Workflow API image-vers-vidéo : Runway, Wan 2.7, Vidu et modèles API en production

Vous avez une image statique entre les mains — un rendu produit, un visuel principal validé, une planche de personnage — et vous devez la faire bouger. Pas générer une nouvelle scène vaguement similaire, mais faire bouger cette image elle-même. C'est exactement ce que fait l'image-vers-vidéo (i2v), et c'est une intégration radicalement différente de « saisir un prompt puis espérer que le modèle dessine ce que vous avez en tête ». Cet article est la version pratique : préparer l'image source, contrôler où le mouvement commence et où il se termine, écrire des prompts qui pilotent l'animation plutôt que de redécrire l'image, et gérer le polling et les callbacks pour qu'un rendu de plusieurs minutes ne fasse pas s'effondrer votre backend.

Vous hésitez encore à utiliser l'i2v plutôt que le texte-vers-vidéo ? Cet article part du principe que vous avez tranché et que vous voulez bien exploiter l'i2v.

Quand l'image-vers-vidéo est le bon choix

Utilisez l'i2v quand l'image de départ est non négociable. Le modèle ne crée pas le sujet de zéro ; il reçoit votre image et y ajoute du mouvement, ce qui offre à tout contenu devant rester cohérent avec la marque ou avec une forme donnée une garantie que le texte-vers-vidéo ne peut pas offrir — des visuels produits de vrais SKU, la transformation d'un visuel principal validé en boucle d'en-tête, une planche de personnage dont le visage doit rester identique, ou un effet avant→après avec une image de départ et une image de fin fixées, où le modèle remplit la transition. Si le sujet est libre, le texte-vers-vidéo demande généralement moins de travail. La valeur centrale de l'i2v, c'est que l'image statique est fixe.

Le paysage de l'image-vers-vidéo en 2026

Le domaine de l'i2v est très concurrentiel et exigeant. Il est utile de le connaître en contexte, même si le workflow invocable ci-dessous s'appuie sur un ensemble de modèles sélectionnés :

• Runway Gen-4 / Gen-4.5. Successeurs de Gen-3 Alpha ; ils ont poussé la « cohérence de monde » entre les plans ainsi que le mouvement fondé sur la physique et les mouvements de caméra délibérés. L'i2v de Gen-4.5 est largement considéré comme le meilleur choix pour un contrôle créatif serré dans la publicité ou les livrables clients (Runway Research, « Introducing Runway Gen-4 », 2026 ; ZNIX, récapitulatif des modèles, 2026). La fonction image-vers-vidéo de Gen-4.5 est également disponible sur HiAPI sous l'ID de modèle runway-gen-4.5/image-to-video ; voir le Guide API Runway Gen-4.5.
• Vidu Q3. Construit autour du conditionnement par image de départ et image de fin — image de début, image de fin cible, prompt de variation, et il remplit la partie intermédiaire — jusqu'à 16 secondes en 1080p avec audio (Vidu, « AI Image to Video », 2026).
• Kling 3.0. Excellent pour générer des mouvements humains complexes à partir d'une image fixe de référence, avec prise en charge native de la 4K et de la synchronisation labiale (TeamDay.ai, « Best AI Video Models 2026 », 2026).
• Seedance 2.0. Le modèle de ByteDance (12 février 2026) maintient la stabilité des détails produit, des logos et du texte entre les images — exactement ce dont l'i2v e-commerce a besoin (opencreator.io, « AI Video Models Comparison 2026 », 2026).

Le schéma est cohérent entre les modèles performants : le contrôle de la première image est un prérequis de base, le contrôle de la dernière image n'est plus une rareté, et l'ancrage aux deux extrémités est la méthode la plus fiable pour éviter que le clip ne dérive à la dernière seconde. Le workflow ci-dessous est construit autour de ce principe. Sur HiAPI, les deux modèles i2v que vous pouvez appeler sont Seedance 2.0 (ByteDance) et Wan 2.7 image-vers-vidéo (Alibaba).

Étape 1 — Préparer l'image source

C'est l'étape que l'on saute souvent avant de blâmer le modèle. Avec l'i2v, votre première image est le plafond de qualité. Avant d'envoyer quoi que ce soit, trois choses doivent être faites :

• Aligner le rapport d'aspect sur la sortie. Rendu une source en 4:3 et demander un clip en 16:9 oblige le modèle à recadrer ou à remplir — vous perdez le contrôle sur ce qui est finalement conservé. Fixez d'abord le ratio de sortie, puis produisez l'image statique dans ce ratio. Seedance accepte aussi le ratio adaptive, qui s'aligne automatiquement sur les dimensions de l'image source.
• Rendre à la résolution de sortie voulue. Une source en 480p ne deviendra jamais un clip net en 1080p ; agrandir une entrée floue ne fait que faire bouger le flou.
• Composer le sujet proprement. Un sujet net et non encombré laisse moins de place aux mauvaises interprétations du modèle. Les arrière-plans chargés et les bords flous sont précisément ce qui produit des mouvements bizarres.

