Une vidéo tirée d'une seule photo produit revient à $4,25 au lieu de $2,42 à cause des défauts de Seedance 2.0
Un vendeur de marketplace a besoin d'une vidéo verticale de 15 secondes, mais il n'a qu'une photo de flacon et aucun budget pour un tournage. L'auteur a monté un pipeline : Gemini dessine un storyboard de six plans, un modèle textuel rédige le prompt, Seedance 2.0 tourne la vidéo. Le premier jet coûte $2,42, mais il présente quatre types de défauts, par exemple un slogan où la lettre « Е » remplace le « Э ». Trois re-tournages ajoutent $1,83 et la facture grimpe à $4,25. Il faut donc prévoir pour une vidéo un budget presque deux fois supérieur au coût du premier jet.
Traité par IA depuis Habr AI ; édité par Hamidun News
Les vendeurs de marketplaces formulent souvent la même demande : ils n'ont qu'une seule photo du produit, il leur faut une vidéo publicitaire verticale de 15 secondes, et ils n'ont pas de budget pour un tournage en conditions réelles. L'auteur d'une analyse publiée sur Habr a monté un pipeline qui produit une telle vidéo via API, puis a chiffré ce que cela donne en pratique. Le premier jet, c'est-à-dire la première version générée, coûte $2,42 (images, prompt et vidéo Seedance 2.
0). Mais la vidéo présentait des défauts : dans le slogan, par exemple, le modèle a dessiné un « Е » à la place de la lettre « Э ». Les corrections (trois re-tournages de plans ratés) ont ajouté $1,83, et la facture totale atteint environ $4,25.
Si vous produisez ce type de vidéos pour des clients ou les intégrez à un service destiné aux vendeurs, comptez un coût de revient presque deux fois supérieur au prix du premier jet.
Comment fonctionne le pipeline
Le schéma comporte cinq étapes. D'abord, la photo du produit et le brief partent vers un générateur d'images. Dans le test, la photo d'un sérum fictif, « СЕВЕР », a été générée avec gemini-3.
1-flash-image. Le générateur dessine un storyboard : six plans en grille de 2 sur 3, avec la durée sous chacun. Ensuite, le storyboard est transmis à un modèle textuel, qui rédige le prompt vidéo plan par plan, avec les timecodes.
La troisième étape est la génération avec bytedance/seedance-2.0 via OpenRouter : 15 secondes, format 9:16, 720p, avec son. Les quatrième et cinquième étapes consistent à visionner la vidéo image par image, puis à re-tourner un par un les plans ratés.
Le texte est ajouté ensuite, au montage.
OpenRouter sert les modèles vidéo de façon asynchrone. On crée une tâche via POST /api/v1/videos, puis on interroge GET /api/v1/videos/{id} jusqu'à ce que le statut passe à completed. La réponse finale contient un lien vers le fichier et usage.cost en dollars : inutile de calculer le prix d'un jet à partir des tokens.
Seedance propose deux modes principaux. Dans le mode input_references, les images servent de repère : le modèle reprend l'emballage et les couleurs de la photo, l'ordre des plans du storyboard, et construit lui-même les images. Dans le mode frame_images avec first_frame, l'image devient le tout premier plan, à l'identique.
Le premier mode sert pour la vidéo entière, le second pour re-tourner un seul plan. Il existe aussi une troisième option : first_frame plus last_frame, où le modèle reconstitue le mouvement entre deux images. Pour éviter que l'emballage soit redessiné, l'auteur nomme au début du prompt le rôle de chaque image : la première est l'unique référence du flacon, l'étiquette ne doit pas changer ; la seconde ne donne que l'ordre des plans.
Pour un re-tournage, il extrait avec ffmpeg la dernière image du plan précédent, la fournit comme first_frame et demande de poursuivre le mouvement. Le raccord se fait sans saut. Le son est désactivé dans ces plans insérés : le prix ne change pas (environ $0,15 par seconde, avec ou sans son), mais un re-tournage avec son a été bloqué par la modération, qui a jugé la musique générée trop proche d'une œuvre existante.
Quatre types de défauts
À première vue, la vidéo du premier jet semble prête, mais le visionnage image par image révèle quatre problèmes.
Premier problème : une faute dans le texte à l'écran. Le slogan venait du storyboard, le modèle textuel l'a recopié dans le prompt, et le modèle vidéo l'a dessiné avec une coquille. Désormais, le prompt vidéo ne doit contenir aucun texte nouveau, hormis l'inscription de l'étiquette. À destination du modèle textuel, l'auteur écrit explicitement : « N'ajoute ni slogans, ni génériques, ni aucun texte nouveau ».
Deuxième problème : l'étiquette « collée ». Pendant un mouvement orbital de la caméra, le fond change, mais l'étiquette reste constamment tournée vers l'objectif. À partir d'une seule photo, le modèle ne connaît qu'une seule face du flacon. Un travelling latéral ou une orbite ne dépassant pas un quart de tour est plus fiable. Fournir plusieurs angles en entrée aiderait probablement, mais l'auteur ne l'a pas vérifié.
Troisième problème : un saut au raccord. Deux plans voisins sont tournés presque du même point de vue, et le flacon se déplace de quelques centimètres. Les plans voisins doivent différer nettement par l'échelle de plan ou l'angle de prise de vue.
