Sur cette page
Chapitre 1
Qu'est-ce que la génération de vidéos par IA
Un modèle vidéo IA transforme une description en un court clip animé. Vous ne filmez, n'éclairez ni n'animez rien : le modèle peint chaque image à partir de ce qu'il a appris sur l'apparence et le mouvement des scènes. Il existe deux grandes façons de le piloter.
Texte en vidéo
Vous écrivez un prompt (le sujet, l'action, le lieu, le mouvement de caméra) et le modèle génère le clip à partir de rien. Idéal quand vous n'avez aucune image.
Image en vidéo
Vous donnez au modèle une image fixe comme première image, par exemple une photo produit ou une image de storyboard validée, et il l'anime à partir de là. Le résultat reste bien plus proche du rendu que vous avez choisi.
Chaque génération produit un seul clip court de quelques secondes. Une vidéo finie réunit plusieurs clips, avec une voix, des sous-titres et souvent de la musique par-dessus : c'est cet assemblage que la plupart des gens sous-estiment.
Chapitre 2
Ce qui distingue les modèles vidéo
Chaque modèle fait des compromis. Avant d'en choisir un, comparez-les sur ce qui change votre résultat et votre facture.
| Critère | Ce que cela signifie | Ce qu'il faut regarder |
|---|---|---|
| Durée des clips | La plupart des modèles rendent des durées fixes ou plafonnées, généralement de 3 à 15 secondes environ par clip. | Prévoyez des scènes adaptées aux durées que le modèle rend, sinon vous payez des secondes que vous coupez. |
| Résolution | Les sorties courantes sont en 720p et 1080p ; les modèles premium montent jusqu'en 4K. | Le 720p suffit souvent sur téléphone. Payez le 1080p ou plus quand la vidéo passe sur grand écran ou en publicité. |
| Format d'image | Tous les modèles ne rendent pas tous les formats : vertical 9:16, panoramique 16:9 et carré 1:1. | Générez directement dans le format final. Recadrer un clip panoramique en vertical fait perdre l'essentiel de l'image. |
| Mouvement et détail | Les niveaux supérieurs gèrent généralement de façon plus convaincante les mouvements complexes, les mains, les tissus et la lumière. | Testez l'idée sur un niveau moins cher, puis faites le rendu final sur un meilleur niveau. |
| Coût par seconde | La tarification se fait généralement par seconde générée, et elle grimpe fortement avec la qualité : de quelques centimes la seconde pour les modèles légers à plusieurs dizaines de centimes pour les modèles premium. | Multipliez par chaque seconde rendue, essais compris. L'étape du storyboard permet de garder les essais bon marché. |
| Audio | Certains modèles savent générer du son, mais la parole en dialectes arabes n'est pas leur point fort. | Générez les images sans son et ajoutez par-dessus une vraie voix off et de la musique. |
Les niveaux de qualité de Vocla
- Lite150 crédits/sRapide et économique, des clips de 4, 6 ou 8 secondes. Idéal pour les clips sociaux et pour tester une idée. Sur tous les forfaits avec vidéo.
- Standard400 crédits/sDes mouvements et des détails plus riches, des clips flexibles de 3 à 15 secondes, tous les formats. Professional et plus.
- Pro1 000 crédits/sLe plus haut niveau de détail, pour les campagnes et les vitrines : 1080p avec Business, jusqu'en 4K avec Enterprise.
Vocla associe chaque niveau à un modèle vidéo IA actuel et peut changer le modèle utilisé à mesure que de meilleurs apparaissent ; le niveau, son tarif en crédits et les limites de votre forfait restent les mêmes.
Chapitre 3
Pourquoi la voix et les sous-titres comptent plus que les images
En vidéo courte, le public pardonne une image simple. Il ne pardonne pas une voix qui sonne faux, un dialecte qui n'est pas le sien ou des mots illisibles en mode muet. C'est pourquoi Vocla construit la vidéo autour de la voix, et non l'inverse.
La voix porte le message
Les mots, le ton et l'accent déterminent si le spectateur se sent concerné. Une voix saoudienne pour Riyad ou égyptienne pour Le Caire fait plus qu'un plan plus joli.
Les sous-titres font le travail en mode muet
Beaucoup de gens regardent sans le son. Des sous-titres incrustés, dans un style facile à suivre, préservent le message pour eux.
Le rythme vient de la parole
Les scènes doivent changer avec les phrases. Vocla génère d'abord la voix du script et cale chaque scène sur la parole, pour que l'image suive ce qui est dit.
Le texte dans l'image est le point faible
Les modèles vidéo déforment les lettres, l'arabe plus que tout. Gardez chaque mot hors de l'image, sur une piste de sous-titres séparée qui rend correctement l'arabe, de droite à gauche.
