Un débutant tourne une fusillade digne du cinéma avec Seedance 2.5 en 4 heures pour 40 $

L'utilisateur @Maf1k3 fait de la vidéo IA depuis seulement quelques semaines. Pendant ce temps, il a réalisé la série « Konchenye kozyrki » (« Les Casquettes finies »), dans l'esprit de Guy Ritchie, dont les héros sont lui-même et ses amis. Les premiers épisodes n'étaient qu'une blague : une suite d'images presque sans scénario. Vers la fin, l'envie d'un vrai film est venue, et dans le cinquième épisode il a tourné une véritable fusillade. Ce qui est intéressant dans ce retour d'expérience, ce n'est pas le résultat mais le processus : l'auteur a obtenu un pipeline clair et peu coûteux, qui peut être reproduit.

Comment fonctionne le pipeline

La scène : un règlement de comptes avec Don dans un parking souterrain. Une phrase mal comprise, le héros attrape son arme, puis un ralenti sur « Time in a Bottle » de Jim Croce. Il fallait que ce soit à la fois épique et triste.

L'auteur a réparti le travail entre les modèles comme entre les rôles d'une équipe :

• ChatGPT — coscénariste de l'intrigue et des motivations des personnages. C'est aussi lui qui a créé un skill rédigeant des prompts pour Seedream dans le style de l'auteur.
• Claude — le « directeur technique ». Il proposait la mise en scène de chaque plan, que l'auteur adaptait à sa vision. Tous les prompts pour Seedance ont aussi été écrits par Claude.
• Seedream 5.0 Pro — les images de référence.
• Seedance 2.5 via Hedra — la vidéo elle-même et tous les effets sonores.
• DaVinci Resolve — le montage. Musique : Jim Croce.

L'auteur avait réalisé les autres épisodes dans MiniMax H3. Mais il voulait un beau final : il a donc transféré toute la fusillade dans Seedance et l'a payée séparément.

Ce qui marche dans Seedance — et ce qui ne marche pas

L'essentiel des notes de l'auteur réside dans ses observations pratiques. Voici celles qui serviront à quiconque fait de la vidéo par prompts :

• Découpez en plans. Une longue scène d'action en un seul plan-séquence sans coupes embrouille le modèle. Schéma qui fonctionne : des plans séparés avec des coupes franches, en précisant pour chacun la durée et le type de transition. À l'intérieur d'un plan, l'auteur détaillait tout seconde par seconde : la caméra, le mouvement, le ralenti, ce qui est flou.
• Indiquez toujours la caméra. Si vous ne précisez pas où elle se trouve et comment elle se déplace, le modèle copie l'angle de l'image de référence.
• Surveillez les références. Le modèle interprète les images fixes superflues comme la première image. Mieux vaut décrire par écrit la disposition des personnages dans l'espace.
• Décrivez les personnages sur des lignes séparées. Chacun a son tag et son rôle. Selon l'auteur, les visages tiennent ainsi mieux.
• Ne courez pas après les longues générations. Elles étaient imparfaites, c'est pourquoi l'auteur en a extrait les passages réussis.

Les émotions sont bien rendues. Dans le plan en snorricam sur l'un des héros, il fallait montrer la peur et l'incompréhension. Selon l'auteur, c'est venu presque du premier coup. Le modèle n'a jamais abîmé les visages de personnes réelles, même en 480p. Il est vrai que la scène repose surtout sur des gros plans, avec presque aucun plan très large — or ce sont généralement les premiers où les visages se dégradent.

Argent, temps et résolution

La génération et le montage de la scène ont pris environ quatre heures. Environ 6 à 7 000 crédits Hedra ont été dépensés, soit environ 40 $.

Une autre trouvaille concerne la résolution. L'auteur prévoyait de faire le final en 720p et d'utiliser la 480p pour les brouillons. Mais les brouillons avaient une allure tout à fait correcte, et il ne les a pas refaits. Au final, presque toute la scène est restée en 480p, et seuls quelques plans ont été faits en 720p. Il a comparé les versions 2.0 et 2.5 sur la première scène et n'a presque vu aucune différence, mais dans Hedra la 2.5 en 480p s'est avérée encore moins chère — il a donc tout fait avec elle ensuite.

Que faire de tout cela et où est le piège

Une réserve importante : il s'agit de l'expérience personnelle d'un seul auteur, pas d'un benchmark. Il est débutant et écrit honnêtement qu'il n'imagine plus revenir à d'autres modèles. Il n'y a pas de comparaison chiffrée avec les concurrents. Des formules comme « rien à redire » et « presque tout du premier coup » sont des appréciations subjectives. Le résultat en 480p convient à une série artisanale sur Telegram, mais peut ne pas suffire pour une production commerciale. Le coût dépend des tarifs de Hedra et peut changer.

La conclusion pratique pour les développeurs et les product managers est la suivante. La génération vidéo ressemble de plus en plus au travail habituel avec du code : vous avez une spécification par plans, un modèle exécutant et un modèle « directeur technique » qui rédige cette spécification. Le storyboard avec timings, les coupes franches plutôt que les longs plans-séquences et les tags de personnages sont des techniques que vous pouvez intégrer dès maintenant à votre processus.

Essayez ainsi : d'abord un brouillon en basse résolution, puis décidez s'il vaut la peine de dépenser de l'argent pour la 720p. L'auteur a finalement jugé que non, et a économisé.