Ensuite, hébergez-la. L'API reçoit l'image source sous forme d'URL (first_frame_url), et non par téléversement de fichier ; elle doit donc être accessible via HTTPS — votre bucket de stockage, votre CDN, votre stockage d'objets signé. Un chemin localhost ou un lien que l'API ne peut pas récupérer fait échouer la tâche.

Étape 2 — Soumettre une tâche avec la première image

Sur HiAPI, chaque modèle (y compris vidéo) s'exécute via une API de tâches asynchrone. Vous créez une tâche, recevez immédiatement un taskId, et le rendu s'effectue côté serveur. Passer du texte-vers-vidéo à l'image-vers-vidéo ne demande qu'un seul champ : ajouter first_frame_url. Voici l'appel minimal, avec Seedance 2.0 :

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2-0",
    "input": {
      "prompt": "Slow cinematic push-in, a soft light sweep travels across the surface, the subject holds steady and in focus",
      "first_frame_url": "https://cdn.your-domain.com/assets/product-front.jpg",
      "aspect_ratio": "16:9",
      "duration": 5,
      "resolution": "720p",
      "generate_audio": false
    }
  }'

C'est la requête image-vers-vidéo complète. Les champs d'entrée importants :

• first_frame_url — l'image statique à animer ; sa présence est précisément ce qui fait l'i2v.
• aspect_ratio — aligné sur l'image source (ou adaptive).
• duration — les secondes de sortie ; plus c'est long, plus c'est cher et plus la dérive a de place pour s'installer.
• resolution — 480p / 720p / 1080p ; le principal levier de coût.
• generate_audio — à désactiver pour les boucles muettes et les visuels produit.

La structure complète de requête et de réponse se trouve dans la documentation. Wan 2.7 image-vers-vidéo suit le même processus création-polling-téléchargement, mais ses entrées diffèrent — il transporte l'image source dans un tableau media et sort en 720p ou 1080p — donc consultez la documentation pour sa structure exacte plutôt que de réutiliser directement le corps de requête de Seedance.

Étape 3 — Ajouter une image de fin quand la fin compte

Le contrôle par la première image indique où le clip commence et laisse le modèle décider comment il se termine — c'est précisément là que la dérive s'installe discrètement, parce que le modèle improvise la seconde moitié. Si la continuité jusqu'à la dernière image importe, fixez-la aussi :

{
  "model": "seedance-2-0",
  "input": {
    "prompt": "The product rotates a quarter turn and settles, light resolving to a clean studio key",
    "first_frame_url": "https://cdn.your-domain.com/assets/product-front.jpg",
    "last_frame_url": "https://cdn.your-domain.com/assets/product-three-quarter.jpg",
    "aspect_ratio": "16:9",
    "duration": 5,
    "resolution": "720p"
  }
}

Les deux extrémités sont maintenant fixées, et le modèle ne remplit que le mouvement entre elles. C'est le modèle de référence pour les révélations produit et les transitions avant→après, et la correction unique la plus efficace pour le problème du « clip parfait jusqu'à la dernière seconde ». Gardez les deux images sur le même sujet et la même composition — si l'image de début et l'image de fin diffèrent trop, le modèle doit inventer un chemin entre elles, et vous retombez dans l'approximation.

Étape 4 — Écrire des prompts de mouvement pour une image statique

Le prompt assume un rôle différent en i2v, et se tromper gâche des rendus. En texte-vers-vidéo, le prompt construit toute la scène. En image-vers-vidéo, le modèle voit déjà la scène — elle est dans l'image que vous fournissez — donc le rôle du prompt est le changement dans le temps, pas le contenu :

• Commencez par le mouvement de caméra. « Slow dolly-in », « gentle pan left », « push-in then hold ». Les modèles de mouvement suivent de manière fiable les verbes de caméra ; donnez-en un explicitement.
• Décrivez comment le sujet bouge, pas ce qu'il est. « Steam begins to rise », « the fabric sways », « the screen wakes and glows ». Vous chorégraphiez l'animation, pas vous ré-énumérez les objets.
• Ne redécrivez pas l'image. Répéter ce qui est évident dans l'image source entre en conflit avec le modèle et peut le pousser à régénérer plutôt qu'à animer.
• Gardez le mouvement plausible sur la durée. Un clip de 5 secondes ne peut pas porter une histoire de 20 secondes.

Un bon prompt i2v se lit comme une consigne d'action pour un cadreur, pas comme une description de scène pour un peintre.

Étape 5 — Interroger périodiquement ou recevoir un callback

La vidéo consomme des minutes de GPU, pas des millisecondes. Le rendu est délibérément asynchrone, il ne garde donc jamais la connexion ouverte. Une fois la tâche créée, deux moyens vous permettent de savoir qu'elle est terminée.