Chapitre 4
Comment écrire des prompts de scène qui donnent de belles images
Un bon prompt de scène se lit comme une note de réalisateur : qui ou quoi est à l'écran, ce qui se passe, où, comment se comporte la caméra, quelle lumière et quelle ambiance. Rédigez-le en anglais, la langue que les modèles vidéo suivent le mieux, même si votre script est en arabe.
Les six éléments d'un prompt de scène
- 1. Sujeta brass dallah and a small cup of Arabic coffee
- 2. Actioncoffee being poured, steam rising
- 3. Décoron a wooden table by a window
- 4. Caméraclose-up, slow push-in
- 5. Lumièrewarm morning light, shallow depth of field
- 6. Stylecinematic, rich golden tones
Close-up of Arabic coffee being poured from a brass dallah into a small cup, steam rising, on a wooden table by a window, slow push-in, warm morning light, shallow depth of field, cinematic, rich golden tones
Les bonnes habitudes
- Un sujet et une action par scène : un écran de téléphone, c'est petit.
- Nommez le mouvement de caméra. Les travellings avant lents, les panoramiques verticaux et les plans en plongée conviennent à la vidéo verticale.
- Répétez les mêmes mots de style à la fin de chaque prompt pour que les scènes forment une seule vidéo.
- Décrivez ce que vous voulez, pas ce que vous ne voulez pas : les modèles ignorent souvent le « no ».
Ce qu'il faut laisser de côté
- Le texte à l'écranTitres, prix, panneaux et mots arabes ressortent déformés. Mettez plutôt les mots dans les sous-titres.
- Logos et noms de marqueLes modèles inventent de faux logos ou déforment les vrais. Montrez des objets sans marque et citez votre marque dans la voix off.
- Personnes réelles ou célèbresNe demandez pas la ressemblance d'une personne réelle. Utilisez une personne générique, des mains ou une silhouette vue de dos.
- Scènes surchargéesTrop de sujets et d'actions à la fois deviennent du bruit visuel. Répartissez-les sur plusieurs scènes.
- Contradictions« Nuit ensoleillée et lumineuse » ou « survol de drone statique » perturbent le modèle. Choisissez une seule lumière et un seul mouvement.
Chapitre 5
Bibliothèque de prompts à copier-coller
Douze prompts de scène qui suivent la recette en six éléments. Copiez-en un, remplacez le sujet par le vôtre et gardez les mots de caméra, de lumière et de style.
- CuisineCafé arabe versé
Prompt
Close-up of Arabic coffee being poured from a brass dallah into a small handleless cup, steam rising, warm morning window light, shallow depth of field, slow push-in, cinematic, rich golden tones
Un sujet, une action et un mouvement doux : une ouverture calme et haut de gamme.
- RestaurantsGrill au charbon de nuit
Prompt
Close-up of skewers of grilled meat and vegetables over glowing charcoal, flames flickering, smoke curling upward, night market atmosphere, warm firelight, slow motion
Le feu, la fumée et le ralenti apportent de la texture sans aucun texte.
- ImmobilierDécouverte du salon
Prompt
Slow dolly forward into a bright modern living room with floor-to-ceiling windows overlooking a city skyline at golden hour, minimalist furniture, soft natural light, wide lens, calm and airy, photorealistic
Un mouvement vers l'avant donne l'impression d'« entrer », exactement ce qu'on attend d'une visite.
- E-commerceParfum en vedette
Prompt
A glass perfume bottle without a label on a dark marble pedestal, slow orbit around the bottle, soft rim light, fine mist drifting in the air, black background, luxury commercial style, sharp focus
Un flacon sans étiquette évite les marques déformées ; votre marque vit dans la voix.
- BeautéTexture de soin
Prompt
Macro shot of a creamy skincare texture swirling slowly on a pastel pink surface, soft diffused light, glossy highlights, clean and fresh aesthetic
Les textures en macro sont riches dans un cadre vertical et n'ont jamais besoin d'un visage.
- VoyageDunes au coucher du soleil
Prompt
Aerial drone shot gliding over rippled sand dunes at sunset, long shadows, warm orange and pink sky, a single tyre track across the sand, epic and peaceful, cinematic color grade
Un paysage, la lumière et une ligne directrice : un plan d'ouverture simple et saisissant.
- HôtellerieRuelle de vieille ville à l'heure bleue
Prompt
Slow walk-through of a narrow old-town alley with stone walls and hanging lanterns at blue hour, warm light spilling from doorways, gentle handheld camera, nostalgic, cinematic
La caméra à l'épaule rend la scène personnelle, comme un créateur qui vous fait visiter.
