Guide d'utilisation
Créer des vidéos courtes avec la génération vidéo par référence vidu-q3-mix sur HiAPI
Un flux de travail pour développeurs : clips à personnages cohérents, narration par référence vocale et rythme de post-production
Sur cette page
Ce que la tâche vidéo par référence vidu-q3-mix vous apporte
La tâche vidu-q3-mix/reference-to-video sur HiAPI est une étape de génération, pas une étape de vidéo finie. Vous lui soumettez des matériaux de référence — des images qui définissent l'apparence d'un personnage ou d'une scène, et un texte de prompt qui décrit l'action — et vous obtenez un clip. Dans un pipeline de vidéos courtes, elle occupe une position intermédiaire : en amont, la préparation des références et la conception des prompts ; en aval, la relecture, le montage et l'assemblage.
Un modèle mental utile est celui de trois canaux d'entrée qui convergent vers une sortie :
Ce que vous fournissez
- Images de référence. Une ou plusieurs images fixes pour ancrer l'apparence : visage, coiffure, vêtements, teintes, environnement.
- Prompt. Une description en langage naturel de ce qui doit se produire dans le plan — sujet, action, sensation de caméra, ambiance.
- Référence vocale facultative. Un échantillon audio à utiliser lorsque vous voulez que la narration ait un timbre spécifique.
Ce que vous obtenez
Un clip généré. Traitez-le comme une matière brute. Le modèle n'est pas un éditeur de timeline : il ne monte pas votre vidéo au rythme de la musique, ne superpose pas de sous-titres et ne garantit pas que le 4e plan soit identique au pixel près au 1er. C'est votre travail en post-production.
Où cela s'insère
Une vidéo courte est généralement construite à partir de plusieurs clips générés séparément, puis ordonnés et assemblés. La tâche reference-to-video est l'unité reproductible de ce processus de construction : un appel, un plan, plusieurs appels pour une pièce finie. Planifier autour de cette unité est ce qui garde un projet maîtrisable et les attentes calibrées. N'attendez pas d'une seule génération qu'elle produise une vidéo complète, avec narration, sous-titres et rythme. Laissez-la produire un bon plan, puis assemblez les plans.
Comme la génération se fait clip par clip, le coût varie selon le nombre de plans produits et leur durée ; budgétez donc en nombre de plans et en durée de sortie, et non en minutes de vidéo finie. Avant de fixer la taille de vos lots, consultez le panneau de tarification de la plateforme pour connaître les tarifs en vigueur.

Planifier les plans d'une vidéo courte autour des images de référence
Une vidéo courte se joue sur les deux premières secondes ; le plan de tournage doit donc être écrit avant d'appeler l'API. Découpez d'abord l'œuvre en plans, sur le papier, puis déterminez quels matériaux de référence chaque plan exige.
Rédiger la liste des plans
Chaque entrée doit répondre à quatre choses : ce que le spectateur voit, ce que fait le sujet, combien de temps ce moment doit durer pour être lisible, et s'il est couvert par une narration. Une pièce de 30 secondes compte peut-être cinq à huit plans. Moins de plans plus longs sont plus faciles à garder cohérents ; plus de plans plus courts donnent plus de contrôle sur le rythme, mais favorisent la dérive visuelle.
Choisir les références par plan, non par projet
Une erreur courante consiste à croire qu'un seul jeu de références couvre tout. En réalité, les références doivent être choisies avec soin pour chaque plan :
- Le sujet est à l'écran et reconnaissable — fournissez une image nette du visage du personnage et, si le plan implique un mouvement ou un demi-tour, un ou deux angles ou expressions complémentaires.
- Le sujet est absent du cadre ou très petit — l'environnement compte plus que le visage ; référencez plutôt le lieu, le costume ou l'accessoire.
- Un nouveau personnage entre en scène — décidez s'il a son propre jeu de références et gardez-le cohérent dès sa première apparition.
Garder des références propres et cohérentes
Utilisez des images où le sujet est dégagé, bien éclairé et stylistiquement compatible avec les autres références du même personnage. Mélanger des éclairages ou des styles artistiques contradictoires entre références pousse la sortie vers le bruit visuel. Si un personnage apparaît à la fois en extérieur lumineux et en intérieur sombre, privilégiez un seul jeu de références et décrivez l'éclairage dans le prompt, plutôt que d'introduire des références qui ressemblent à des personnes différentes.
Versionner les références
Stockez les références dans une structure prévisible — nom du personnage, angle, variante — et notez quel jeu de références a produit quel plan retenu. Quand un plan dérive, vous devez savoir exactement ce qui a changé entre l'exécution réussie et l'exécution ratée. Cette petite discipline fait gagner des après-midi entiers.
