Un clip IA d'une minute pour Krovostok monté en 8 heures, 55 dollars et 20 prompts
Un auteur sous le pseudo yarila2607 a réalisé un clip amateur de Krovostok, « Zlye golubi » (« Les Pigeons méchants »), de plus d'une minute, en moins de 8 heures. Le storyboard vient en grande partie de Claude, les personnages ont été dessinés avec GPT Image et Nano Banana, et la vidéo a été générée avec Vivix et T1 de TopView. Le budget tourne autour de 55 dollars, et l'humain a eu besoin d'environ 20 prompts. Conclusion : une vidéo de plus d'une minute dans un style cohérent est désormais à la portée d'une seule personne, en une soirée.
Traité par IA depuis TG: @cgevent (Метаверсище и ИИще) ; édité par Hamidun News
Les vidéos longues générées par IA restent le point faible de la vidéo générative : dix secondes, c'est spectaculaire, mais à la minute, les personnages se déforment, le style dérive et l'ensemble se réduit à une suite de morceaux disparates. Le clip amateur sur la chanson « Zlye golubi » (« Les Pigeons méchants ») de Krovostok, présenté par la chaîne « Metaversishche i IIshche » dans sa rubrique « Neiroprozharka », ne vaut donc pas pour sa musique, mais pour ses chiffres de production : plus d'une minute de vidéo cohérente, moins de 8 heures de travail et environ 55 dollars de budget.
De quoi est fait le clip
L'auteur, qui signe @yarila2607, détaille sa boîte à outils. Le storyboard a été réalisé en grande partie par Claude. Les personnages ont été générés dans GPT Image et Nano Banana. La vidéo a été assemblée avec Vivix et le modèle T1 de TopView. Fable 5.2 figure aussi dans la liste, mais le post ne donne aucun détail sur son rôle : inutile de spéculer.
La répartition du travail est la suivante. L'idée et la mise en scène sont restées à l'humain. Il a repéré le style dans des contenus courts, sans se souvenir de leur auteur. Le modèle de langage a transformé l'idée en séquence de plans : ce qu'il y a dans l'image, qui fait quoi, comment les plans s'enchaînent. Ensuite, les modèles d'image ont dessiné les héros et les scènes, et les modèles vidéo les ont animés. Selon l'auteur, Claude a conçu seul la plupart des plans avec un bon niveau de qualité, mais il a fallu l'aider par endroits.
Combien ça a coûté
L'auteur avance des montants précis. Claude et les images de GPT et Gemini ont coûté environ 40 dollars. La génération des rushes vidéo a ajouté environ 15 dollars. Le total atteint 55 dollars. Côté humain, il a fallu environ 20 prompts et moins de 8 heures.
La comparaison avec un clip classique n'est pas rigoureuse : un travail amateur n'a ni équipe de tournage, ni acteurs, ni droits sur le morceau. Mais l'ordre de grandeur est parlant. Auparavant, une vidéo avec des personnages reconnaissables et un scénario exigeait une équipe et des semaines de travail. Aujourd'hui, une seule personne s'en tire en une journée de travail et pour le prix de quelques déjeuners.
Ce qui reste limité
Premièrement, l'auteur reconnaît lui-même que Vivix manque de dynamisme. Le modèle vidéo a produit des résultats très convenables sur une partie des scènes, mais pas sur toutes, ce qui est typique : sur une dizaine de générations, deux ou trois seulement sont exploitables. Le post ne dit pas combien de prises ont été écartées, et 20 prompts ne signifient pas 20 générations.
Deuxièmement, il ne s'agit ni d'un test indépendant ni d'un benchmark. C'est l'histoire d'un passionné, et la qualité ne peut s'apprécier que sur la vidéo YouTube, dont le lien est joint au post. Les chiffres de coût sont eux aussi déclarés par l'auteur.
Troisièmement, l'objectif principal du projet n'était pas le clip, mais la validation d'une plateforme que l'auteur construit depuis environ un an. Il devait la rôder sur des vidéos longues. D'après lui, avec les dernières améliorations des modèles, il a vu pour la première fois une qualité acceptable sur une vidéo de plus d'une minute. Le post ne précise pas ce que fait exactement la plateforme.
Ce qu'il faut en retenir
Pour ceux qui développent des produits autour de la vidéo générative, deux observations sont utiles. La première : l'enchaînement « le modèle de langage fait le storyboard, le modèle d'image fixe les héros, le modèle vidéo les anime » peut déjà former un pipeline fonctionnel. Fixer les personnages par des images dédiées aide à garder leur apparence stable d'un plan à l'autre. La seconde : le goulot d'étranglement s'est déplacé. Ce n'est plus le rendu qui coûte cher, mais la direction artistique : l'idée, le goût et la sélection des plans restent du côté de l'humain.
Pour les producteurs et les studios, la conclusion est simple. Les clips, les spots publicitaires et les teasers de plus d'une minute ne sont plus l'apanage de ceux qui ont un budget de tournage. La concurrence se déplace vers ceux qui formulent le mieux la tâche pour les modèles et savent sélectionner les bons plans. Pour l'instant, la dynamique des modèles vidéo reste inférieure à celle d'un tournage réel, mais l'écart, à en juger par cet exemple, se réduit plus vite que le coût.
- 21 nov. 2026Un mathématicien d'Anthropic affirme que Claude l'a aidé à prouver l'hypothèse de Riemann en six semaines
- 21 nov. 2026OpenAI ouvre ChatGPT Spaces aux abonnés Plus : des documents collaboratifs avec IA
- 21 nov. 2026Les géants technologiques chinois ont doublé leurs dépenses en IA à 139 milliards de dollars, mais leurs laboratoires couvrent moins de 8 % de ces coûts
- 21 nov. 2026Le navigateur Ego lite attribue à chaque agent IA son propre espace de travail Space
Questions clés sur cet article
Que sait-on sur De quoi est fait le clip ?
L'auteur, qui signe @yarila2607, détaille sa boîte à outils. Le storyboard a été réalisé en grande partie par Claude. Les personnages ont été générés dans GPT Image et Nano Banana. La vidéo a été assemblée avec Vivix et le modèle T1 de TopView. Fable 5.2 figure aussi dans la liste, mais le post ne donne aucun détail sur son rôle : inutile de spéculer. La répartition du travail est la suivante. L'idée et la mise en scène sont restées à l'humain.
Que sait-on sur Combien ça a coûté ?
L'auteur avance des montants précis. Claude et les images de GPT et Gemini ont coûté environ 40 dollars. La génération des rushes vidéo a ajouté environ 15 dollars. Le total atteint 55 dollars. Côté humain, il a fallu environ 20 prompts et moins de 8 heures. La comparaison avec un clip classique n'est pas rigoureuse : un travail amateur n'a ni équipe de tournage, ni acteurs, ni droits sur le morceau. Mais l'ordre de grandeur est parlant.
Que sait-on sur Ce qui reste limité ?
Premièrement, l'auteur reconnaît lui-même que Vivix manque de dynamisme. Le modèle vidéo a produit des résultats très convenables sur une partie des scènes, mais pas sur toutes, ce qui est typique : sur une dizaine de générations, deux ou trois seulement sont exploitables. Le post ne dit pas combien de prises ont été écartées, et 20 prompts ne signifient pas 20 générations. Deuxièmement, il ne s'agit ni d'un test indépendant ni d'un benchmark.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
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.
