Blog

Guide d'utilisation

Recettes de prompts image-vers-vidéo pour wan2.6-flash : prompts efficaces à copier-coller

Description de la première image, formulations de caméra et de rythme, indications audio natives, compromis du profil rapide 1080P, et une liste de prompts négatifs

Nov 20, 2026
Illustration de couverture plate avec un fond d'encre sombre et des rubans liquides entrelacés céladon et ardoise se repliant les uns sur les autres ; couverture d'article de guide.
Sur cette page

Pourquoi les prompts image-vers-vidéo ont besoin de recettes, pas de prose

La plupart des gens, lorsqu'ils écrivent un prompt image-vers-vidéo pour la première fois, rédigent un paragraphe — une description dense de tout ce que contient l'image et de tout ce qu'ils veulent voir se produire. Sur un modèle texte-vers-vidéo, cela a du sens, car le modèle n'a rien d'autre sur quoi s'appuyer. Mais en image-vers-vidéo, c'est contre-productif.

L'image d'entrée verrouille déjà la composition : où se trouve le sujet, à quoi ressemble la lumière, quels objets sont dans l'arrière-plan, la palette de couleurs, les caractéristiques de l'objectif. Si vous redécrivez tout cela en prose, vous dépensez la majeure partie de votre budget de prompt sur ce que le modèle voit déjà, et il vous reste très peu de place pour ce qu'il ne voit pas : comment le sujet se déplace, comment la caméra se comporte au fil du temps, si ce moment doit sembler rapide ou lent, et à quoi la scène doit ressembler sur le plan sonore.

Considérez l'image fixe comme l'état initial, et le prompt comme un ensemble d'instructions superposées. Chaque instruction répond à une question différente :

  • Qu'est-ce qui doit rester exactement tel quel ?
  • Qu'est-ce qui bouge, et dans quelle direction ?
  • Comment la caméra se déplace-t-elle par rapport au sujet ?
  • Quel est le rythme de l'ensemble de la vidéo ?
  • Qu'entend-on ?
  • Qu'est-ce qui ne doit absolument pas apparaître ?

Ces six questions correspondent naturellement à un petit nombre d'emplacements de prompt. Une recette n'est rien d'autre qu'un ordre de remplissage fixe pour ces emplacements, afin que chaque plan que vous générez soit décrit de la même manière. C'est cette cohérence qui rend les sorties comparables — et la comparaison est précisément ce qui vous permet d'améliorer vos prompts plutôt que de deviner.

Un paragraphe de prose amène le modèle à tout mélanger avec le même poids. Une recette vous permet de pointer un emplacement précis, de modifier une ligne, et de savoir ce qui a fait la différence. Le reste de ce guide est constitué de recettes prêtes à copier-coller pour ces emplacements, ainsi que des compromis concrets que vous rencontrerez sur le profil rapide 1080P.

L'image fixe fixe le cadre ; le prompt doit guider les flux de mouvement, de caméra, de rythme et d'audio qui en découlent.

Le squelette de prompt à cinq emplacements

Chaque recette de cet article est un remplissage du même squelette. Écrivez toujours dans cet ordre :

[1] FIRST FRAME : ce qu'il y a dans le plan, ce qui doit rester inchangé
[2] CAMERA : un mouvement, une direction, une vitesse
[3] PACING : le rythme, et comment le mouvement évolue sur toute la vidéo
[4] AUDIO : fond sonore ambiant + tout effet sonore événementiel, lié au rythme visuel
[5] CONSTRAINTS : une courte liste de ce qu'il faut supprimer

Pourquoi l'ordre est important

Placez l'ancrage de la première image en premier, car les premières décisions du modèle concernent la préservation de l'identité et de la disposition. La caméra vient en deuxième, car dans la plupart des plans c'est la plus grande source unique de mouvement — si le mouvement de caméra est faux, rien d'autre ne sauvera la vidéo. Le rythme vient en troisième, pour que les instructions de rythme puissent façonner le mouvement que vous venez de décrire, plutôt que d'entrer en conflit avec lui. L'audio vient en quatrième, car il doit suivre le rythme visuel que vous avez déjà défini. Les contraintes viennent en dernier, comme une conclusion compacte.

