Guide d'utilisation
Recettes de prompts Flux-3-Max pour la génération vidéo à partir d'image : modèles à copier-coller pour les développeurs
Structures réutilisables de description de première image, formulations de mouvement et de caméra, et prompts négatifs de stabilité
Sur cette page
Pourquoi la structure du prompt compte plus que sa longueur
Les développeurs qui débutent en génération vidéo à partir d'image rédigent souvent leur prompt comme un scénario : un long paragraphe décrivant l'histoire du personnage, son émotion, la palette de couleurs et une dizaine de choses qui devraient se produire. Cette approche échoue, car le modèle ne lit pas un récit — il effectue une génération courte conditionnée par l'image source. Plus vous ajoutez de prose, plus le signal devient flou.
Ce qui fonctionne vraiment, c'est une structure ordonnée. Un prompt pour flux-3-max/image-to-video doit se lire comme un petit fichier de configuration : d'abord ancrer l'image, ensuite déclarer le mouvement, enfin contraindre la sortie. Chaque bloc répond à une question.
- Bloc de première image — qu'est-ce qui est déjà visible dans l'image source ? Sujet, scène, éclairage.
- Bloc de mouvement — qu'est-ce qui change au cours du clip ? Action du sujet et mouvement de caméra.
- Bloc négatif — qu'est-ce qui ne doit jamais apparaître ? Uniquement des catégories d'artefacts.
Cet ordre compte parce que le modèle se concentre d'abord sur l'image source. Si le texte d'ouverture décrit une scène qui ne correspond pas à l'image, tout ce qui suit dérive. Si le texte d'ouverture confirme l'image, le modèle dispose d'une base stable pour accepter les instructions de mouvement qui suivent.
La longueur en soi n'est pas l'ennemi — la redondance l'est. Dix mots qui remplissent chacun leur rôle valent mieux que cent mots qui se répètent. Pour relire un prompt, posez-vous une question pour chaque phrase : cela changera-t-il ce que le modèle rend ? Si non, supprimez-la. C'est précisément pour cette raison que les modèles présentés plus loin dans ce guide sont courts.
Retenez aussi une règle : un prompt n'est pas une liste de souhaits. Empiler des instructions concurrentes (« avancer lentement tout en orbitant et en reculant ») place le modèle face à une physique contradictoire, ce qui produit généralement des secousses plutôt qu'un mouvement fluide. L'expression d'une intention unique traverse chacune des sections ci-dessous.
Le bloc de description de la première image
Le bloc de première image décrit ce que contient déjà l'image source, réécrit dans la langue du modèle. Vous n'inventez pas la scène — vous dites au modèle ce qu'il voit, afin que les instructions de mouvement aient un sujet sur lequel agir.
Le sujet
Nommez le sujet principal par un groupe nominal, en ajoutant si nécessaire un adjectif de matière ou d'état : une tasse en céramique sur une table, une femme en chemise en lin, une crête montagneuse au crépuscule. Évitez les adjectifs d'émotion — ils n'ont pas leur place dans le prompt, car ils ne correspondent à aucun pixel.
La scène
Décrivez l'environnement en une proposition : dans un studio lumineux, adossée à un mur en béton, sur un sentier forestier. Cela aide le modèle à décider quelles parties de l'arrière-plan doivent rester stables et lesquelles peuvent changer.
L'éclairage
L'éclairage est la partie la plus sous-spécifiée de la plupart des prompts, et pourtant la plus visible dans la sortie. Une courte proposition suffit : douce lumière de fenêtre venant de la gauche, lumière du jour par temps couvert, éclairage chaud de lampe. Préciser la direction de la lumière et pas seulement sa qualité permet au modèle de conserver une hypothèse cohérente d'ombre et de lumière entre les images.
Ce qu'il ne faut pas inclure
Le bloc de première image n'est pas l'endroit pour l'histoire de fond, l'émotion ou les événements futurs. Si vous voulez que le sujet sourie, c'est une instruction de mouvement, pas une description. Garder ce bloc purement descriptif empêche le modèle d'halluciner des détails que l'image ne soutient pas.
Un bloc de première image complet pourrait être : une tasse en céramique sur une table en bois, dans un studio lumineux, douce lumière de fenêtre venant de la gauche. C'est tout l'ancrage. Tout le reste est du mouvement.
