DébutantGénération image, vidéo & audio
Texte vers vidéo (text-to-video)
En anglais : Text-to-video
Tâche d’IA générative qui consiste à créer une courte séquence vidéo à partir d’une description écrite, en générant des images successives cohérentes dans le temps.
Le principe prolonge celui du texte vers image, avec une difficulté supplémentaire : chaque image doit s’enchaîner logiquement avec la précédente, sans que les objets changent de forme ou disparaissent. Les modèles actuels s’appuient généralement sur la diffusion appliquée à des blocs vidéo compressés, souvent avec des architectures de type transformer. La durée des clips reste limitée et la physique (liquides, mains, mouvements rapides) peut sembler étrange. Certains outils génèrent aussi le son, ou partent d’une image fixe pour l’animer, ce que l’on appelle image vers vidéo.
Exemple
Une petite marque de cosmétiques produit un plan d’ambiance de quelques secondes pour une publicité sur les réseaux sociaux, sans organiser de tournage.
Notions liées
Deepfake (hypertrucage)
DébutantContenu vidéo, audio ou image falsifié par IA de façon réaliste, qui fait dire ou faire à une personne réelle quelque chose qu’elle n’a jamais dit ni fait.
Modèle de diffusion
IntermédiaireModèle génératif qui apprend à retirer progressivement le bruit d’une donnée, afin de créer à partir d’un bruit aléatoire une image, une vidéo ou un son cohérent.