- FitnessÉtirements sur un toit au lever du soleil
Prompt
A person in plain sports clothes stretching on a yoga mat on a rooftop at sunrise, seen from behind, city in the soft distance, gentle handheld feel, warm light, calm and motivating
Vue de dos, la personne reste générique et l'ambiance passe au premier plan.
- ÉducationBlocs de construction
Prompt
Top-down view of colorful wooden blocks being stacked into a tower on a light desk, soft daylight, playful and clear, stop-motion feel
Une métaphore visuelle du « pas à pas », sans écriture que le modèle pourrait déformer.
- TechTéléphone lumineux
Prompt
Close-up of a smartphone lying on a dark desk, its blank screen emitting a soft blue glow that lights the surroundings, subtle floating particles, slow push-in, futuristic, moody lighting
Un écran vide et lumineux évoque une application sans faux texte d'interface.
- AutomobileRoute côtière
Prompt
Tracking shot of an unbranded white SUV driving along a coastal highway beside a calm turquoise sea, bright midday sun, smooth gimbal movement, clean commercial look
« Unbranded » évite les logos inventés ; le travelling met le mouvement en valeur.
- Toutes marquesFond abstrait en boucle
Prompt
Slow-moving abstract waves of teal and purple light flowing across a dark background, soft glow, smooth seamless motion, calm and premium
Un arrière-plan sûr pour un message, une offre ou une citation portés par la voix.
Chapitre 6
Commencez par le storyboard
Le rendu vidéo est l'étape coûteuse : prenez donc toutes vos décisions avant. Un storyboard d'images fixes, une par scène, montre l'allure de toute la vidéo pour une fraction du coût de son rendu.
- 01ScriptL'accroche d'abord, une phrase par idée
- 02VoixGénérée en premier, dans le dialecte choisi
- 03Plan des scènesDes scènes de 3 à 8 s calées sur la parole
- 04Images fixesUne image par scène à valider
- 05RenduUniquement les scènes validées
- 06MixageVoix, sous-titres et musique par-dessus
- Soignez d'abord l'image d'accroche : si la première image fixe ne vous arrête pas dans votre défilement, la vidéo non plus.
- Vérifiez la cohérence : la même lumière, la même palette et le même style sur toutes les images fixes.
- Modifiez un seul prompt et régénérez cette image, plutôt que de tout refaire.
- Les images validées deviennent la première image de chaque clip, pour que la vidéo reste proche de ce que vous avez vu.
Chapitre 7
Pas à pas : générer une vidéo avec Vocla
Le parcours complet, de la page blanche au MP4 téléchargé.
- 1
Écrivez et minutez le script
Écrivez une accroche qui se dit en deux secondes environ, puis une phrase courte par idée. Vérifiez la durée avec le planificateur de script TikTok.
- 2
Choisissez la voix et la finition
Ouvrez Vidéo dans Vocla, collez le script, puis choisissez une voix et un dialecte, le format (9:16, 16:9 ou 1:1), un niveau de qualité, un style de sous-titres et l'ajout éventuel de musique.
- 3
Laissez Vocla générer la voix et planifier
Vocla génère la voix off, la découpe en scènes de trois à huit secondes calées sur la parole et rédige un prompt visuel en anglais pour chacune.
- 4
Modifiez les prompts de scène
Relisez chaque prompt à la lumière de la recette en six éléments. Précisez le sujet, nommez le mouvement de caméra et gardez des mots de style cohérents.
- 5
Validez le storyboard
Générez une image fixe par scène. Retravaillez tout prompt qui ne convient pas et régénérez l'image jusqu'à ce que chaque scène soit juste.
- 6
Rendu, vérification et téléchargement
Vérifiez le devis, lancez le rendu, puis regardez la vidéo sur votre téléphone. Régénérez une scène si besoin et téléchargez le MP4 avec votre voix, les sous-titres et la musique.
Chapitre 8
Prévoyez le coût avant le rendu
Vocla facture la vidéo en crédits par seconde rendue, et le tarif dépend du niveau de qualité. Chaque scène est arrondie à une durée de clip que le modèle du niveau sait rendre : la durée des scènes compte donc autant que le total.
| Niveau | Crédits par seconde rendue | Durées de clip | Forfaits |
|---|---|---|---|
| Lite | 150 crédits/s | 4, 6 ou 8 s | Tous les forfaits avec vidéo |
| Standard | 400 crédits/s | 3 à 15 s | Professional et plus |
| Pro | 1 000 crédits/s | 4, 6 ou 8 s | Business et Enterprise |
Exemple : un Reel de 30 secondes
Cinq scènes de six secondes chacune, voix en arabe saoudien, avec images fixes de storyboard et fond musical. Une vidéo de 30 secondes nécessite Professional (les vidéos Starter vont jusqu'à 15 secondes).