La formulation du mouvement et du mouvement de caméra
La formulation du mouvement fonctionne mieux lorsqu'elle est spécifique, concise et d'intention unique. Le modèle réagit aux verbes de mouvement et à la géométrie de la caméra, pas aux abstractions de mise en scène.
Le mouvement du sujet
Utilisez une proposition d'action : de la vapeur s'élève lentement, elle tourne légèrement la tête, le tissu flotte au vent. Gardez le sujet et le verbe côte à côte. Évitez d'enchaîner deux actions sur le même sujet, sauf si elles sont naturellement liées — il lève la tasse et boit une gorgée fonctionne ; il lève la tasse tout en s'éloignant ne fonctionne pas.
Le mouvement de caméra
Le mouvement de caméra s'exprime au mieux par une phrase qui indique l'opération et la direction : travelling avant lent, panoramique de gauche à droite, orbite autour du sujet, léger travelling vertical vers le haut. Des mots comme lent ou léger sont souvent plus utiles que des vitesses numériques, car ils fixent l'intention sans exiger du modèle une cadence précise qu'il ne peut pas tenir de manière fiable.
Choisissez un seul mouvement de caméra par clip. L'empilement de mouvements est la cause la plus fréquente d'une sortie instable : lorsqu'on demande à la fois un travelling avant et une orbite, le modèle tente de satisfaire les deux, ce qui provoque des distorsions autour des contours du sujet. Si vous avez vraiment besoin d'un mouvement composé, découpez-le en deux clips, ou acceptez que le second mouvement ne soit qu'approximatif.
Séparer le sujet de la caméra
Écrivez le mouvement du sujet et le mouvement de caméra comme deux phrases distinctes. La vapeur s'élève lentement. Travelling avant lent. Ainsi, modifier l'un ne nécessite pas de toucher l'autre — comme l'explique la section sur l'itération, c'est ainsi qu'on débogue un prompt.
Les formulations à éviter
Évitez les directions abstraites : cinématographique, épique, dynamique, émotionnel. Elles ne spécifient aucun changement de pixel et ne font qu'ajouter du bruit. Si vous voulez un rendu particulier, décrivez la géométrie de la caméra ou l'éclairage, pas la sensation.
Les prompts négatifs de stabilité réellement utiles
Les prompts négatifs sont souvent mal utilisés comme une seconde description de style — pour énumérer tout ce que vous n'aimez pas. Cela surcontraint le modèle et rend souvent la sortie pire, car la génération doit désormais éviter beaucoup de choses au lieu d'en réussir une.
Avec flux-3-max/image-to-video, l'usage efficace d'un prompt négatif est la suppression d'artefacts. Des termes négatifs étroits et techniques indiquent au modèle quels modes d'échec éviter, sans toucher à la direction créative.
Termes négatifs d'artefacts utiles
distorsion,déformation,scintillement— problèmes de stabilité temporelle.membres supplémentaires,visages dupliqués— erreurs structurelles autour des personnes.artefacts de texte,filigrane— détails de type glyphe non désirés.bords flous,contours crénelés— instabilité des limites.
Ce sont des descriptions de la manière dont la génération échoue, pas de la manière dont vous voulez qu'elle rende. C'est le test pour décider si un terme négatif doit rester.
Termes négatifs généralement nuisibles
Évitez les termes négatifs de style : pas cinématographique, pas cartoon, pas de couleurs vives. Ils entrent en conflit avec le prompt positif et peuvent aplatir la sortie. Si le prompt positif est bien spécifié, les termes négatifs de style sont inutiles.
Gardez la liste courte
Deux à cinq termes négatifs étroits suffisent généralement. Une liste négative trop longue augmente la probabilité de contraintes conflictuelles, et le modèle peut supprimer des détails légitimes en même temps que les artefacts. Commencez par la stabilité temporelle et les éléments de bordure, et n'ajoutez d'autres termes que lorsque vous observez l'artefact correspondant lors d'un essai.
Modèles de recettes prêts à copier
Ces squelettes suivent l'ordre des sections précédentes : bloc de première image, puis mouvement, enfin termes négatifs. Remplacez les emplacements entre crochets en conservant la structure.
Clip produit
[groupe nominal du produit] sur [surface], dans [environnement], [direction et qualité de l'éclairage].
