ykurilov/video-prompts

Prompts pour vidéos

Un modèle vidéo est un réalisateur avec ses valeurs par défaut : ce sur quoi le prompt reste silencieux, le modèle le décide lui-même. Le prompt nomme ce qui est important et ferme les valeurs par défaut qui ne sont pas souhaitées. La compétence produit le texte du prompt et les paramètres de la requête. La requête elle-même est gérée par la compétence du service par lequel passe la génération.

Étapes

1. Rassemble la tâche. Modèle, sa version et son service. Mode : nouvelle vidéo à partir d'un texte, animation d'une image, premier et dernier plan, repères, correction, prolongation. Fichiers d'entrée : ouvre et regarde chacun, les attributs des personnages et la pertinence des repères proviennent d'eux, pas de suppositions. Répliques et inscriptions littérales. Durée et format du plan. Ce qui manque déduis-le de la conversation ; ne demande que les répliques et inscriptions littérales, et ce sans quoi le mode ou le modèle serait une spéculation. Si le modèle n'est pas nommé, choisis-le selon la section « Choix du modèle » et mentionne ton choix.
2. Lis le fichier du modèle en entier jusqu'à la première ligne du prompt : Omni 1.2, Seedance 2.5 et 2.0, Kling 4.0 et 3.0, Veo 3.1. Là où le fichier du modèle diffère des règles générales ci-dessous, c'est le fichier qui prime.
3. Décompose la vidéo dans le temps selon la section « Temporisations » : chaque événement, réplique et mouvement de caméra a son propre segment ; les segments ensemble donnent la durée de la vidéo. Si ça ne tient pas ou ne suffit pas, dis-le avant le prompt et propose une piste.
4. Distribue les rôles aux fichiers selon la section « Références » : chaque fichier a un rôle et sa limite, aucune limite du modèle n'est dépassée. Si un souhait ne tient pas dans la limite, dis-le avant le prompt et propose l'option la plus proche qui tient.
5. Décide pour chaque valeur par défaut du fichier du modèle : la laisser au modèle ou la fermer par une phrase.
6. Rédige le prompt.
7. Passe la « Vérification » : chaque point est exécuté ou ne se rapporte pas au prompt.
8. Remets trois parties : le prompt dans un bloc de code, prêt à être envoyé ; les paramètres de requête dans une liste séparée avec les noms des champs du modèle ; ce qu'il faut vérifier à l'œil et à l'oreille sur la vidéo finale. Au prompt en anglais, ajoute un résumé en une ou deux lignes en russe. Si la tâche se heurte à une limitation du fichier du modèle, dis-le avant la génération.

Temporisations

Ordre, pas chronomètre. Les modèles tiennent l'ordre des événements, mais pas le temps exact : un intervalle annoncé de deux secondes donne en réalité d'une seconde et demie à trois secondes. Le balisage temporel fixe le rythme. Seul le fichier du modèle promet une précision à la seconde près. Un événement qui doit coïncider avec un autre est lié à un événement visible dans le plan, pas à un nombre. L'état final exact est porté par le dernier plan prêt.

Budget de la vidéo. Environ 5 secondes : une action complète. Environ 10 secondes : de deux à quatre segments. 15 secondes : trois à quatre segments. Une vidéo trop remplie perd des événements et se découpe par des raccords superflus. Une vidéo sous-remplie se remplit d'attentes, de répétitions et de ralentissements. Si le contenu est insuffisant pour la durée demandée, propose une vidéo plus courte plutôt que d'inventer des événements. S'il y en a trop, propose une vidéo plus longue ou plusieurs vidéos.

Quand baliser. Une action simple unique va sans balisage. Le balisage est nécessaire quand il y a plusieurs événements et que leur ordre est important. La syntaxe de balisage est propre à chaque modèle et se trouve dans le fichier du modèle : timecodes, numéros de plans ou champs distincts.

Comment baliser.

• Avant les segments, une phrase-résumé de la scène entière : sans elle, les segments n'ont rien à quoi s'appuyer.
• Les segments se succèdent en secondes entières, sans trous, couvrent toute la durée et concordent avec le champ de durée.
• Dans un segment, une seule action avec début et fin, pas une chaîne de petits mouvements.
• Dans un segment, pas plus d'un mouvement de caméra. Mouvement de caméra et grand mouvement du personnage dans le même segment se disputent : un seul des deux est principal.
• Le rythme de l'action est donné par le compte et les pauses : combien de pas, où s'arrêter.