Un exemple entièrement rempli

FIRST FRAME : garder le visage de l'homme, sa veste et les reflets sur la rue mouillée inchangés.
CAMERA : lent travelling avant, droit vers le sujet, sans rotation.
PACING : régulier et posé ; le mouvement s'achève à la fin de la vidéo.
AUDIO : léger fond sonore de pluie ; bruits de pas doux et continus.
CONSTRAINTS : pas de scintillement, pas de déformation du visage, pas de tremblement de caméra.

Gardez le squelette court

Chaque emplacement doit tenir en une à trois phrases courtes. Si un emplacement dépasse cette longueur, le texte excédentaire est presque toujours constitué d'adjectifs esthétiques qui ne guident pas le mouvement. Supprimez-les et placez ce qui compte vraiment comme éléments négatifs dans l'emplacement des contraintes.

Deux règles pour remplir le squelette

  1. Un seul mouvement de caméra par plan. Utiliser deux mouvements dans une même vidéo est la cause la plus courante de mouvements saccadés et difficiles à lire.
  2. Utilisez des verbes concrets plutôt que des adjectifs. « Le drapeau se lève et s'enroule » vaut mieux que « une ambiance dramatique et cinématographique ».

Que vous animiez un portrait, une image fixe de produit ou un paysage, le squelette reste le même. Seul le contenu de chaque emplacement change — et c'est précisément ce que couvrent les recettes ci-dessous.

Le squelette à cinq emplacements : cinq cases empilées, à remplir de haut en bas pour chaque plan.

Décrire la première image pour que le mouvement ait un ancrage

L'emplacement de la première image n'est pas une légende d'image. Son rôle est d'indiquer au modèle quels pixels sont porteurs, afin qu'il ne les réinvente pas.

Nommez les ancrages, ne décrivez pas la scène

Au lieu de décrire toute l'image, énumérez les éléments qui doivent être préservés tout au long de la vidéo :

FIRST FRAME : conserver le visage et la coiffure de la femme, son manteau gris, le cadre de fenêtre derrière elle, et la lampe de chevet chaude à gauche de l'image.

Vous n'êtes pas en train de dire au modèle ce qu'est cette image. Vous lui dites quelles parties sont essentielles à l'identité : le visage, les vêtements, les logos, le texte, les accessoires reconnaissables et la direction de la source lumineuse principale.

Séparez le fixe du mobile

La phrase la plus utile de cet emplacement est celle qui divise le monde en deux :

FIRST FRAME : le flacon du produit et la table restent fixes ; seuls le rideau en arrière-plan et la lumière sur la surface du flacon changent.

Ce seul schéma permet de supprimer la plupart des mouvements globaux non désirés, car le modèle sait désormais où le mouvement peut se produire.

Ancrez la posture de départ

Pour les personnes et les animaux, indiquez la posture de la première image, afin que le mouvement ait un point de départ :

FIRST FRAME : le sujet est assis, les mains sur la table, la tête légèrement tournée vers la gauche ; conserver cette posture de départ au début de la vidéo.

Ancrez la lumière

La direction de l'éclairage est l'élément qui dérive le plus facilement. Une phrase courte suffit à le stabiliser :

FIRST FRAME : la lumière principale reste en provenance du haut à droite, les ombres ne changent pas.

Ce qu'il faut omettre

  • Ne répétez pas l'étalonnage des couleurs, le style de pellicule ou les détails d'objectif déjà visibles dans l'image.
  • Ne décrivez pas des objets absents du cadre et que vous ne voulez pas voir apparaître.
  • Ne reformulez pas l'apparence du sujet avec un vocabulaire fleuri ; une courte liste d'ancrages est plus efficace qu'un paragraphe entier de description.

Traitez l'emplacement de la première image comme une clôture. Tout ce que vous y nommez est protégé ; tout le reste est libre de bouger — et c'est le prochain emplacement qui décide comment.

Les ancrages fixes restent identiques sur les deux panneaux ; seul le flux en surbrillance se déplace d'une image à l'autre.

Formulations de caméra et de rythme qui font réellement bouger la caméra

La formulation de la caméra est ce qui modifie le plus le clip par rapport à tout autre emplacement, et c'est là que les adjectifs de style vagues font le plus de dégâts. « Mise en scène cinématographique » ne dit rien au modèle. « Lent travelling avant, sans rotation » lui dit tout.

