Trois modèles vidéo, choisis scène par scène
· 4 min de lecture
Un brouillon rapide et un plan d'ouverture cinématographique ne demandent pas le même modèle vidéo. Jusqu'au 25 septembre, chaque clip généré d'un film PageToVid venait d'un seul modèle, Veo de Google. Ce jour-là, nous avons ajouté Seedance, de ByteDance, et MiniMax, et construit la couche qui permet à chaque scène de choisir le sien, en toute sécurité.
Un seul modèle ne convient pas à tous les plans
Un film, c'est un ensemble de demandes très différentes. Un brouillon veut un modèle rapide et léger, parce que vous décidez encore de ce que dit le film. Un long plan d'ouverture veut un modèle plus puissant, capable de tenir huit secondes et de suivre plusieurs images de référence du même personnage.
Notre premier réflexe a été un réglage unique nommant le modèle pour tout le service. Ce n'était pas la bonne forme : il figeait une seule réponse pour tous les films et plaçait un déploiement entre l'auteur et son choix. Désormais, chaque scène nomme son propre modèle, avec nos identifiants courts comme seedance-2.0-mini, et l'identifiant exact du fournisseur est retrouvé en coulisse. Une scène qui ne nomme rien garde Veo : tous les storyboards écrits avant ce jour se jouent exactement comme avant.
Trois API, une seule forme
Chaque fournisseur décrit la même demande à sa façon. L'un écrit une résolution « 480P » et la prend comme champ. Un autre l'écrit « 480p » et prend résolution, durée et format comme options ajoutées au texte du prompt. Le troisième veut un format d'image dans un objet de configuration. Ils diffèrent aussi sur les limites, les noms de modèles et la manière de refuser.
Nous avons construit chaque adaptateur à partir de l'API réelle plutôt que de nos propres notes, et les réponses réelles nous ont corrigés plus d'une fois :
- chez MiniMax, la durée commence à 4 secondes, sauf sur le plus grand modèle, qui refuse 4
- un modèle d'agrandissement existait sans figurer encore dans notre catalogue
- chaque identifiant de modèle Seedance porte une date, donc les noms courts ne mènent nulle part
Le premier vrai clip Seedance, cinq secondes en 480p, est revenu en 33 secondes, avec sa propre piste audio déjà en place.
Vérifié avant d'être envoyé
Avec les modèles vidéo, une demande est l'unité que l'on paie, et le refus d'un fournisseur n'arrive qu'après exécution. Demander quatre secondes à un modèle dont le minimum est cinq, ou une résolution qu'il ne sait pas produire, ne devrait jamais quitter nos serveurs. Chaque adaptateur peut donc refuser une demande localement, sans appel réseau, et cette vérification est séparée de l'envoi : le routeur et le devis appliquent exactement la même règle.
Les adaptateurs sont testés face à notre catalogue de prix : les deux doivent s'accorder sur la durée minimale, la durée maximale et les résolutions de chaque modèle. Un clip que nous chiffrons est toujours un clip que l'adaptateur acceptera.
Nous avons aussi ajouté un test de disponibilité, car « configuré » et « prêt à répondre » sont deux faits distincts. Un modèle pas encore activé ou absent de l'offre d'un compte se ressemblent vus de l'extérieur : un clip qui n'arrive pas. Le test transforme chaque cas en une phrase sur laquelle on peut agir.
Un routeur qui sait quand ne pas réessayer
« Le prompt a été filtré » et « la file est pleine » appellent des réponses opposées, et l'on ne peut pas décider de façon fiable sur un texte d'erreur. Chaque erreur de fournisseur est classée dans l'une de huit catégories, et chacune répond à deux questions distinctes : vaut-il la peine de réessayer ici, et vaut-il la peine d'essayer une autre voie ?
Le routeur suit alors quelques règles fermes :
- le modèle nommé par la scène passe toujours en premier. Un modèle est un style, pas une marchandise
- un repli sert à sauver un film d'une panne ; il n'est utilisé que si la voie nommée ne peut pas tourner du tout, et le dossier indique quelle voie a tourné
- un refus pour contenu n'est jamais retenté ailleurs, car l'envoyer à un autre changerait le film en silence
L'attente est réglée elle aussi. Un clip prend de trente secondes à quatre minutes : l'intervalle entre deux vérifications grandit, plafonne et porte une petite variation déterministe, pour que plusieurs scènes générées en même temps n'interrogent jamais au même rythme.
Un clip aussi long que son plan, conservé pour de bon
Au-dessus du routeur, un service suit une séquence fixe : chiffrer, router, envoyer, suivre, stocker, enregistrer. Il tient trois promesses. Il ne facture jamais plus que son devis ; si un modèle dépasse ou si un repli coûte plus cher, nous absorbons l'écart. Il ne retente jamais un refus pour contenu. Et il ne renvoie jamais le lien d'un fournisseur, car certains signent leurs fichiers pour une journée seulement : chaque clip est copié dans notre propre stockage, pour qu'un film se lise l'an prochain comme aujourd'hui.
La dernière étape a ajusté les clips à leurs scènes. Chaque clip est désormais pensé à partir de son plan : aussi long que la narration plus une respiration, en 720p au moins quand il remplit l'image, avec les images de référence du personnage nommé pour que le même visage traverse le film.
Voyez des clips générés dans de vrais films sur la page des clips IA, et les offres qui les incluent sur la page des tarifs.
Voyez-le sur votre propre site
Collez une page et obtenez la vidéo commentée dont parle ce blog. La première est offerte.
À lire ensuite
