Veo Omni Flash 1.2 passe de 7 à 8,5 sur 10 dans un test, mais confond les références

On loue généralement les modèles vidéo à partir de démos sélectionnées par l'éditeur lui-même. Il est donc plus intéressant de voir quelqu'un prendre la nouvelle version, la faire tourner sur les mêmes prompts que la précédente et écrire honnêtement où elle trébuche. C'est exactement ainsi qu'un auteur de Habr a testé Google Veo Omni Flash 1.2.

Ce que montrent les tests

L'auteur tient deux classements personnels. Dans le premier, « texte vers vidéo », 12 modèles ont reçu le même prompt sur un cuisinier de rue préparant des nouilles, et chacun a été noté de 1 à 10. Veo Omni Flash 1.2 a obtenu 8,5 et s'est classée 4e. La version précédente, 1.1, a eu 7 points et s'est retrouvée 6e. Dans les deux cas, une vidéo coûte 21 jetons : la qualité a donc progressé sans hausse de prix.

Dans le second test, « animation d'image », le modèle reçoit trois images toutes prêtes (un portrait, un chantier et un pot) et doit les animer. Le résultat est calculé sur 100. Omni Flash 1.2 obtient 76,2, la version 1.1 à peu près autant. Autrement dit, si votre scénario principal consiste à animer une image existante, la mise à jour n'apporte presque rien.

Les deux tests ont été refaits avec les mêmes prompts et les mêmes images, la comparaison entre versions est donc honnête. C'est un point fort de cette étude : seul le modèle change, pas les conditions.

Nouveautés : 15 secondes et 7 références

La durée de la vidéo passe à 15 secondes. De plus, dans SYNTX.AI, on peut charger jusqu'à 7 images en mode références. Les références servent à ce que les personnages et les objets restent identiques d'une scène à l'autre. Pour la publicité et les formats de séries, c'est plus important qu'une belle image.

En pratique, le résultat est inégal. Dans une publicité avec une gamme de 6 emballages, le modèle en a conservé 4. Dans une vidéo sur une salle de sport avec 7 coachs, trois ont perdu des détails : cheveux, tatouage, position dans le cadre. En d'autres termes, les « 7 références » annoncées ne signifient pas que les sept resteront reconnaissables. Plus il y a d'objets dans le cadre, plus il y a de risques que certains « dérivent ».

Physique : le point faible

L'auteur relève la physique à part. Sur le pot, les gouttes restent figées alors qu'elles devraient couler. Et le sac de frappe se balance alors que personne ne le frappe. La première erreur est un manque de mouvement, la seconde un mouvement sans cause. Toutes deux sont visibles même sans analyse image par image, et toutes deux passent facilement inaperçues si l'on ne regarde la vidéo qu'une fois et sur un petit écran.

Que faire de tout cela

• Brouillons de scènes à partir de texte. Pour les mêmes 21 jetons, la nouvelle version est mieux notée que l'ancienne. Si vous storyboardez une idée ou testez des scénarios, la migration vaut le coup.
• Publicités avec des liquides. Gouttes, boissons renversées, vapeur : vérifiez image par image. D'après l'auteur, le modèle se trompe ici plus visiblement que Google ne le promet.
• Gammes de produits et groupes de personnes. Ne comptez pas sur le modèle pour conserver toutes les références. Divisez la scène en plusieurs vidéos avec moins d'objets, puis assemblez-les.
• Animation d'images existantes. Si vous êtes déjà sur la version 1.1 et travaillez surtout en « animation d'image », il n'y a pas de raison urgente de migrer.

Limites de l'étude

Les notes sont subjectives : elles ont été attribuées par une seule personne. Le test textuel repose sur un seul prompt, celui du cuisinier aux nouilles ; 8,5 contre 7 ne vaut donc que pour cette scène et pas pour tous les genres. Le prix de 21 jetons concerne la plateforme SYNTX.AI, pas l'API directe de Google. Les scènes avec références n'ont été ajoutées par l'auteur que pour la version 1.2 ; il n'y a donc pas de comparaison directe avec la 1.1 sur ce point.

Le bilan est simple : Veo Omni Flash 1.2 est devenue meilleure pour les brouillons rapides à partir de texte, mais pas fiable pour les publicités avec des liquides ni pour les plans comportant de nombreux personnages. Si vous produisez des vidéos de production, prévoyez du temps pour la vérification et la régénération, et ne vous fiez pas au chiffre « jusqu'à 7 références ».