Utilisez un petit vocabulaire de mouvements de caméra

Gardez une liste courte et concrète, et n'en choisissez qu'un seul par plan :

  • push in (travelling avant) — la caméra s'approche du sujet
  • pull out (travelling arrière) — la caméra s'éloigne du sujet
  • pan left / pan right (panoramique gauche / droite) — rotation horizontale sur place
  • tilt up / tilt down (tilt haut / bas) — rotation verticale sur place
  • track left / track right (travelling latéral gauche / droite) — déplacement latéral le long du sujet
  • orbit (orbite) — rotation autour du sujet
  • static (statique) — aucun mouvement de caméra ; le mouvement vient uniquement de la scène elle-même

Ajoutez toujours une vitesse : slow, steady ou fast. Et ajoutez toujours le contraire qui vous importe : « no rotation », « no handheld shake », « no zoom ».

CAMERA : lent travelling avant, face au sujet, sans rotation, sans tremblement.

Un mouvement de caméra pour une action du sujet

Un plan propre a généralement exactement une intention de caméra et une action dans la scène :

CAMERA : lent travelling latéral vers la droite, en gardant le sujet au centre du cadre.
PACING : le sujet tourne la tête pour suivre la caméra pendant tout le clip, atteignant sa posture finale dans le dernier tiers.

Écrivez le rythme comme une chronologie, pas comme un adverbe

« Lentement » est faible, car cela ne donne aucun point de référence. Ancrez le mouvement dans la durée du clip :

  • « le mouvement commence au début du clip et s'achève à la fin »
  • « maintenir la première posture pendant le premier temps, puis seulement bouger »
  • « l'action s'accomplit dans le dernier tiers »

Cette formulation empêche le modèle de précipiter le mouvement dans la première seconde puis de se figer — un échec très courant dans les clips courts.

Recettes de rythme selon l'intention

# Plan produit calme
PACING : très lent, continu, sans accélération.

# Révélation
PACING : d'abord maintenir, puis un mouvement fluide, qui s'achève vers la fin.

# Tempo d'action
PACING : mouvement immédiat dès la première image, à vitesse constante, sans pause.

Ce qu'il faut éviter

  • Deux mouvements de caméra dans une même vidéo.
  • Des adjectifs empilés (« plan épique et dramatique en balayage »), sans direction ni vitesse.
  • Décrire le rythme uniquement comme une émotion (« tendu »), sans référence temporelle.

En cas de doute, choisissez le mouvement le plus simple. Un plan fixe avec une action de sujet claire est plus utile qu'un plan multi-mouvements ambitieux qui tremblera.

Ajouter des indications audio natives dans le prompt

Lorsque le modèle prend en charge l'audio natif, l'emplacement audio n'est pas décoratif — c'est une seconde chronologie qui doit s'aligner sur le rythme visuel que vous avez déjà écrit.

Séparez les sons d'ambiance des sons événementiels

Chaque description audio comporte deux couches :

AUDIO :
  ambiance : bruit continu de la pluie sur la chaussée, ronronnement lointain de la circulation
  événements : bruits de pas légers, commençant au premier pas du sujet et se poursuivant jusqu'à la fin du clip

Le fond sonore ambiant est continu ; les sons événementiels sont ponctuels. Les écrire séparément évite d'enfouir une indication temporelle dans un amas de bruit d'ambiance.

Liez le son au rythme visuel

Référez-vous à l'emplacement du rythme pour que l'audio et le mouvement partagent la même horloge :

PACING : le sujet soulève la tasse dans la première moitié du clip.
AUDIO : murmure ambiant de café ; un léger tintement de céramique se fait entendre dans la seconde moitié, lorsque le fond de la tasse touche la soucoupe.

Pour les clips courts, un ou deux événements ponctuels suffisent. Au-delà, l'audio devient bruyant et difficile à décrire de manière fiable.

Gardez un vocabulaire physique

Décrivez le son comme un objet : source, matériau, distance.

  • Bien : « pas secs sur du gravier, près de la caméra »
  • Faible : « conception sonore dramatique »
  • Bien : « vent grave, très lointain, sans voix »
  • Faible : « ambiance cinématographique »

Ce qu'il ne faut pas mettre dans l'emplacement audio

  • Dialogues et paroles de chansons. La parole est un problème distinct et plus difficile ; décrire des répliques dans l'emplacement audio n'est pas fiable. Si vous avez besoin d'un plan muet, précisez-le : « ambiance uniquement, sans voix ».
  • Étiquettes de genre musical sans description comportementale. « Beats lo-fi » est moins utile que « pulsation grave régulière, sans voix ».
  • Sons sans source visible. Si vous demandez un son dont la cause n'est ni dans l'image ni dans l'action, le modèle n'a aucun repère pour décider quand le placer.