La fin s'affaisse. Vers la fin de la vidéo, les modèles abandonnent l'action, perdent le dernier mouvement de caméra ou ramènent la scène à son état initial. Un événement obligatoire se termine avant la dernière seconde ; le dernier segment est une simple conclusion.

Paroles dans le budget. Fiable : environ deux mots anglais par seconde ; à quatre, la réplique s'interrompt. Les mots russes sont plus longs, il n'y a pas de mesures pour eux : compte avec une marge. Le temps d'action avant la réplique se soustrait du temps pour les paroles. Une réplique et un locuteur par segment. Si une réplique de l'utilisateur ne tient pas dans le segment, la règle « Texte de l'utilisateur littéralement » s'applique.

Le montage est toujours décidé. Plan continu unique ou raccords : cela est dit dans chaque prompt. Que le modèle transforme ou non les segments de balisage en raccords est dit dans le fichier du modèle.

Références

Rôle et limite. Le téléchargement d'un fichier ne définit pas son rôle. Chaque fichier a dans le texte un rôle précis (ce qu'il contient et ce qui en est tiré) et une limite (ce qui n'en est pas tiré : fond, vêtements, lumière, caméra). Sans limite, tout ce qui se trouve sur le fichier est tiré dans la vidéo, le plus souvent le fond. Le lien vers le fichier s'écrit avec la syntaxe du fichier du modèle. L'étiquette du personnage est unique dans tout le prompt, sans pronoms.

Seulement les fichiers qui travaillent. La limite n'est pas saturée : chaque fichier supplémentaire dilue les autres. Un fichier sans rôle ne va pas dans la requête.

Le premier plan n'est pas raconté. Le texte décrit ce qui n'est pas sur l'image : mouvement, changements, caméra, son. Avec deux plans, le texte décrit le chemin qui mène effectivement au dernier plan.

Personnage issu d'un repère. Le visage n'est pas raconté avec des mots. Deux ou trois attributs faciles à vérifier et que les modèles perdent (couleur des vêtements, logo, objet dans les mains) sont répétés brièvement. Les mots ne contredisent pas l'image. La question de savoir s'il faut raconter l'apparence n'est pas résolue par des tests ; cette règle est un juste milieu prudent.

Vidéo de référence. Il est dit ce qui en est tiré (mouvement, caméra, rythme) et ce qui ne l'est pas (aspect, vêtements, lieu). L'aspect de la vidéo s'infiltre sans demande et va dans la liste « à vérifier ».

Pertinence des repères. Regarde les fichiers avant le prompt. Sont pertinents : haute résolution, lumière uniforme, visage visible, fond neutre et propre, un seul personnage dans l'image, pas de texte superflu. Plusieurs angles différents dans des fichiers séparés tiennent mieux le personnage qu'une seule image. Une fiche personnage en une seule image est une solution de secours si le fichier du modèle ne dit pas autrement. Si un repère est faible, signale-le à l'utilisateur avant la génération.

Comptage et emplacements précis : par image. Plus de trois objets identiques, disposition exacte dans le plan, données graphiques ne tiennent pas avec des mots. Ils sont portés par un plan prêt.

Cohérence entre vidéos. Le même ensemble de fichiers, la même description du personnage mot pour mot, la même lumière et palette. La vidéo suivante commence sur le dernier plan de la précédente.

Autres règles de texte

Paramètres pas dans le texte. La durée, le format du plan, la résolution et l'inclusion du son sont définis par les champs de la requête : nommés dans le texte, ils sont ignorés ou entrent en conflit avec les champs.

Le son est toujours décidé. Dans chaque prompt, il est dit trois choses : paroles, musique, bruits – ce qui sonne et ce qui ne sonne pas.

Texte de l'utilisateur littéralement. Les répliques, inscriptions et mots hors champ donnés par l'utilisateur vont dans le prompt mot pour mot. Ne les simplifie pas, ne les raccourcis pas, ne les divise pas et ne les confie pas à une autre voix. Si le texte est plus long ou plus complexe que ce que le modèle gère de manière fiable, dis-le avant le prompt, propose des pistes et ne modifie qu'après l'accord de l'utilisateur. La liberté sur les mots n'existe que là où l'utilisateur n'a pas donné de texte et que tu l'inventes toi-même.

Paroles. Le locuteur est nommé par un attribut visible, la réplique est placée près de lui. Le format d'enregistrement de la réplique et ce que le modèle fait avec les paroles en russe sont dans le fichier du modèle. S'il n'y a pas de paroles, c'est dit clairement.

Inscriptions. Chacune littéralement, avec son emplacement, son type de police, son mode d'apparition et son temps à l'écran. Il est dit qu'aucun autre texte n'est dans le plan.

