Prompts de génération de vidéo à partir de texte Ray 3.2 : 5 recettes et clips réels

TL;DR

• La génération de vidéo à partir de texte de Ray 3.2 n'a pas d'image d'entrée, donc le prompt doit construire toute la prise de vue : le sujet, la composition de la première image, le mouvement de caméra, le rythme, la lumière, et une courte liste négative. C'est la compétence centrale que cette page cherche à entraîner.
• Voici cinq prompts prêts à copier-coller que nous avons écrits et exécutés nous-mêmes sur ray-3.2/text-to-video, chacun intégrant le clip qu'il a réellement généré. Chaque clip est une génération de 5 secondes ; quatre sont en 540p, un est en 720p.
• Un prompt Ray 3.2 fiable suit toujours le même ordre : mouvement de caméra → sujet → environnement → lumière et couleur → termes négatifs. Commencez par la caméra, pas par le sujet.
• Vérifié par des tests avant publication : duration accepte 5 ou 10, resolution accepte 540p / 720p / 1080p, aspect_ratio accepte six valeurs — 16:9, 9:16, 1:1, 4:3, 3:4, 21:9.
• La tarification se fait par clip, et non à la seconde : un clip de 5 s/540p coûte $0.2145 ; 5 s/720p coûte $0.429 (tarifs au 2026-10 — consultez la page de tarification pour la grille tarifaire actuelle).

Pourquoi le prompt de génération de vidéo à partir de texte est une compétence à part

Si vous avez l'habitude de la génération de vidéo à partir d'image, votre mémoire musculaire vous induira en erreur ici. En image-vers-vidéo, la première image est déjà fournie au modèle, donc votre prompt n'a qu'à décrire le mouvement. La génération texte-vers-vidéo part de zéro — le modèle invente à la fois la première image et le mouvement à partir de vos seuls mots. Un prompt qui dit simplement « la caméra avance lentement » n'a aucun objet sur lequel avancer.

Ainsi, sur ray-3.2/text-to-video, le prompt porte une double charge : il doit à la fois composer une première image crédible et chorégraphier comment cette image se meut. Les recettes ci-dessous sont construites autour d'une structure qui rend ces deux tâches explicites. Si vous avez déjà une image fixe que vous voulez animer, ne forcez pas le texte-vers-vidéo — utilisez plutôt le point de terminaison image-vers-vidéo Ray 3.2, qui s'ancre sur votre image et ne demande que la moitié « mouvement » du prompt.

Le squelette de prompt qui fonctionne sur Ray 3.2

Dans tous les tests, les clips qui restent cohérents suivent le même ordre de propositions :

1. Le mouvement de caméra en premier. « travelling cinématographique lent », « plan aérien en dérive latérale », « poussée caméra à l'épaule ». Ray 3.2 traite la proposition d'ouverture comme l'instruction dominante, donc placez le mouvement là.
2. Le sujet + son action. Un sujet clair qui fait une chose claire. Deux sujets concurrents, c'est précisément là que le mouvement commence à baver.
3. L'environnement. Un décor assez riche pour remplir l'image, mais sans surcharge — les scènes denses sacrifient la stabilité du mouvement.
4. Lumière et étalonnage. C'est là que Ray 3.2 excelle ; il réagit fortement au langage de la lumière (« heure dorée », « néons cyan et magenta », « contre-jour »). Nommez explicitement le style d'étalonnage.
5. Une courte liste négative. Terminez par Negative: ... pour réprimer les modes d'échec courants — texte, logo, membres déformés, scintillement, coupes abruptes.

Gardez le prompt entier à quelques phrases. Plus long n'est pas meilleur ; les propositions superflues diluent l'instruction de caméra.

Recette 1 — Commencer par la caméra : travelling avant lent

Point pédagogique : placez le mouvement de caméra dans la première proposition et utilisez 21:9 pour une sensation cinématographique grand écran.

Travelling cinématographique lent vers un gardien de phare seul sur un balcon en fer patiné,
embruns salés dérivant à travers le cadre. Lumière froide d'aube couverte, tons bleu-gris froids, ombres douces et diffuses.
La caméra glisse vers l'avant à un rythme régulier et posé, comprimant progressivement la distance, des mouettes traversant l'arrière-plan. Rendu de
lentille anamorphique, faible profondeur de champ, léger grain argentique. Negative : pas de texte, pas de
logo, pas de mains déformées, pas de coupes abruptes.

