Image to Video

• Durée : 5, 10, 15, 20, 25, ou 30s

• Résolution : 480p / 720p / 1080p

• Idéal pour : animer une image via Reference Mode (jusqu'à 9 images de référence plus jusqu'à 3 clips audio de référence) en clips longs et multi-plans allant jusqu'à 30 secondes, avec audio natif optionnel écrit par le modèle. Entraîné sur un vaste ensemble de données étiquetées de contenu NSFW.

• Points forts : peut écrire sa propre bande-son via le bouton Generate Audio, suit de longs prompts façon scénario découpés en plans horodatés, les tokens de référence ([img1], [audio1]) vous permettent d'indiquer précisément quel fichier téléchargé utiliser, meilleure cohérence multi-sujets et contrôle de caméra que les modèles Wan précédents.

• Compromis : les meilleurs résultats nécessitent un prompt adapté à la durée : des prompts courts sur de longues durées laissent l'intrigue et le choix des plans au modèle. Pas de prompt négatif ; les éléments indésirables doivent être décrits explicitement.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5, 10, 15, 20, 25, ou 30s

• Résolution : 480p / 720p / 1080p

• Idéal pour : la même animation via Reference Mode que Wan 3.0 Spicy (jusqu'à 9 images de référence plus jusqu'à 3 clips audio de référence) en clips longs et multi-plans allant jusqu'à 30 secondes, avec audio natif optionnel écrit par le modèle, mais renvoyé environ 40 % plus vite.

• Points forts : qualité de sortie et fonctionnalités identiques à Wan 3.0 Spicy (bouton Generate Audio, prompts façon scénario, tokens de référence, cohérence multi-sujets) ; la différence est le temps d'attente, ce qui compte pour tester des idées ou affiner un plan.

• Compromis : coûte plus cher par seconde que Wan 3.0 Spicy pour le même résultat ; même sensibilité à la longueur du prompt et absence de prompt négatif.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s ou 10 s

• Idéal pour : animations plus contrôlées entre deux états définis ; narration fluide et mouvement de personnage réaliste.

• Points forts : prend en charge Last Frame pour des boucles plus douces et des fins plus stables. Prend en charge 480p, 720p, et 1080p.

• Compromis : plus lent que Pro Fast ; fonctionne mieux avec des images de début/fin propres et bien alignées pour des transitions cohérentes.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s ou 10 s

• Idéal pour : aperçus rapides et brouillons les moins chers.

• Points forts : vitesse de génération rapide, coût faible, prend en charge 480p, 720p, et 1080p. Prend en charge Start Frame pour un guidage de mouvement simple.

• Compromis : moins de contrôle et qualité inférieure comparé à Seedance Pro.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 10 s ou 12 s

• Idéal pour : générer des vidéos courtes et cinématographiques où audio et vidéo sont générés ensemble dans un processus unifié. Ce modèle est idéal pour les clips narratifs, les scènes de dialogue, le mouvement piloté par l’audio, et la narration expressive directement à partir de prompts ou d’images.

• Points forts : Seedance 1.5 Pro est un modèle de génération conjointe audio-vidéo qui produit des images et du son synchronisés en un seul processus. Il offre une synchronisation labiale précise, un mouvement expressif, une forte adhésion aux instructions, prend en charge 720p et 1080p, et inclut Generate Audio et Fix camera position pour un contrôle amélioré.

• Compromis : les meilleurs résultats proviennent de prompts clairs et d’instructions structurées ; les scènes complexes bénéficient d’une conception de prompt réfléchie pour maintenir la cohérence du mouvement et le rythme expressif.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 6 s, 8s, 10 s, 12s, 15 s

• Résolution : 480p / 720p

• Idéal pour : animer une seule image comme première image littérale, créer une transition entre deux images (First-Last Frame), ou transférer des caractéristiques (apparence, style, mouvement) via Reference Mode (jusqu’à 9 images + 3 vidéos + 3 clips audio), plus un entraînement supplémentaire sur un vaste ensemble de données annotées de contenu NSFW.

• Points forts : haute prévisibilité du début de la vidéo (composition, pose, et angle de caméra sont préservés exactement comme dans l’image source), génération utilisant des marqueurs de référence [Image 1]/[Video 1]/[Audio 1], bonne cohérence du personnage entre les images lors de la réutilisation de la même référence. Génération audio pour la vidéo en mode standard.

