Définition. Une chaîne histoire en film est un système logiciel qui prend un texte narratif en entrée et produit une vidéo terminée en sortie, sans liste de plans établie par un humain. Elle combine un modèle de langage qui lit et structure l'histoire, des modèles d'image et de vidéo qui dessinent les scènes, des modèles de parole pour les voix, un modèle de musique, et un monteur déterministe qui assemble le tout en un seul fichier. La personne qui l'utilise fait une poignée de choix créatifs au départ ; la chaîne prend les centaines de petites décisions qu'une équipe de tournage prendrait normalement.

Le terme mérite une définition précise, car on le confond souvent avec deux voisins. Un modèle texte vers vidéo est un modèle unique qui transforme un prompt en un clip ; il n'a aucune notion de personnages, d'actes ou de continuité. Un logiciel de montage doté de fonctions d'IA aide une personne qui dispose déjà d'images tournées. Une chaîne se situe au-dessus des deux : elle décide quels clips sont nécessaires, les génère dans le bon ordre à partir de références communes, puis les monte ensemble.

Les sept étapes

  1. Ingestion. Le texte est nettoyé (mise en forme, notes et lignes de conversation retirées), sa langue est détectée et sa longueur mesurée. Le nettoyage compte plus qu'il n'y paraît : les histoires copiées depuis une fenêtre de discussion contiennent souvent des lignes comme « si vous voulez, je peux réécrire ce passage », et un modèle qui les lit comme faisant partie de l'histoire placera un assistant dans le film.
  2. Direction. Un modèle de langage produit un scénario structuré : un titre, un pitch d'une ligne, un guide de style, une distribution avec des profils visuels et vocaux, et une liste de scènes. Chaque scène comporte un synopsis, un prompt d'image, une durée, les membres de la distribution présents, une réplique et une phrase de narration. La sortie est validée par rapport à un schéma et, en cas d'échec, relancée une fois avec la liste des erreurs.
  3. Distribution. Un modèle d'image dessine une fiche de référence par personnage dans le style choisi : en pied, pose neutre, fond uni. Ces fiches servent d'ancrage visuel à toutes les étapes suivantes et peuvent être réutilisées d'un film à l'autre.
  4. Images clés. Pour chaque scène, le modèle d'image compose une image à partir des fiches de référence et du prompt de la scène. C'est là que les personnages sont placés, éclairés et mis en pose. Les modèles d'image suivent les références bien mieux que les modèles vidéo ; placer cette étape avant l'animation est donc la décision de conception la plus importante de toute la chaîne.
  5. Animation. Un modèle vidéo anime chaque image clé sur la durée de la scène (image vers vidéo). Les scènes sans membre de la distribution, comme les plans d'exposition, sont générées à partir du texte. Les scènes qui prolongent la précédente partent de la dernière image du clip précédent.
  6. Audio. Les répliques sont synthétisées avec des voix choisies pour correspondre au profil de chaque personnage et, lorsqu'un fournisseur de synchronisation labiale est disponible, articulées par le personnage dans le clip. La narration est synthétisée scène par scène avec une voix de narrateur distincte. La musique est générée une seule fois à partir du guide de style et mixée sous l'ensemble du film.
  7. Assemblage. Les clips sont normalisés à une même résolution et une même cadence d'images, concaténés dans l'ordre, mixés avec la narration, les dialogues et la musique, puis encodés. L'assemblage est déterministe : les mêmes entrées produisent toujours le même fichier, ce qui rend les nouvelles tentatives sans risque.

Ce qui circule entre les étapes

Les étapes sont reliées par un objet unique : le scénario. La direction l'écrit ; chaque étape suivante le lit et y réinscrit ses résultats : les URL des fiches dans les entrées de la distribution, les URL des images clés et des clips dans les scènes, les chemins audio dans le bloc audio. Comme l'objet est enregistré après chaque étape, un film peut reprendre à n'importe quel point. Si le fournisseur vidéo échoue sur la scène neuf, la chaîne ne redessine ni la distribution ni les huit premières scènes ; elle relance la scène neuf et continue.