[un mouvement subtil du sujet, par exemple reflet qui se déplace / lumière qui balaie la surface].
[un seul mouvement de caméra, par exemple travelling avant lent / légère orbite].
Négatif : distorsion, scintillement, artefacts de texte.
Clip portrait
[groupe nominal de la personne] portant [vêtement], sur fond de [arrière-plan], [direction et qualité de l'éclairage].
[un petit mouvement du sujet, par exemple léger mouvement de tête / clignement des yeux].
[un seul mouvement de caméra, par exemple travelling avant lent / léger travelling vertical vers le haut].
Négatif : distorsion, membres supplémentaires, visages dupliqués.
Clip d'environnement
[groupe nominal de paysage ou d'intérieur], [moment de la journée et météo], [direction et qualité de l'éclairage].
[un mouvement environnemental, par exemple nuages qui dérivent / feuilles qui oscillent au vent].
[un seul mouvement de caméra, par exemple panoramique lent de gauche à droite / léger travelling vertical vers le haut].
Négatif : scintillement, bords flous, déformation.
Règles d'adaptation
- Gardez un seul nom pour le groupe nominal du sujet, avec au plus un modificateur.
- Pour changer d'action, modifiez uniquement le verbe de mouvement — gardez la structure fixe.
- Si le clip semble instable, retirez d'abord le mouvement de caméra avant toute autre modification ; ne conserver que le mouvement du sujet est généralement une base plus sûre.
Ces modèles sont des points de départ, pas des prompts définitifs. L'interaction entre l'image source et la formulation est plus forte que la plupart des développeurs ne l'imaginent, alors traitez chaque modèle comme une hypothèse, validez-la lors d'un court essai avant de l'utiliser à grande échelle.
Itérer entre les clips et traiter en lot
La manière la plus rapide d'aboutir à un bon prompt est de ne modifier qu'une seule variable à la fois et de vérifier avec un court essai. Une boucle pratique ressemble à ceci :
- Rédiger un prompt à partir du modèle le plus proche.
- Générer un clip court.
- Comparer avec l'image source — le sujet est-il préservé ? Le mouvement est-il d'intention unique ? Y a-t-il des artefacts ?
- Identifier le bloc unique responsable et modifier uniquement ce bloc.
- Régénérer et comparer.
Cette boucle est volontairement lente sur le premier clip, puis rapide ensuite, car chaque bloc fixé devient un actif réutilisable. La plupart des instabilités remontent à des mouvements de caméra empilés (bloc de mouvement) ou à des groupes nominaux de sujet qui ne correspondent pas à l'image (bloc de première image). En ne changeant qu'une chose à la fois, vous savez laquelle.
Passer à l'échelle du lot
Une fois le prompt stabilisé sur une image, promouvez-le en modèle et appliquez la même structure à des images sources similaires. L'itération en lot fonctionne parce que la structure ne change pas, seuls les emplacements changent :
- Synchronisez le bloc de première image avec chaque nouvelle image ; ne copiez pas la description d'une autre image.
- Gardez la formulation du mouvement cohérente, sauf si le type de clip change.
- Figez la liste des termes négatifs par catégorie de clip.
Examinez les résultats du lot par type de clip plutôt que fichier par fichier, afin que les problèmes systémiques (par exemple, tous les clips de portrait se déforment aux épaules) apparaissent immédiatement au lieu de se perdre dans des notes fichier par fichier.
Enfin, consignez quel variant de prompt a produit quelle sortie. Un court journal des modifications de prompt par catégorie de clip fait gagner plus de temps que toute phrase isolée particulièrement habile. Construisez la boucle, maintenez la structure, et laissez les modèles porter le travail répétitif.
Articles similaires
Voir tous les articles →-
Guide d'utilisation
Guide de démarrage avec gpt-6.2-sol : limites de capacité, intégration API et tarification par token
Points de décision et de pratique pour l'intégration par les équipes d'ingénierie
-
Guide d'utilisation
Guide de prise en main de gpt-6.2-astra : limites de capacités du modèle texte, points d'intégration et maîtrise des coûts
-
Guide d'utilisation
Guide de prise en main de Tripo H3.1 : trois modes d'entrée, paramètres et choix tarifaires
Décision d'intégration et maîtrise des coûts de la génération 3D pour les développeurs