• Compromis : les trois modes d’entrée fonctionnent différemment, et il est facile de les confondre : sélectionner le mauvais mode produira un résultat différent de celui attendu ; la qualité de l’image source affecte directement le résultat final. Plus lent que Seedance 2.0 Fast.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 6 s, 8s, 10 s, 12s, 15 s

• Résolution : 480p / 720p

• Idéal pour : animer une image comme première image littérale, créer une transition entre deux images spécifiées (interpolation), ou transférer des caractéristiques en utilisant des références multimodales : jusqu’à 9 images, 3 vidéos, et 3 clips audio. Plus un entraînement supplémentaire sur un vaste ensemble de données annotées de contenu NSFW.

• Points forts : haute prévisibilité du début de la vidéo (composition, pose, et angle préservés exactement comme dans l’image source) ; étiquetage de référence pratique avec [Image 1] / [Video 1] / [Audio 1], bonne cohérence du personnage lors de la réutilisation d’une seule référence, temps de génération rapide. Plus rapide et moins cher que la version standard.

• Compromis : il est facile de confondre les trois modes d’entrée : sélectionner le mauvais donne un résultat différent de celui attendu ; la qualité de l’image source affecte directement le résultat final. La qualité est inférieure à la version standard.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5, 10, 15, 20 ou 30 s

• Résolution : 480p / 720p / 1080p

• Idéal pour : des scènes longues et multi-plans jusqu'à 30 secondes en une seule génération : une histoire complète plutôt qu'un seul moment étiré. Animez un Start Frame (ou Start + End Frame), ou activez Reference Mode pour utiliser jusqu'à 30 images de référence et 10 clips audio de référence, désignés dans le prompt par [img1], [audio1]. Entraîné sur un vaste jeu de données annoté de contenu NSFW.

• Points forts : des images plus naturelles, moins « IA » : transitions de caméra, stabilité du sujet, éclairage et détails de la peau et des yeux améliorés ; les prompts horodatés (« 0–5s : …, 6–10s : … ») contrôlent ce qui se passe et quand ; audio natif optionnel via le bouton Generate Audio.

• Compromis : le modèle Seedance le plus cher : la 1080p coûte environ 3,4 fois le tarif 720p, testez donc d'abord en 480p/720p. Pas de prompt négatif. La vidéo peut sortir sans audio même avec Generate Audio activé.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s ou 10 s

• Idéal pour : synchronisation labiale, respiration, mouvement corporel rythmique, et scènes réactives à l’audio en utilisant un seul fichier audio (WAV, MP3).

• Points forts : forte synchronisation avec l’audio, mouvement facial et corporel expressif. Prend en charge 480p, 720p, et 1080p.

• Compromis : les résultats dépendent fortement de la qualité audio ; conçu pour un mouvement expressif plutôt que pour des configurations de caméra complexes.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 8 s.

• Idéal pour : génération ultra rapide d’image à vidéo avec contrôle de style LoRA personnalisé. Idéal pour les créateurs qui veulent un mouvement cinématographique, un look de personnage personnalisé, et des styles visuels cohérents directement à partir d’une seule image.

• Points forts : WAN 2.2 est un modèle image-à-vidéo ultra rapide qui génère une vidéo dynamique en 720p à partir d’images fixes et prend en charge des LoRAs personnalisés pour définir le mouvement et le comportement du personnage. Les LoRAs sont utilisés pour contrôler comment les personnages bougent, posent, et interagissent avec la caméra, permettant des motifs de mouvement cohérents entre les générations.

• Modèles de style LoRA :

  La plateforme propose une grande bibliothèque de modèles de style LoRA qui sont automatiquement appliqués pendant la génération. Ces modèles vous permettent de sélectionner rapidement des styles de mouvement prédéfinis et des dynamiques de personnage, assurant un mouvement et un comportement visuel cohérents sur plusieurs vidéos sans réglage manuel du prompt.

• Compromis : WAN 2.2 + LoRAs se concentre sur la vitesse et la cohérence.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 10 s ou 15 s

• Idéal pour : génération d’image à vidéo de haute qualité avec audio, clips plus longs, et mouvement expressif avec son synchronisé.

• Points forts : forte synchronisation audio, animation faciale expressive et mouvement corporel, prend en charge 720p et 1080p.

• Compromis : les résultats dépendent de la qualité de l’entrée et de la clarté du prompt ; mieux adapté aux scènes contrôlées.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 10 s ou 15 s

• Idéal pour : générations rapides, tests rapides, workflows pour réseaux sociaux, et production de contenu par lots.

