plans et de cartes, minutée à la seconde près

Dans l'éditeur, l'aperçu en direct d'un clip généré se joue sans le son, car les navigateurs refusent souvent la lecture automatique d'une vidéo sonore. Le film que vous téléchargez garde chaque mot prononcé par les personnages.

Découvrez ce que les clips générés apportent à un film sur la page des clips IA, ou partez de vos propres scènes avec un nouveau film.