Maintenir la cohérence des personnages d'un plan à l'autre
La cohérence entre clips générés séparément est la partie la plus difficile d'un flux de travail piloté par référence, et c'est avant tout une question de discipline, pas d'astuce de prompt.
Réutiliser le même jeu de références sur toute la séquence
Une fois le jeu de références d'un personnage verrouillé, utilisez exactement ce jeu dans chaque plan où il apparaît. Ne redérivez pas les références plan par plan, ne recadrez pas de nouvelles références en cours de projet, sauf si vous réinitialisez volontairement la base de toute la séquence ; et ne mélangez pas des éléments provenant du jeu de références d'un autre personnage. Votre signal d'unité le plus fort est la cohérence des entrées.
Standardiser les conventions de prompt
Rédigez les prompts selon une structure fixe, afin que le modèle voie chaque fois le même type de description : description du sujet, puis action, puis caméra, puis ambiance. Conservez mot pour mot la description du sujet d'un plan à l'autre — les mêmes mots pour le même personnage, les mêmes termes pour le même costume. La variation doit porter sur les champs d'action et de caméra, pas sur votre façon de décrire qui est le personnage.
Générer par lots appariés
Regroupez la génération des plans liés dans une même session de travail et examinez-les côte à côte plutôt qu'un par un. Les petits écarts invisibles sur un clip isolé deviennent évidents lorsque deux plans sont côte à côte. Jugez chaque clip par rapport aux plans adjacents, et non isolément par rapport au prompt.
Accepter l'imperfection à dessein
Viser une cohérence parfaite image par image entre générations indépendantes n'est pas réaliste. Anticipez :
- Masquez les raccords par la structure. Coupez sur un mouvement, un changement d'angle ou un temps de narration, pour que l'œil ne compare pas directement deux visages.
- Réduisez le nombre d'apparitions. Un personnage présent dans trois plans reste plus cohérent que dans huit plans.
- Isolez les plans problématiques. Si un clip dérive systématiquement, changez son cadrage (plus large, par-dessus l'épaule, partiellement masqué) plutôt que de régénérer sans fin.
Régénérer avec intention
Quand un clip ne convient pas, identifiez la variable à changer avant de relancer : les références, la formulation du prompt ou le cadrage. Changer plusieurs variables à la fois rend chaque résultat non reproductible et réinitialise discrètement votre base de cohérence.

Produire la narration avec une référence vocale
La référence vocale façonne le caractère de la narration — le timbre, le ton et la sensation générale. Elle ne vous donne pas un mix audio final et ne sait pas combien de temps dure votre plan.
Garder l'échantillon ciblé
Fournissez un échantillon propre de la voix souhaitée, sans musique de fond, sans forte réverbération, sans plusieurs personnes qui parlent. Un audio court, clair et à une seule voix donne au modèle le signal le plus net de la voix voulue. Conservez l'échantillon choisi avec le jeu d'images dans les références verrouillées du projet.
Écrire en fonction de la durée parlée
La durée de la narration est un problème de texte à résoudre avant la génération. Lisez le script à voix haute au rythme voulu et chronométrez-le. La narration d'une vidéo courte est généralement serrée : quelques mots par plan est normal. Si une réplique ne tient pas dans la durée prévue pour le plan, supprimez-la — ne demandez pas au clip de durer plus longtemps pour la faire rentrer.
Planifier la place du son par rapport aux plans
Décidez plan par plan si la narration couvre tout le clip, tombe sur un seul temps, ou est absente. Un schéma utile pour les vidéos courtes est l'alternance : une réplique d'accroche sur le plan d'ouverture, du silence pendant que l'action se lit visuellement, une réplique de clôture sur le dernier temps. Inscrire ce rythme comme colonne dans la liste des plans transforme la narration en outil de rythme plutôt qu'en ajout a posteriori.
Faire le travail audio en dehors de l'appel au modèle
Le façonnage vocal n'est qu'une entrée ; le mixage vous revient. Prévoyez de traiter les niveaux, la réduction de bruit, les fondus, le lit musical et le ducking dans votre outil de montage. Gardez la narration sur une piste séparée, glissable par rapport à l'image, plutôt que fondue dans un clip, afin de pouvoir réajuster le minutage des répliques quand les plans sont retaillés. Si une réplique revient avec un défaut ou une lecture étrange, ne régénérez que cette réplique, pas toute la séquence.
Traitez la référence vocale comme un outil de cohérence du caractère de la narration, pas comme un service de minutage ou de mixage.
Assembler le rythme et la post-production
Une fois les clips générés, le travail se déplace sur la timeline. C'est là que la matière générée devient une vidéo courte, et c'est là que se gagne l'essentiel de la qualité perçue.