• Points forts : temps de rendu significativement plus rapide, support audio natif, mouvement expressif, prend en charge 720p et 1080p.

• Compromis : cohérence visuelle légèrement inférieure comparée à Wan 2.7 ; optimisé principalement pour la vitesse.

• Notes sur le contenu : Filtres : Minimaux

• Idéal pour : génération d’image à vidéo avec audio, clips plus longs, et mouvement expressif avec son synchronisé, générations cinématographiques, mouvement de caméra fluide, personnages réalistes, et rendus finaux de haute qualité.

• Points forts : cohérence temporelle améliorée, meilleure compréhension du prompt, qualité de mouvement améliorée, prend en charge 720p et 1080p.

• Compromis : plus lent que les modèles Ultra Fast ; les meilleurs résultats nécessitent des prompts clairs et des images d’entrée de haute qualité.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5s, 8s

• Idéal pour : génération ultra rapide d’image à vidéo, styles visuels cohérents directement à partir d’une seule image, plus un entraînement supplémentaire sur un vaste ensemble de données étiquetées de contenu NSFW.

• Points forts : détails percutants, forte adhésion à votre image de référence, bon pour les mouvements de caméra dramatiques et l’étalonnage sombre et atmosphérique.

• Compromis : un filtrage moins conservateur signifie que vous devez garder des prompts précis ; l’anatomie et les petits détails peuvent dériver si vous poussez les extrêmes.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s, 10 s, 15 s

• Idéal pour : génération d’image à vidéo de haute qualité avec audio, clips plus longs, et mouvement expressif avec son synchronisé, plus un entraînement supplémentaire sur un vaste ensemble de données étiquetées de contenu NSFW.

• Points forts : cohérence temporelle améliorée, meilleure compréhension du prompt, qualité de mouvement améliorée, prend en charge 720p et 1080p.

• Compromis : plus lent que les modèles Ultra Fast ; les meilleurs résultats nécessitent des prompts clairs et des images d’entrée de haute qualité.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5s / 10s / 15s

• Idéal pour : générer rapidement des vidéos à partir d’une image tout en contrôlant le style à l’aide de LoRAs personnalisés. Idéal pour les créateurs qui veulent un mouvement cinématographique, un look de personnage personnalisé, et des styles visuels cohérents, tout basé sur une seule image.

• Points forts : WAN 2.7 est un modèle de conversion image-à-vidéo qui génère une vidéo dynamique en 720p ou 1080p avec audio synthétisé à partir d’images fixes et prend en charge des LoRAs personnalisés pour définir le mouvement et le comportement du personnage. Les LoRAs sont utilisés pour contrôler comment les personnages bougent, posent, et interagissent avec la caméra, assurant des motifs de mouvement cohérents entre les générations. Aucun prompt n’est requis.

• Modèles de style LoRA : La plateforme propose une grande bibliothèque de modèles de style LoRA qui sont automatiquement appliqués pendant la génération. Ces modèles vous permettent de sélectionner rapidement des styles de mouvement préréglés et des dynamiques de personnage, assurant un mouvement et un comportement visuel cohérents sur plusieurs vidéos sans avoir besoin de réglage manuel du prompt.

• Compromis : WAN 2.7 + LoRAs privilégie la qualité et la cohérence. Ajouter un prompt peut entrer en conflit avec le prompt par défaut et causer des erreurs dans la vidéo générée ou faire échouer le LoRA.

• Notes sur le contenu : Filtres : Minimaux

• Durée : 5 s ou 10 s

• Idéal pour : génération vidéo SFW de haute qualité avec support audio natif. Idéal pour les personnages parlants, les scènes de dialogue, le contenu de marque, les présentations de produits, et les clips courts réalistes où audio et visuels doivent être générés ensemble. Prend en charge Start Frame, qui définit la façon dont le mouvement commence.

• Points forts : ce modèle est un modèle natif de génération audio-vidéo, ce qui signifie que la vidéo et l’audio sont créés simultanément en un seul processus. Il produit une parole et un son synchronisés alignés avec le mouvement visuel, offre une animation faciale réaliste et une identité stable, et prend en charge la résolution 1080p. Le modèle inclut Generate Audio pour la création audio intégrée pour les plans de caméra stables et sans mouvement.

• Compromis : optimisé pour le réalisme et des résultats propres et sûrs pour la marque plutôt que la stylisation extrême ; la meilleure performance vient de prompts clairs et d’un mouvement contrôlé.