Réglages : duration 5, resolution 540p, aspect_ratio 21:9. Le « travelling cinématographique lent » d'ouverture fait le gros du travail — Ray 3.2 le lit comme l'instruction primaire, ce qui garde le glissement avant régulier sans dérive. « Rythme posé » est une formule utile pour réprimer le mouvement ultra-rapide, trop pressé, que les modèles texte-vers-vidéo produisent par défaut.

Recette 2 — Plan d'ensemble et rythme

Point pédagogique : un mouvement aérien d'établissement avec une « révélation » délibérée, et comment le langage de la lumière porte l'émotion globale.

Plan d'ensemble aérien, dérive lente à l'heure dorée au-dessus d'une vallée de rizières en terrasses, le soleil bas balayant obliquement des
rizières inondées qui reflètent un ciel ambré. Une brume légère s'accumule sur les terrasses inférieures. La caméra se déplace latéralement à un rythme lent et posé,
révélant progressivement un paysan qui marche le long d'un étroit chemin de terre. Éclairage chaleureux à plage dynamique élevée,
verts et ors profonds, brume cinématographique. Negative : pas de texte, pas de filigrane,
pas de scintillement, pas de géométrie déformée.

Réglages : duration 5, resolution 720p, aspect_ratio 16:9. Deux choses font réussir ce clip. Premièrement, « révélant progressivement un paysan » donne un but au mouvement latéral — la caméra a un endroit où aller. Deuxièmement, le paragraphe lumière (« heure dorée », « soleil bas balayant obliquement », « chaleureux à plage dynamique élevée ») est exactement ce qui produit le rendu cinématographique de Ray 3.2 ; retirez-le et il ne vous reste qu'un plan de drone plat. C'est aussi le clip dont nous avons extrait l'image de couverture.

Recette 3 — La lumière pilote l'ambiance, mouvement caméra à l'épaule

Point pédagogique : créer l'ambiance par le langage de l'étalonnage, et obtenir de l'énergie sans chaos avec une « poussée à l'épaule ».

Ruelle détrempée par la pluie, la nuit, enseignes au néon se reflétant dans les flaques, vapeur s'élevant d'un étal de street-food.
Caméra à l'épaule avançant doucement le long de la ruelle, les reflets mouillés scintillant légèrement à chaque pas. Éclairage néon
cyan et magenta à l'ambiance feutrée, ombres profondes, brume de lumière volumétrique, bokeh cinématographique formé par les enseignes en arrière-plan.
Negative : pas de texte lisible, pas de logo, pas de personnes déformées, pas de scintillement.

Réglages : duration 5, resolution 540p, aspect_ratio 16:9. « Caméra à l'épaule avançant doucement » vous donne un léger tremblement organique, tandis que « doucement » l'empêche de devenir un plan secoué. Le terme négatif pas de texte lisible est délibéré : les scènes de néon tentent le modèle de générer des enseignes en charabia, et demander pas de texte lisible est plus fiable que d'espérer qu'il orthographie correctement des mots.

Recette 4 — Suivre un sujet en mouvement

Point pédagogique : un plan de suivi qui garde un sujet unique centré, et des termes négatifs ciblant les échecs anatomiques.

Un renard roux bondit à travers une neige poudreuse fraîchement tombée dans une forêt de bouleaux ensoleillée, des flocons giclant lentement dans le contre-jour.
La caméra suit le renard à un rythme régulier, en parallèle, le gardant au centre du cadre tandis que les arbres défilent à toute vitesse.
Lumière matinale d'hiver limpide, blancs froids avec un liseré de soleil chaud, grains de neige scintillants. Negative :
pas de membres supplémentaires, pas de tremblement, pas de texte, pas de changement de vitesse non naturel.

Réglages : duration 5, resolution 540p, aspect_ratio 16:9. « Le gardant au centre du cadre tandis que les arbres défilent à toute vitesse » est la proposition clé — elle dit à Ray 3.2 que c'est le sujet qui est l'ancre et que c'est le fond qui bouge, ce qui est exactement la lecture d'un vrai plan de suivi. Les mouvements d'animaux exposent le plus facilement les défauts des membres, donc pas de membres supplémentaires et pas de changement de vitesse non naturel ont leur place dans la liste négative.

Recette 5 — Format vertical et panoramique macro

Point pédagogique : passer en 9:16 pour le social, et un lent panoramique vertical sur un sujet macro compact.

