La génération de texte vers vidéo est l'une des capacités les plus impressionnantes de l'IA. Vous décrivez les personnages, le décor, le mouvement, le style de caméra et le son, et en 1 à 3 minutes vous obtenez un clip allant jusqu'à 10 secondes qui n'a jamais existé auparavant.
Le résultat dépend de votre description. Une bonne formule : qui est à l'écran, ce qui se passe, où et dans quelle ambiance, comment la caméra bouge, et ce qu'on entend. Par exemple : « Un chat roux marche dans une rue mouillée de Tokyo la nuit, les enseignes au néon se reflètent dans les flaques, la caméra recule lentement, on entend la pluie. » Vous pouvez écrire votre prompt dans votre propre langue — il est traduit automatiquement.
Gemini Omni Flash suit les descriptions avec précision et peut faire parler les personnages avec des répliques précises. MiniMax H3 Turbo est une option rapide et abordable à partir de 22 crédits. Kling 3 Pro tourne directement en 1080p avec un éclairage cinématographique, Kling 4.0 crée des clips allant jusqu'à 15 secondes en 1080p, Veo 3.1 offre une physique réaliste, Wan 3.0 produit des vidéos narratives avec des changements de scène, et Seedance 2.5 gère les actions complexes et la parole synchronisée avec les lèvres.