• Notes sur le contenu : Filtres de sécurité : Activés

• Durée : 5, 6, 8, 10, 12, ou 15 s

• Résolution : 480p / 720p / 1080p

• Idéal pour : animer une Start Frame, une End Frame, ou les deux, et utiliser le Reference Mode pour guider le style, le personnage, ou le son à partir de vos propres images, vidéo, et audio : jusqu'à 9 images de référence, 3 vidéos de référence, et 3 clips audio de référence (12 fichiers au total).

• Points forts : les tokens de référence (Image 1, Video 1, Audio 1) vous permettent d'indiquer précisément quel fichier téléchargé utiliser ; chaque clip obtient automatiquement une piste audio stéréo native, sans bascule ; formats flexibles (16:9, 9:16, 4:3, 3:4, 1:1, 21:9, ou Adaptatif).

• Compromis : prix plein tarif, environ le double de MiniMax H3 Max Turbo. Pas de prompt négatif ; les éléments indésirables doivent être décrits à la fin du prompt principal. L'audio ne peut pas être désactivé. Les prompts longs sont compressés en interne, donc des descriptions plus courtes et précises fonctionnent généralement mieux.

• Notes sur le contenu : Filtres : Activés. SFW uniquement, ne prend pas en charge le contenu NSFW.

• Durée : 5, 6, 8, 10, 12, ou 15 s

• Résolution : 480p / 720p / 1080p

• Idéal pour : une animation Start/End Frame rapide et économique lorsque vous n'avez pas besoin d'images, de vidéo, ou d'audio de référence.

• Points forts : environ moitié prix de MiniMax H3 Max et plus rapide ; mêmes contrôles Start Frame / End Frame / les deux ; audio stéréo natif inclus automatiquement.

• Compromis : aucun Reference Mode. Pour des références d'image, de vidéo, ou d'audio, utilisez plutôt MiniMax H3 Max. Pas de prompt négatif. L'audio ne peut pas être désactivé.

• Notes sur le contenu : Filtres : Activés. SFW uniquement, ne prend pas en charge le contenu NSFW.

• Durée : 6 s ou 10 s

• Idéal pour : animations dynamiques, clips de concept rapides, et mouvement expressif à partir d’une seule image.

• Points forts : génération rapide, adapté aux scènes énergiques et à l’itération rapide.

• Compromis : moins stable et moins cohérent comparé aux modèles cinématographiques haut de gamme.

• Notes sur le contenu : Filtres de sécurité : Partiels

Oui, mais l’anglais est recommandé.

La plupart des modèles (WAN et Seedance Pro) peuvent techniquement traiter des prompts rédigés dans des langues autres que l’anglais. Cependant, l’anglais offre les résultats les plus stables et prévisibles, en particulier pour le mouvement, la direction de la caméra, et les indices émotionnels.

Meilleure pratique :

Utilisez l’anglais pour la production et les workflows répétables. D’autres langues peuvent fonctionner pour des scènes simples, mais les résultats peuvent être moins cohérents.

Importer un fichier audio n'est pas nécessaire pour la plupart des modèles compatibles audio : Wan 2.5 + Audio, Wan 2.6 + Audio, Wan 2.7 + Audio, Wan 2.7 Spicy, Seedance Pro 1.5, Seedance 2.0 Spicy/Fast Spicy et Kling 2.6 + Audio peuvent tous générer l'audio directement à partir du prompt texte. Décrivez simplement le son que vous voulez entendre, par exemple :

• “the girl is softly moaning”

• “slow breathing, sensual rhythm”

• “quiet voice, soft exhales”

Le modèle génère automatiquement un audio synchronisé à partir de votre prompt. Les fichiers audio (WAV ou MP3) ne sont nécessaires que si vous avez déjà un son ou une piste vocale précise à respecter exactement.

Avec Wan 3.0 Spicy, activez le bouton séparé Generate Audio pour que le modèle crée sa propre bande sonore. S'il est activé et que vous n'avez pas décrit le son, le modèle invente lui-même dialogues et musique. Décrivez explicitement dans le prompt l'audio voulu (ou le silence) si c'est important (par ex. « no dialogue, no background music » ou le son exact souhaité).

La plupart des modèles génèrent 5 à 15 secondes par clip, et Wan 3.0 Spicy et Seedance 2.5 Spicy peuvent générer jusqu'à 30 secondes en une seule génération, la génération unique la plus longue sur ZenCreator. Si 30 secondes ou moins vous suffisent, choisissez l'un d'eux et réglez la durée ; inutile d'enchaîner des clips.

