Les photos de votre site arrivent enfin dans le film

Quand PageToVid lit une page, il rassemble les photos de la page et les confie au planificateur, le modèle qui écrit le storyboard. Ses instructions sont claires : voici les images du site, et au moins une scène graphique doit en montrer une.

Mais les modèles de langage qui écrivent pour la vidéo ont une habitude. Ils adorent les cartes de texte : une accroche, quelques puces, une phrase de conclusion. Le texte est ce qu'ils produisent le mieux, alors ils y reviennent même quand une image en dirait davantage. C'est pourquoi les instructions n'ont jamais été pensées comme la seule ligne de défense.

Derrière le planificateur se trouve une petite étape prévisible, qui relit le storyboard une fois écrit. Si la page proposait des photos et qu'aucune scène n'en utilise, elle prend la carte de texte la moins informative et la transforme en l'image qu'elle aurait dû être.

En regardant de près une semaine de films, nous avons vu que cette étape était trop polie. Elle ne considérait qu'un type de carte, la simple phrase d'affirmation, et jamais la scène d'ouverture, qui est l'accroche. Or le planificateur a droit à une seule affirmation par film et, presque à chaque fois, il l'utilise pour l'accroche. Le filet trouvait donc rarement une carte qu'il avait le droit de prendre, et les photos restaient sur la page.

Dans un film, le planificateur a même braqué la caméra d'enregistrement d'écran sur une photo posée sur la page : signe évident que le film voulait cette image.

Nous avons changé deux choses dans ce que le filet peut transformer en photo.

D'abord, épargner l'accroche devient une préférence et non plus une règle. La carte d'ouverture passe en dernier : toute autre carte de texte est choisie avant elle, et l'accroche n'est touchée que si rien d'autre ne convient.

Ensuite, le filet considère désormais toute carte dont le contenu entier est une phrase que la narration prononce déjà :

• une affirmation d'une phrase
• une carte de titre
• une liste à puces
• une citation

Les cartes qui portent une vraie information, comme un chiffre, une comparaison ou un compteur qui défile, ne sont jamais échangées contre une image. Et quand une carte devient une photo, ses mots ne se perdent pas : ils deviennent la légende de la photo, si bien que la scène dit toujours ce qu'elle disait, désormais sur quelque chose qui mérite d'être regardé.

Chaque film porte un court rapport qui indique quelles scènes utilisent une photo ou un visuel généré, et pourquoi. Jusqu'ici, il n'était écrit que si des médias générés avaient été demandés : un rapport vide pouvait donc signifier que rien n'avait été demandé, ou que quelque chose n'était pas arrivé.

Désormais, chaque film l'écrit, et quand aucune scène ne porte de visuel, le rapport ajoute une note qui explique pourquoi. Cette note va jusqu'au bout de la chaîne, dans l'éditeur, dans notre API et chez les assistants IA qui créent des films pour vous : la personne qui a fait le film voit d'un coup d'œil ce qui s'est passé.

L'effet se voit tout de suite. Une page avec des photos obtient au moins une scène construite à partir d'elles, même quand le planificateur oublie, et le film montre le vrai produit au lieu d'une phrase à son sujet. Découvrez comment les scènes sont assemblées à partir d'une page sur notre page des fonctionnalités, ou essayez avec votre propre site.

Nos tests ont changé eux aussi. Les anciens donnaient au filet un storyboard avec une carte bien placée au milieu, une forme que les vrais storyboards avaient rarement. Les nouveaux reproduisent ce que le planificateur écrit réellement : une affirmation utilisée comme accroche, et une photo proposée puis laissée de côté. Un filet de sécurité ne vaut que par les films sur lesquels on le teste.