Une valeur par défaut sûre

Si le plan n'a pas besoin de détails audio, une ligne d'ambiance vaut mieux que rien :

AUDIO : uniquement un léger fond sonore intérieur, sans voix, sans musique.

Cette ligne évite les bips aléatoires de voix ou de musique et garde le clip utilisable pendant que vous itérez d'abord sur les emplacements visuels.

Le profil rapide 1080P : quand la vitesse vaut le compromis

Le profil rapide 1080P existe pour vous permettre d'itérer rapidement. Considérez-le comme un réglage par plan, et non comme un réglage de projet.

Le compromis en termes simples

Une résolution de sortie plus élevée apporte des détails plus nets, des textures fines plus stables et une meilleure préservation des petits éléments — visages lointains, texte, structures fines. Les profils plus rapides échangent une partie de la fidélité et de la stabilité contre des délais plus courts. Le bon choix dépend de ce que ce plan doit accomplir à ce moment-là.

Utilisez le profil rapide quand

  • Vous cherchez encore la bonne approche. Les décisions de composition, de mouvement de caméra et de rythme se voient même si les détails fins sont flous. Faites toutes vos itérations de prompt ici.
  • Le sujet est grand et simple. Un portrait rapproché ou un produit sur fond uni n'a presque aucun détail fin à perdre.
  • Le plan n'est qu'un placeholder. Le timing de montage, les storyboards animés et les tests de montage n'ont pas besoin de la fidélité finale.
  • Vous avez besoin de nombreuses variantes. Quand vous comparez dix mouvements candidats, la vitesse compte plus que la finesse.

Dépensez plus quand

  • Les textures fines portent le plan. Textures de tissu, cheveux, végétation, éclaboussures d'eau et arrière-plans denses sont les premiers endroits où la différence de fidélité se voit.
  • Du texte ou un logo est visible. Les petites polices se dégradent vite.
  • Le clip est la livraison finale. Tout ce qui est publié pour un public mérite un traitement à plus haute fidélité.
  • Vous avez verrouillé le prompt. Une fois la recette stabilisée, relancez le prompt gagnant avec des réglages plus élevés, plutôt que de tout relancer.

Un flux de travail pratique

  1. Écrivez la recette à cinq emplacements.
  2. Itérez sur le profil rapide jusqu'à ce que la caméra, le rythme et l'audio soient corrects.
  3. Ne changez qu'une seule variable à la fois.
  4. Relancez la recette verrouillée avec des réglages de fidélité plus élevés pour la version finale.

La discipline essentielle est de ne pas mélanger les deux. Ne peaufinez pas la fidélité alors que le mouvement de caméra est encore faux, et ne relancez pas indéfiniment la composition sur des réglages coûteux.

Vous pouvez essayer ces recettes directement sur la page du modèle image-vers-vidéo wan2.6-flash, et consulter les détails actuels des profils dans le panneau de tarification, car la facturation et la disponibilité des profils figurent dans la vue tarifaire du site, et non dans des chiffres fixes dans ce guide.

La liste négative

Les prompts négatifs sont une assurance bon marché, mais une longue liste de négations devient du bruit. Gardez une courte liste permanente et n'ajoutez que les échecs que vous avez réellement constatés.

La liste permanente

Chaque recette commence par cette conclusion :

CONSTRAINTS : pas de scintillement, pas de déformation du visage ni des mains, pas de distorsion des bords droits, pas de dérive de caméra non désirée, pas d'artefacts de texte ni de filigrane.

Cela couvre les échecs les plus courants :

  • Scintillement — la luminosité ou la texture pulse image par image.
  • Déformation — les visages, les mains et les petits objets fusionnent ou se dissolvent.
  • Distorsion des bords — les lignes droites (cadres de porte, bords de table, contours de produit) se courbent.
  • Dérive de caméra — la caméra bouge lentement alors que vous avez demandé un plan fixe.
  • Artefacts de texte — un texte propre dans l'image source devient illisible.