Interdictions ponctuelles. D'abord l'état souhaité est décrit, puis une courte interdiction contre ce qui est spécifiquement superflu. L'interdiction n'est pas toujours respectée : ce qui est interdit va dans la liste « à vérifier ».

Correction et prolongation. La correction est une courte instruction sur un seul changement et une phrase pour préserver le reste ; la scène n'est pas racontée. La prolongation décrit uniquement le nouveau morceau et ne raconte pas ce qui a déjà été filmé, sinon le modèle répète l'action déjà faite. Un personnage ou un objet qui est sorti du plan est nommé à nouveau.

Langue. La scène est décrite en anglais, sauf si le fichier du modèle dit autre chose. Les répliques et inscriptions restent dans leur langue. Si l'utilisateur demande un prompt en russe, écris en russe.

Choix du modèle

Seules les différences confirmées par la recherche :

Besoin	Convient
Vidéo de plus de 15 secondes en une seule requête	Seedance 2.5, Kling 4.0 (jusqu'à 30)
Court moment jusqu'à 8 secondes	n'importe laquelle ; Veo 3.1 n'a pas d'autre durée
Paroles en russe	Omni 1.2, Veo 3.1 ; pas Kling 3.0
Inscription russe dans le plan	Omni 1.2
Raccord à une seconde précise	Kling 4.0
Beaucoup de repères ou son comme repère	Seedance 2.5 ; voix : aussi Kling 4.0
Mouvement à partir d'une vidéo de référence	Seedance, Kling 4.0, Omni 1.2 ; pas Veo
Plans clés intermédiaires	Kling 4.0, Seedance 2.5
Correction d'une vidéo finale avec des mots	Omni 1.2, Seedance 2.5, Kling ; pas Veo
Prolongation de vidéo	Omni 1.2, Seedance 2.5
Mécanique précise, montage rigide	Seedance 2.0

La vidéo n'obéit pas

1. Nomme l'écart en une phrase et trouve la phrase du prompt qui en est responsable. S'il n'y a pas de phrase, c'est une valeur par défaut qui a agi : ferme-la.
2. L'écart se produit chaque fois à un endroit différent : relance la génération avec le même prompt. L'écart est le même à chaque fois : ne corrige que sa phrase.
3. L'indication disparaît : d'abord, supprime les indications secondaires autour, plutôt que de renforcer la pression sur elle. Ce qui est retiré du prompt de l'utilisateur, nomme-le lui explicitement.
4. Les événements disparaissent ou la vidéo s'arrête : recalcule le budget selon la section « Temporisations ». Si un excédent vient du fichier, réduis son rôle et nomme la limite.
5. La vidéo est correcte presque en entier : corrige-la en une courte instruction. Si le défaut est dans la base (objet disparu, visage qui dérive), génère à nouveau : une correction hérite des défauts.
6. Vérifie les limitations dans le fichier du modèle : certains écarts ne se soignent pas avec du texte, et il faut le dire plutôt que de réécrire le prompt en boucle.

Vérification

• Chaque valeur par défaut du fichier du modèle est fermée par une phrase ou laissée au modèle en toute conscience.
• Il n'y a pas de durée, de format de plan ou de résolution dans le texte ; ils sont dans les paramètres.
• Le balisage temporel est écrit avec la syntaxe du modèle, couvre toute la durée sans trous et concorde avec le champ de durée.
• Dans chaque segment, une seule action et pas plus d'un mouvement de caméra ; un événement obligatoire ne se trouve pas dans la dernière seconde.
• Chaque réplique tient dans son segment.
• Il est dit si c'est un plan unique ou un montage.
• Chaque fichier a un rôle et une limite, le lien est avec la syntaxe du modèle ; il n'y a pas de fichier sans rôle.
• Le premier plan et le visage du personnage ne sont pas racontés.
• Les paroles, la musique et les bruits sont mentionnés.
• Les répliques, inscriptions et mots hors champ de l'utilisateur sont mot pour mot ; chaque différence est approuvée par lui.
• Correction : un seul changement, la scène n'est pas racontée, il y a une phrase pour préserver le reste. Prolongation : seul le nouveau morceau est décrit.
• Aucune limite du modèle ou du service n'est dépassée ; aucune capacité que cette version n'a pas n'est utilisée.
• Il est nommé ce qui doit être vérifié sur la vidéo finale : chaque événement obligatoire, chaque interdiction, l'orthographe des inscriptions, la coïncidence du son avec l'action, les attributs du personnage.