Le polling jusqu'à l'état final — adapté aux scripts et aux prototypes :

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer sk-<your-key>"
# data.status: queued -> handling -> archiving -> success (or fail)
# on success, read data.output[0].url and download it promptly — the URL expires

La réception de callback convient à tout ce qui dépasse le prototype. Plutôt que de rester dans une boucle de polling, passez un callback et laissez HiAPI vous pousser l'état final :

{
  "model": "seedance-2-0",
  "input": { "prompt": "...", "first_frame_url": "https://cdn.your-domain.com/assets/product-front.jpg", "aspect_ratio": "16:9", "duration": 5, "resolution": "720p" },
  "callback": { "url": "https://your-domain.com/hooks/hiapi", "when": "final" }
}

Dans les deux cas, l'URL de sortie est temporaire. Dès que la tâche passe à success, téléchargez immédiatement data.output[0].url vers votre propre stockage — ne la liez pas directement dans une page et ne la transmettez pas au client, car elle expire.

Modèles de production éprouvés

Quelques habitudes séparent un script de démonstration de ce qui tient à grande échelle :

• Préférez les callbacks au polling à grande échelle. Une boucle de polling par tâche gaspille du calcul et crée de la pression sur les limites de débit. Un point de terminaison de callback qui télécharge le résultat et met à jour votre enregistrement passe bien mieux à l'échelle que des centaines de pollers.
• Rendez la soumission idempotente. Les nouvelles tentatives et les callbacks au moins une fois arrivent. Donnez à chaque rendu un identifiant stable (image source + prompt + paramètres, hachés) pour qu'une nouvelle tentative ne produise pas discrètement — et ne facture pas — un clip en double.
• Le coût, c'est la résolution × la durée. La vidéo est facturée à la seconde, avec un tarif qui augmente avec la résolution ; un clip de 10 secondes en 1080p coûte donc bien plus qu'un clip de 5 secondes en 480p. Itérez en 480p, verrouillez le prompt et le mouvement de caméra, puis ne re-rendez qu'à la résolution de livraison les clips retenus. Les tarifs en temps réel figurent sur la page de tarification — ils changent, ne les codez donc pas en dur.
• Budgétez par clip utilisable, pas par rendu. Si vous en gardez un sur trois, votre coût réel par actif livrable est le triple du prix affiché — c'est ce ratio, et non le tarif à la seconde, qui détermine votre budget ; d'où l'intérêt de verrouiller le prompt en 480p avant de payer.
• Validez tôt l'URL source. Une première image que l'API ne peut pas récupérer est l'échec évitable le plus courant — vérifiez qu'elle est accessible via HTTPS avant de soumettre.

Questions fréquentes

En quoi l'image-vers-vidéo diffère-t-il du texte-vers-vidéo dans une requête ? Un seul champ. L'appel de tâche est identique par ailleurs ; ajouter first_frame_url (l'image source) le fait passer du texte-vers-vidéo à l'image-vers-vidéo. Sur HiAPI, les deux passent par le même point de terminaison POST /v1/tasks.

Puis-je contrôler à la fois la première et la dernière image ? Oui. first_frame_url fixe l'image de départ ; ajouter last_frame_url fixe l'image de fin, de sorte que le modèle ne remplit que le mouvement entre les deux extrémités fixées. Ancrer les deux extrémités est la méthode la plus fiable pour maîtriser la transition et éviter la dérive en fin de clip.

L'API Runway Gen-3/Gen-4 prend-elle en charge l'image-vers-vidéo ? Les séries Gen-3 et Gen-4 de Runway prennent en charge l'image-vers-vidéo et excellent dans le contrôle cinématographique — c'est le paysage au sens large. Le workflow invocable de ce guide s'exécute sur Seedance 2.0 et Wan 2.7 image-vers-vidéo, que HiAPI héberge derrière une seule API de tâches. Runway Gen-4.5 image-vers-vidéo fonctionne sur la même API ; le Guide API Runway Gen-4.5 contient un exemple de requête fonctionnel.

Combien de temps prend un rendu image-vers-vidéo ? Des minutes, pas des secondes — la vidéo, c'est du calcul réel. C'est pourquoi l'API est asynchrone : vous créez une tâche, puis vous interrogez ou recevez un callback, de sorte qu'un long rendu ne bloque jamais votre requête.

À retenir

L'image-vers-vidéo convient quand une image statique précise doit apparaître telle quelle à l'écran puis se mettre en mouvement. Le plafond de qualité est fixé par la résolution, le rapport d'aspect et la composition de l'image source avant même que vous n'écriviez le premier prompt — préparez-la donc d'abord et hébergez-la à un emplacement stable. Fixez la première image pour contrôler où le clip commence, ajoutez une image de fin quand la fin doit atterrir, et rédigez le prompt comme une consigne de mouvement et de caméra plutôt que comme une redescription de ce que le modèle voit déjà. Traitez ensuite cela comme ce que c'est : une tâche asynchrone — interrogez, ou mieux, recevez un callback ; rendez la soumission idempotente ; téléchargez avant l'expiration de l'URL ; budgétez par clip utilisable à la résolution de livraison.

Une fois prêt, faites passer votre image source par la page du modèle Seedance 2.0 ou Wan 2.7 image-vers-vidéo, puis branchez l'API de tâches ci-dessus et consultez les tarifs à la seconde en temps réel sur la page de tarification avant de monter en charge. (Vous cherchez d'abord une option sans clé ? Voir options gratuites de texte-vers-vidéo.)