Tailler avec énergie
Les clips générés contiennent généralement un cœur utilisable, avec du superflu aux deux extrémités. Coupez jusqu'au moment lisible : l'action qui démarre, le temps d'atterrissage. La plupart des premiers assemblages sont nettement trop longs, et resserrer est presque toujours le bon choix pour le rythme d'une vidéo courte. L'objectif est de n'avoir aucune image morte — le spectateur doit sentir l'œuvre avancer dès la première seconde.
Ordonner selon le rythme
Regardez d'abord le montage en muet et déroulez les plans. Si la séquence visuelle ne retient pas l'attention sans le son, la narration ne la sauvera pas. Variez ensuite délibérément la longueur des plans : des coupes plus rapides installent l'élan, un plan plus long réinitialise l'attention. Alignez autant que possible les points de coupe principaux sur les temps de narration, pour que l'oreille et l'œil bougent ensemble.
Traiter les sous-titres comme un élément de premier ordre
Les vidéos courtes sont souvent regardées en muet ; les sous-titres portent donc la narration. Placez-les une fois l'image verrouillée, pour qu'ils restent à l'écran assez longtemps pour être lus confortablement, et coupez les lignes aux frontières de groupes de mots naturels, et non au milieu d'une idée. Si les sous-titres entrent en conflit avec la composition, ajustez le cadrage ou repositionnez, plutôt que de réduire le texte jusqu'à le rendre illisible.
Aligner et mixer l'audio
Placez la narration sur une piste séparée, glissez chaque réplique sur son temps, et vérifiez qu'aucune réplique n'est coupée par un point de montage. Ajoutez tout lit musical à un niveau suffisamment bas pour que la parole reste claire et intelligible. Regardez la séquence finale de bout en bout au casque — cela révèle des problèmes de minutage que la vue de la timeline masque.
Revoir par rapport au plan
Relisez votre liste de plans et vérifiez que chaque plan livre ce qu'il devait livrer. Si un plan ne mérite pas d'être gardé, coupez-le ; un montage serré de six plans vaut mieux qu'un montage lâche de neuf. Une fois satisfait, verrouillez la timeline, puis exportez.
Garder le projet reproductible
Les références, les conventions de prompt et les clips retenus du projet sont votre source de vérité. Archivez-les avec le montage final, afin que les révisions ultérieures — nouvelle accroche, nouvelle fin, durée différente — puissent se faire sans reconstruire tout le pipeline depuis zéro.
Pour l'éventail complet des paramètres de cette tâche, avant de mettre en place des tâches par lots, référez-vous au guide de la plateforme pour confirmer les champs de requête.

Liste de contrôle d'un flux de travail reproductible
Voici la liste de contrôle du processus de bout en bout, réutilisable pour chaque nouvelle vidéo courte.
Planification
- Rédigez l'œuvre sous forme de liste de plans : pour chaque plan, le sujet, l'action, la durée, le temps de narration.
- Chronométrez la narration à voix haute et raccourcissez les répliques du script pour tenir dans la durée prévue.
- Fixez le schéma de rythme — plan d'accroche, temps d'action, réplique de clôture.
Préparation des références
- Constituez pour chaque personnage un jeu de références d'images verrouillé et bien organisé ; conservez-le sous un nom clair.
- Choisissez une référence vocale propre et à une seule voix pour la narration.
- Notez quelles références appartiennent à quelle version du projet.
Génération
- Un appel à
vidu-q3-mix/reference-to-videopar plan. - Dans chaque plan où le personnage apparaît, utilisez le même jeu de références et exactement la même formulation du sujet.
- Faites varier l'action et le langage caméra, pas le langage d'identité.
- Générez les plans liés dans la même session, pour les examiner côte à côte.
Relecture
- Comparez les clips comme un ensemble, pas isolément.
- Régénérez en changeant une seule variable à la fois, et notez laquelle.
- Recadrez les plans qui dérivent systématiquement plutôt que de boucler sur la régénération.
Assemblage
- Taillez chaque clip jusqu'au cœur utilisable ; supprimez les images mortes.
- Ordonnez d'abord selon le rythme en muet, puis alignez les temps de narration.
- Ajoutez les sous-titres une fois l'image verrouillée ; vérifiez la lisibilité.
- Mixez la narration sur une piste séparée, puis ajoutez la musique ; vérifiez au casque.
Archivage
- Stockez ensemble les références, les conventions de prompt, les clips retenus et la timeline finale.
- Consignez les exceptions au niveau des plans pour les révisions futures.
Cette liste est volontairement courte. La plupart des échecs en vidéo courte pilotée par référence viennent d'une étape sautée, pas de l'appel de génération lui-même — verrouillez les entrées, gardez le plan serré, et laissez la post-production gérer le rythme.
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