Qu'est-ce que le texte en vidéo ?
Le texte en vidéo (T2V, pour text-to-video) est une technique d'IA qui génère une vidéo animée directement à partir d'une description écrite. Le modèle imagine l'image et le mouvement en une seule étape. Il excelle sur les scènes dynamiques, mais laisse moins de contrôle sur la composition exacte que la génération d'une image ensuite animée.
Écrivez « le faisceau d'un sous-marin qui fend une eau noire, des particules qui dérivent » et un modèle texte en vidéo produit ces quelques secondes d'images de toutes pièces, sans image de départ ni caméra.
Sa force, ce sont les scènes nées du mouvement : ce qui tombe, coule, se percute ou traverse l'espace. Sa faiblesse, c'est la précision. Comme le modèle invente en même temps la composition et le mouvement, garder exactement le même rendu sur de nombreuses scènes est plus difficile qu'avec l'image-vers-vidéo.