C'est ce même objet qu'une personne relit entre la distribution et la production. Elle voit le titre, les fiches de casting et la liste des scènes avant que la moindre vidéo coûteuse ne soit générée, et peut modifier l'apparence d'un personnage, supprimer une scène ou réécrire une réplique. Ce point de relecture est la réponse de la chaîne au storyboard.

Pourquoi l'ordre compte

Distribuer avant les images clés est ce qui garde les personnages cohérents : la fiche est dessinée une fois et référencée partout. Les images clés avant l'animation sont ce qui garde les scènes fidèles : la composition est figée dans une image peu coûteuse avant qu'un clip coûteux ne soit dépensé dessus. L'audio après l'animation permet à la synchronisation labiale d'utiliser le vrai clip plutôt qu'une supposition. La musique en dernier permet au mixage de suivre le montage final. Inverser deux de ces étapes, quelles qu'elles soient, produit un film moins bon pour plus d'argent.

Où va le coût

La quasi-totalité du coût se trouve dans l'étape d'animation. Un film de quatre minutes compte environ trente scènes ; chaque clip coûte de quelques centimes à quelques dollars selon la gamme du modèle. La direction coûte quelques centimes sur un modèle de classe flash et quelques dizaines de centimes sur un modèle de pointe. La distribution et les images clés réunies coûtent moins qu'un seul clip. La parole et la musique sont des erreurs d'arrondi. C'est pourquoi une bonne chaîne laisse la personne choisir la gamme vidéo pour chaque film, et pourquoi elle génère d'abord les images clés : une image ratée coûte des centimes, un clip raté coûte des dollars.

Modes d'échec qu'une chaîne doit gérer

  • Le modèle de langage renvoie une structure malformée : valider, relancer une fois avec la liste des erreurs, puis faire échouer la tâche avant que le moindre argent ne soit dépensé en vidéo.
  • Un fournisseur refuse ou épuise son quota : faire échouer la seule tâche concernée, la rembourser et, lorsque c'est possible, garder le film en vie. Un échec de synchronisation labiale, par exemple, ne doit pas arrêter le film ; la réplique peut toujours être prononcée dans la piste audio.
  • La durée cible est plus courte que l'histoire : choisir moins d'événements, ne jamais tronquer les phrases. Un réalisateur qui fait tenir un roman entier en soixante secondes en accélérant la narration produit du charabia.
  • Deux personnages fusionnent en une seule entrée de distribution : imposer un seul être par entrée. Une fiche qui montre « les animaux » ne peut pas ancrer séparément un renard et un ours.
  • Un fournisseur supprime un point d'accès : le contourner. Des points d'accès vidéo à référence de personnage ont disparu sans préavis ; la voie des images clés survit parce qu'elle n'a besoin que de l'image vers vidéo, que tous les fournisseurs proposent.

Ce qu'une bonne chaîne expose à la personne

Quatre choix au départ : l'histoire, un style visuel, une durée cible et une gamme de qualité. Un point de relecture après la distribution. Un fichier terminé à la fin, avec le scénario conservé afin que des scènes individuelles puissent être régénérées plus tard. Tout le reste, du choix des voix à la durée des clips, est une décision que la chaîne doit bien prendre par défaut et n'exposer qu'aux personnes qui le demandent.

Questions fréquentes

Un storyboard est-il encore nécessaire ? L'objet scénario est le storyboard ; les images clés en sont les cases. Les personnes le relisent entre la distribution et la production, et peuvent le modifier avant qu'aucun clip ne soit généré.

Combien de temps faut-il pour un film ? La direction prend moins d'une minute, la distribution quelques minutes, et l'animation entre dix minutes et une heure selon la gamme et la file d'attente du fournisseur. L'assemblage prend quelques secondes.

Les mêmes personnages peuvent-ils apparaître dans un second film ? Oui. Les fiches de référence sont enregistrées avec le personnage, si bien qu'une seconde histoire peut réutiliser la même distribution avec la même apparence.

Combien cela coûte-t-il ? Presque entièrement l'étape vidéo ; consultez l'article sur l'anatomie des coûts pour les chiffres par gamme.