Au-delà de 30 secondes, construisez la vidéo à partir de plusieurs clips avec un workflow enchaîné :

1) Générez chaque clip avec Start Frame et End Frame :

1. Générez le premier clip.

2. Utilisez la dernière image de ce clip comme Start Frame de la génération suivante.

3. Définissez éventuellement un End Frame pour guider l'état final.

4. Répétez le processus pour prolonger la séquence.

Cette approche vous permet de :

• préserver la continuité visuelle et du mouvement

• créer des vidéos de pratiquement n'importe quelle durée

• éviter les changements de mouvement brusques

Ce workflow est pris en charge par Seedance Pro, Seedance Pro 1.5, Seedance 2.0 Spicy, Seedance 2.0 Fast Spicy, Seedance 2.5 Spicy, Wan 3.0 Spicy, Wan 3.0 Prime Spicy, MiniMax H3 Max et MiniMax H3 Max Turbo (consultez la fiche du modèle ci-dessus pour savoir quels modèles prennent en charge Start/End Frame).

2) Une fois vos clips prêts (jusqu'à 30s chacun avec Wan 3.0 Spicy ou Seedance 2.5 Spicy), assemblez-les avec Video Merger :

1. Ajoutez 2 à 5 vidéos

2. Choisissez une méthode de fusion

3. Utilisez le bouton pour choisir de conserver ou non l'audio d'origine de la vidéo

4. Vous pouvez aussi choisir comment découper les vidéos importées

5. Cliquez sur Run

Cette approche vous permet de :

• fusionner sans effort 2 à 5 clips en une vidéo d'aspect professionnel

• obtenir des transitions fluides et un enchaînement naturel entre les scènes

• découper les clips avec précision et contrôler l'audio (en conservant le son d'origine ou en le remplaçant)

• créer des vidéos plus longues et de haute qualité sans coupes brusques, bien au-delà de la limite de 30 secondes par génération

La plupart des modèles ici fonctionnent avec Filtres : Minimaux, ce qui permet un contenu plus explicite que les options fortement filtrées. Les modèles conçus spécifiquement pour le NSFW sont Wan 2.2 Spicy, Wan 2.7 Spicy, Wan 3.0 Spicy, Seedance 2.0 Spicy, Seedance 2.0 Fast Spicy et Seedance 2.5 Spicy. Les modèles Kling (Filtres : Activés) sont les plus restreints et les mieux adaptés au contenu SFW.

Utilisez Wan 2.2 Spicy pour une liberté créative maximale et un mouvement audacieux, ou Wan 2.2 + LoRA / Wan 2.7 + LoRA si vous voulez contrôler le mouvement du personnage à l’aide de styles de mouvement prédéfinis.

Utilisez Wan 2.2 + LoRA ou Wan 2.7 + LoRA quand vous voulez :

• un mouvement de personnage cohérent,

• un comportement de mouvement prédéfini,

• ne pas avoir besoin d’inventer des prompts : choisissez simplement des idées de mouvement dans des modèles intégrés

Les LoRAs sont particulièrement utiles lors de la génération de nombreuses variations à partir d’une seule image.

Commencez par 5 secondes pour valider le mouvement et le style.

Une fois le résultat satisfaisant, passez à une durée plus longue pour les clips finaux : 10 à 15 secondes sur la plupart des modèles, ou jusqu'à 30 secondes avec Wan 3.0 Spicy et Seedance 2.5 Spicy.

Oui. Vous pouvez importer jusqu’à 100 images de référence, et chaque image sera rendue comme un clip vidéo séparé en utilisant les mêmes réglages.

Les modèles Spicy sont entraînés spécifiquement pour la génération NSFW avec moins de restrictions. Les modèles réguliers avec Filtres : Minimaux peuvent toujours fonctionner avec des références NSFW, mais ils ne sont pas construits ni entraînés de la même manière.

La plupart oui, mais Wan 2.7/Wan 2.2 + LoRA fonctionne sans. Y ajouter un prompt peut même entrer en conflit avec son style intégré et causer des erreurs.

Non. Comme tout outil IA, les résultats peuvent varier et des erreurs ou artefacts occasionnels sont normaux. Si un clip ne se déroule pas correctement, réessayez ou ajustez votre prompt ou référence.