Plan macro vertical, un espresso en cours d'extraction, une crème sombre tourbillonnant dans une tasse en verre chaude
sur un comptoir en marbre sous une douce lumière matinale de fenêtre. La caméra s'élève lentement depuis la tête d'extraction qui goutte
jusqu'à la tasse finie. Faible profondeur de champ, tons caramel chaleureux, vapeur s'élevant doucement, rendu publicitaire haut de gamme.
Negative : pas de mains tremblantes, pas de débordement, pas d'incrustation de texte, pas de bandes de couleur.

Réglages : duration 5, resolution 540p, aspect_ratio 9:16. Passer en 9:16 ne coûte rien de plus — Ray 3.2 facture selon la durée et la résolution, pas selon le ratio d'aspect, vous pouvez donc produire des clips sociaux verticaux au même prix que le grand écran. Le lent panoramique vertical (« depuis… s'élève lentement jusqu'à… ») donne du mouvement à un sujet macro compact sans que toute la scène ne bouge.

Aide-mémoire des réglages et des coûts

Paramètre	Valeurs acceptées
duration	5, 10 (entiers)
resolution	540p, 720p, 1080p
aspect_ratio	16:9, 9:16, 1:1, 4:3, 3:4, 21:9

La tarification est un montant fixe par clip (au 2026-10) :

Clip	Prix
5 s · 540p	$0.2145
5 s · 720p	$0.429
5 s · 1080p	$1.7145
10 s · 540p	$0.643
10 s · 720p	$1.286
10 s · 1080p	$5.143

Un flux de travail raisonnable consiste à itérer le prompt d'abord en 5 s/540p (environ 21 cents par essai), puis, une fois la composition et le mouvement corrects, à relancer en résolution plus élevée celui que vous gardez. La grille tarifaire complète et à jour se trouve sur la page de tarification HiAPI.

Signaux d'échec courants et comment les corriger par la formulation

• Mouvement trop rapide. Ajoutez « rythme lent et posé » dans la proposition de caméra.
• Enseignes ou sous-titres en charabia. Mettez pas de texte lisible / pas d'incrustation de texte dans les termes négatifs, au lieu de tenter d'épeler des mots.
• Sujet bavé ou en double. Réduisez à un seul sujet et désignez-le comme ancre (« le gardant au centre du cadre »).
• Scintillement et papillotement dans les scènes néon ou à fort contraste. Ajoutez pas de scintillement, pas de papillotement.
• Défauts de membres sur les personnes et les animaux. Ajoutez pas de membres supplémentaires, pas de mains déformées.

FAQ

Quelle est la durée maximale d'un clip Ray 3.2 texte-vers-vidéo ? Deux longueurs : 5 ou 10 secondes. Le champ duration n'accepte que les entiers 5 et 10.

Quelles résolutions et quels ratios d'aspect sont pris en charge ? Les résolutions sont 540p, 720p et 1080p. Les ratios d'aspect sont 16:9, 9:16, 1:1, 4:3, 3:4 et 21:9 — six au total, couvrant grand écran, vertical, carré et anamorphique large.

Un clip vertical (9:16) coûte-t-il plus cher à rendre ? Non. Le prix ne dépend que de la durée et de la résolution, donc à durée et résolution égales, un clip vertical 9:16 coûte le même prix qu'un clip 16:9.

Puis-je fournir une image de départ à Ray 3.2 au lieu d'un prompt texte ? Oui, mais c'est un autre point de terminaison — Ray 3.2 image-vers-vidéo accepte une première image (et éventuellement une dernière image). Le texte-vers-vidéo s'applique lorsque vous partez d'une description plutôt que d'une image.

Ces prompts exacts reproduiront-ils ces clips exacts ? Les modèles vidéo ne sont pas déterministes, vous obtiendrez donc le même style et la même composition, mais pas des clips identiques au pixel près. Traitez ces prompts comme des points de départ fiables, et ajustez les propositions de caméra et de lumière selon votre goût.

Envie d'essayer ces prompts ?

Copiez n'importe quelle recette ci-dessus et exécutez-la sur la page du modèle Ray 3.2 texte-vers-vidéo — le même point de terminaison /v1/tasks, une seule clé API pour tous les modèles. Si vous comparez des modèles vidéo, le même traitement « copiable-collable + clips réels » se trouve dans nos recettes de prompts Seedance 2.5 et prompts texte-vers-vidéo Veo 3.1 Lite, pour que vous puissiez voir la même structure de prompt à l'œuvre sur un autre moteur avant de vous engager.