Ajoutez des négations sur la base de preuves

N'écrivez pas vingt négations à l'avance. Quand une exécution échoue d'une manière spécifique, ajoutez une ligne qui la décrit :

CONSTRAINTS : pas de scintillement, pas de déformation, pas de dérive de caméra non désirée, aucune personne supplémentaire n'entre dans le cadre.

La dernière ligne a été ajoutée parce que l'exécution précédente avait introduit un passant. Notez la raison dans vos notes — pas dans le prompt — pour garder le prompt propre.

Formulez positivement ce que vous voulez

Les négations ne font que supprimer, elles ne créent pas. « Ne floute pas l'arrière-plan » ne produira pas un arrière-plan net. Si vous voulez que quelque chose apparaisse, dites-le avec une instruction positive dans l'emplacement de la première image ou de la caméra, et réservez l'emplacement des contraintes à la suppression de ce qui ne doit pas apparaître.

Pas plus de cinq éléments par catégorie d'échec réelle

Si votre ligne de contraintes commence à ressembler à une clause de non-responsabilité juridique, scindez le problème : corrigez la dérive de caméra avec « sans rotation, sans tremblement » dans l'emplacement de la caméra, et gardez la conclusion des contraintes courte. Un prompt majoritairement composé d'interdictions laisse très peu de budget aux instructions de mouvement qui font réellement tenir le clip.

Itérer sur la recette sans se perdre

Les recettes de ce guide sont des points de départ, pas des prompts finis. Le flux de travail qui les transforme en quelque chose de fiable est ennuyeux mais efficace : ne changez qu'une variable par exécution, et notez ce qui s'est passé.

Ne changez qu'un seul emplacement à la fois

Si le clip est faux, ne réécrivez pas tout le prompt sous le coup de l'impulsion. Identifiez l'emplacement le plus probablement responsable et ne modifiez que celui-là :

  • Direction du mouvement erronée → emplacement de la caméra.
  • Mouvement trop rapide ou terminé trop tôt → emplacement du rythme.
  • Identité du sujet qui dérive → ancrage de la première image.
  • Son ou voix aléatoire → emplacement audio.
  • Artefacts récurrents → conclusion des contraintes.

Ne changer qu'un seul point par exécution signifie qu'il n'y a qu'une seule différence attribuable. En réécrivant tout d'un coup, vous n'apprenez rien, même si le clip suivant est meilleur.

Tenez un journal d'exécution

Un court journal sans tableau par plan suffit :

shot : product_hero_01
recipe : v3
change : caméra « lent travelling avant » -> « statique, aucun mouvement »
result : mouvement propre ; l'action du sujet se lit maintenant clairement
next : essayer « travelling avant très lent » pour comparer

Trois champs — ce qui a changé, ce qui s'est passé, ce qu'on fait ensuite — suffisent pour rendre un prompt reproductible au sein d'une équipe. Quand quelqu'un demande pourquoi un plan ressemble à cela, le journal donne la réponse.

Gelez la recette gagnante

Quand une recette se stabilise, arrêtez de la modifier. Copiez-la dans une bibliothèque partagée avec un nom court et le journal d'exécution joint. Les nouveaux plans doivent partir de la recette gelée la plus proche, et non d'un prompt vide. C'est ainsi qu'un ensemble de prompts devient un actif, et non une pile de chaînes jetables.

Sachez quand arrêter

L'itération a des rendements décroissants. Si trois modifications à variable unique d'affilée n'apportent pas d'amélioration significative, le problème vient généralement de l'image d'entrée, pas du prompt — une première image à la pose ambiguë ou à l'arrière-plan encombré vous desservira toujours. Changez l'image fixe et relancez la recette verrouillée.

La boucle est simple : exécuter, comparer, changer une chose, noter. En vous y tenant, la recette deviendra plus rapide à utiliser à chaque plan terminé. Si vous cherchez un point de départ, commencez par la page du modèle image-vers-vidéo wan2.6-flash et remplissez les cinq emplacements avec le squelette ci-dessus.

Articles similaires

Voir tous les articles →

Commencez avec des artefacts IA persistants

Obtenez votre clé API et appelez des modèles d'image, de vidéo et d'audio via une API unique basée sur les tasks.

Lire la documentation de l'API