Quatrième problème : les transitions ignorées. Au lieu d'un fondu enchaîné entre le quatrième et le cinquième plan, on obtient un raccord sec, et la caméra part dans la mauvaise direction à la jonction. Il faut décrire la suite par un mouvement visible : « toute la scène part vers la droite » est plus fiable que « la caméra va vers la gauche ». Mieux vaut réaliser les transitions au montage.
Combien ça coûte et quelles sont les limites
Le storyboard et la photo du produit (2 images 1K) coûtent $0,14, le prompt de gemini-3.5-flash environ $0,01, la vidéo de 15 secondes avec son $2,27. Au total, cela fait $2,42. Trois re-tournages de 4 secondes sans son ont coûté $1,83, soit environ $4,25 au final. 27 secondes de vidéo ont été facturées, 15 sont entrées dans la vidéo finale : le coefficient de consommation est donc de 1,8. Les prix sont donnés au 8 octobre 2026, hors commissions.
Les étapes 1 à 4 prennent environ une demi-heure, dont huit minutes d'attente de la vidéo. Un plan de 4 secondes met environ trois minutes à se générer. L'étape 5 absorbe le reste de la soirée, et l'auteur n'a pas réussi à l'automatiser entièrement.
L'API a aussi ses limites. Seedance 2.5 via OpenRouter a rejeté des images photoréalistes de personnes avec l'erreur InputImageSensitiveContentDetected.
PrivacyInformation. L'auteur ne l'a pas vérifié sur la version 2.0, mais la gamme et la protection de ByteDance sont communes.
Il est donc impossible de réaliser ainsi une vidéo « produit dans les mains d'un héros » avec votre propre personnage : le héros devra être décrit par des mots. Les requêtes rejetées n'ont rien coûté. La modération intervient aussi après la génération : lors des tests, elle a écarté des vidéos comme de la musique.
Seules les tentatives réussies ont été facturées, mais le temps d'attente était perdu. Par ailleurs, le modèle conserve l'inscription de la photo, mais aime la retoucher : chaque inscription doit donc être comparée à l'original lettre par lettre, dans chaque plan.
Avant livraison, l'auteur vérifie six points : les inscriptions correspondent à l'original ; il n'y a aucun texte nouveau dans l'image ; lors de l'orbite, l'étiquette tourne avec le produit ; les plans voisins diffèrent par l'échelle ou l'angle ; le mouvement au raccord va dans une seule direction ; la bande-son ne contient ni parole ni chant intempestifs. Le dernier point s'automatise facilement : le clip entier est envoyé à gemini-flash-latest (vidéo inline, jusqu'à ~18 МБ), et le modèle énumère toutes les paroles avec leurs timecodes. Les cinq premiers points ne se vérifient pour l'instant qu'à l'œil, sur une planche-contact.
Principale conclusion : une vidéo tirée d'une seule photo se réalise en une demi-heure environ, mais le premier jet n'est presque jamais la version finale. Prévoyez pour les corrections autant que pour le premier passage, gardez le texte en dehors de la génération et vérifiez l'étiquette image par image.
- 18 nov. 2026Alibaba réduit de 67% le coût par tâche de Qwen4-Max, mais GPT-6.1 Sol reste moins cher : 3,27 $ contre 1,27 $
- 18 nov. 2026Meituan publie les poids d'un modèle agentique de 1,6 billion de paramètres, entraîné sans Nvidia
- 12 nov. 2026Google ouvre les précommandes de lunettes Gemini à partir de 395 $ et bloque la prise de vue discrète
- 12 nov. 2026Samsung prépare un abonnement payant pour Galaxy AI : à partir de 4,99 $ par mois, avec des crédits à la place de l'illimité
Questions clés sur cet article
Comment fonctionne le pipeline?
Le schéma comporte cinq étapes. D'abord, la photo du produit et le brief partent vers un générateur d'images. Dans le test, la photo d'un sérum fictif, « СЕВЕР », a été générée avec gemini-3.1-flash-image. Le générateur dessine un storyboard : six plans en grille de 2 sur 3, avec la durée sous chacun. Ensuite, le storyboard est transmis à un modèle textuel, qui rédige le prompt vidéo plan par plan, avec les timecodes.
Que sait-on sur Quatre types de défauts ?
À première vue, la vidéo du premier jet semble prête, mais le visionnage image par image révèle quatre problèmes. Premier problème : une faute dans le texte à l'écran. Le slogan venait du storyboard, le modèle textuel l'a recopié dans le prompt, et le modèle vidéo l'a dessiné avec une coquille. Désormais, le prompt vidéo ne doit contenir aucun texte nouveau, hormis l'inscription de l'étiquette.
Que sait-on sur Combien ça coûte et quelles sont les limites ?
Le storyboard et la photo du produit (2 images 1K) coûtent $0,14, le prompt de gemini-3.5-flash environ $0,01, la vidéo de 15 secondes avec son $2,27. Au total, cela fait $2,42. Trois re-tournages de 4 secondes sans son ont coûté $1,83, soit environ $4,25 au final. 27 secondes de vidéo ont été facturées, 15 sont entrées dans la vidéo finale : le coefficient de consommation est donc de 1,8. Les prix sont donnés au 8 octobre 2026, hors commissions.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.