- Scènes en Lite5 × 6 s × 150
- 4 500 crédits
- Scènes en Standard5 × 6 s × 400
- 12 000 crédits
- Images fixes du storyboard5 × 200
- 1 000 crédits
- Fond musical (par défaut)
- 120 crédits
- Voix off
- Selon le modèle vocal
Pourquoi la durée des scènes compte
En Lite, une vidéo Starter de 15 secondes prévue en trois scènes de 5 secondes rend trois clips de 6 secondes : 18 secondes rendues, soit 2 700 crédits. Prévue en 4 + 5 + 6 secondes, elle rend 4 + 6 + 6 : 2 400 crédits. Dans les deux cas, votre quota mensuel compte la durée réelle de la vidéo.
Ces estimations reposent sur les tarifs par défaut au moment de la rédaction. Les tarifs peuvent changer, et le devis affiché dans l'application avant le rendu fait foi. Les scènes en échec sont remboursées.
Chapitre 9
Les erreurs courantes (et comment les corriger)
La plupart des vidéos IA décevantes échouent pour les mêmes quelques raisons. Aucune ne tient au modèle.
Partir des images
Écrivez et faites dire le script d'abord. Des scènes calées sur une voix off finie paraissent voulues ; des images sur lesquelles on ajoute une voix après coup paraissent aléatoires.
Demander du texte au modèle
Prix, titres et mots arabes ressortent déformés. Laissez chaque mot à la piste de sous-titres.
Logos et personnes réelles
Demandez des objets sans marque et des personnes génériques, et citez le nom de la marque dans la voix off.
Un nouveau style à chaque scène
Répétez une même fin de prompt, avec les mêmes mots de lumière et de palette, à la fin de chaque prompt.
Trop d'éléments dans un plan
Un sujet et une action par scène. Si vous avez deux idées, il vous faut deux scènes.
Lancer le rendu avant les images fixes
Validez d'abord le storyboard ; modifier une image fixe coûte une fraction du nouveau rendu d'un clip.
Un script trop long pour la durée
Trop de mots pour la durée, c'est une voix précipitée. Minutez le script, puis coupez des mots plutôt que d'accélérer.
Oublier les bords de l'image
Les plateformes affichent des boutons sur les côtés et le bas des vidéos verticales. Gardez sujets et sous-titres à l'écart.
Chapitre 10
Questions sur la génération de vidéos par IA
Qu'est-ce que la génération de vidéos par IA ?
L'utilisation d'un modèle d'IA pour créer des clips vidéo à partir d'une description écrite (texte en vidéo) ou d'une image de départ (image en vidéo), au lieu de filmer. Des outils comme Vocla Video ajoutent ce qu'un modèle fait mal : la voix off, les sous-titres, la musique et l'assemblage des scènes en une seule vidéo.
Quelle différence entre texte en vidéo et image en vidéo ?
Le texte en vidéo génère un clip à partir d'un prompt seul. L'image en vidéo part d'une image fixe que vous fournissez, comme une photo produit ou une image de storyboard validée, pour que le résultat reste plus proche du rendu choisi.
Les modèles vidéo IA savent-ils écrire du texte arabe dans la vidéo ?
Pas de manière fiable : les lettres ressortent généralement déformées, l'arabe en particulier. Vocla ne demande jamais de texte au modèle et incruste les sous-titres à partir d'une piste séparée qui rend correctement l'arabe.
Quelle durée peut avoir une vidéo générée par IA ?
Chaque clip est court, généralement quelques secondes. Les vidéos plus longues sont construites à partir de plusieurs scènes. Dans Vocla, les vidéos vont jusqu'à 15 secondes avec Starter, 60 secondes avec Professional, 120 secondes avec Business et 180 secondes avec Enterprise.
Combien coûte la génération d'une vidéo par IA ?
Cela dépend de la durée et du niveau de qualité. Dans Vocla, la vidéo est facturée en crédits par seconde rendue (par défaut 150 en Lite et 400 en Standard), plus la voix off et, en option, les images fixes du storyboard et la musique. Vous voyez toujours le devis avant le rendu.
Dans quelle langue écrire les prompts ?
En anglais : c'est la langue que les modèles vidéo suivent le plus fidèlement. Votre script et la voix peuvent être dans n'importe quel dialecte arabe ; Vocla rédige pour vous les prompts de scène en anglais, et vous pouvez les modifier.
Puis-je utiliser des vidéos générées par IA à des fins commerciales ?
Dans Vocla, l'usage commercial est inclus dans les forfaits payants, et tous les forfaits avec vidéo sont payants. Vous restez responsable de votre script et des allégations de vos publicités.