HeyGen Video 1

Comment HeyGen Video 1 lit un prompt

HeyGen Video 1 est le modèle vidéo généraliste de HeyGen, construit sur MiniMax H3 et post-entraîné par HeyGen. À partir d’un prompt, il génère la scène entière : la personne, le lieu, la lumière et le son, avec un dialogue déjà synchronisé sur les lèvres. C’est un outil différent des avatars de HeyGen, qui animent un look enregistré pendant qu’il lit un script. Ici, vous décrivez la personne et le modèle l’invente.

La documentation de HeyGen indique que les prompts longs fonctionnent mieux que les courts : de quelques centaines à quelques milliers de caractères donnent de meilleurs résultats, et le détail n’est pas pénalisé. HeyGen compare le modèle à une équipe de tournage qui suit une liste de plans, et son annonce de lancement organise chaque prompt en quatre parties :

• Sujet et action : un sujet clair qui fait une seule chose.
• Caméra : nommez la caméra, l’objectif et le mouvement.
• Rendu : définissez la lumière et l’étalonnage.
• Son et limites : décrivez ce que l’on entend, puis ce qu’il faut exclure.

HeyGen précise aussi que le modèle suit un brief à la lettre au lieu d’improviser : si vous ne demandez pas de dialogue, il n’y a pas de dialogue.

Les règles du guide de HeyGen

• Nommez la caméra, pas l’ambiance. « Cinématographique » et « haute qualité » ne changent presque rien. « Tourné avec une ARRI Alexa Mini LF, 50 mm, verrouillée sur trépied » change l’image.
• Demandez de la texture, puis interdisez la correction. Décrivez les pores et les ridules, puis ajoutez « sans retouche, sans filtre beauté ». Sans la seconde partie, les visages tendent vers un rendu retouché.
• Écartez les marques que vous n’avez pas demandées. Sinon, les vêtements et l’équipement unis se couvrent de marques inventées. Ajoutez « aucun logo, nom de marque, mot imprimé ni badge nulle part dans le cadre ».
• Gardez le lettrage court et écrit tel quel. Écrivez la phrase exacte et précisez que c’est le seul lettrage du cadre. Ajoutez les textes plus longs ensuite.
• Privilégiez l’immobilité. Une caméra fixe, avec la personne qui porte ou tient un objet, est la composition la plus fiable. Le travail des mains en gros plan est ce qui se dégrade le plus vite : laissez la parole expliquer les étapes et gardez les mains immobiles.
• Dites où les choses se touchent. Quand un élément touche un autre, nommez le point de contact et précisez qu’il tient.

Dialogue et son

Le son sort du même prompt, alors dirigez-le : l’ambiance de la pièce, les effets précis et leur éloignement. Écrivez « sans musique » quand vous ne voulez pas de fond musical, car il peut sinon apparaître. Le guide de HeyGen compte environ 2,5 mots de dialogue par seconde : un clip de 10 secondes accueille donc à peu près 20 à 25 mots. Mettez chaque réplique entre guillemets après la personne qui la dit.

Références

Avec des références, chaque fichier reçoit une étiquette selon son ordre et son type : la première image est @Image1, la deuxième @Image2, le clip est @Video1 et les audios sont numérotés de la même façon. Écrivez ces étiquettes dans le prompt, telles quelles, et dites à quoi sert chacune ; Endless les transmet à HeyGen sous la forme que son modèle lit (<Picture 1>, <Video 1>, <Audio 1>). Selon HeyGen, la couleur, la forme et les marquages d’un objet que vous fournissez se retrouvent dans la prise de vue : les références sont donc le moyen de placer un vrai produit ou une vraie personne dans une scène. Dans Endless, vous pouvez joindre jusqu’à 9 images, une vidéo de référence et jusqu’à 3 audios.

HeyGen utilise jusqu’à 15 secondes de vidéo de référence. Si vous voulez qu’il utilise une partie plus tardive d’un long clip, coupez-le avant de le joindre. L’audio peut être la voix d’un personnage, une voix off dite mot pour mot ou la bande-son du clip.

Pour que le clip démarre sur une image précise, joignez une seule image et activez Première image. HeyGen traite cette image comme la toute première image du clip : le clip démarre donc exactement comme la photo. Pour placer un produit dans une nouvelle scène, utilisez-le plutôt comme référence et décrivez la scène autour.

Styles

Le style fait partie du prompt. Pour un rendu qui n’est pas de la prise de vues réelles, HeyGen conseille de nommer un vrai procédé de production et les marques qu’il laisse (pâte à modeler avec empreintes de doigts, animation traditionnelle, aquarelle, sérigraphie), de limiter la palette et d’écarter le rendu numérique lisse par défaut.

Réglages qui comptent

• Durée : de 5 à 15 secondes. Pour une pièce plus longue, générez plusieurs plans et montez-les ensemble.
• Résolution : 480p, 720p, 1080p ou 2K. Le 1080p et le 2K coûtent trois fois plus par seconde que le 720p : faites donc vos essais en 720p.
• Format : 21:9, 16:9, 4:3, 1:1, 3:4 ou 9:16. Utilisez 9:16 pour les clips style UGC. Une première image conserve sa propre forme.

Points faibles

Selon HeyGen, le modèle est à son meilleur sur des plans courts et bien délimités : un sujet, un lieu, une action et une caméra verrouillée ou presque immobile. Il est le moins fiable avec les longs textes à l’écran, les mouvements organiques doux comme les pétales, le papier et les cheveux, et le travail des mains en gros plan, comme assembler un équipement.