Le problème de la cohérence des personnages dans les vidéos générées par l’IA ne se résume généralement pas à la simple question de savoir si le premier plan ressemble ou non au personnage initial. Il s’agit plutôt de vérifier, lorsque le personnage passe à un second lieu, à une troisième composition et à une quatrième action, si la forme du visage, l’âge, la coiffure, les vêtements ainsi que les accessoires restent bien ceux d’une même personne.

Cet article propose, grâce à PixPix, un flux de travail réplicable pour les personnages dans plusieurs scènes : d’abord établir un modèle de base du personnage, puis décomposer les plans, réutiliser les références, transmettre les séquences validées par la relecture, et enfin contrôler tout au long de chaque plan l’éventuelle perte d’identité. Les procédures de génération encore inachevées ne sont pas décrites ici sous forme de modèles expérimentés ; pour les détails précis concernant les entrées, les spécifications et les modèles disponibles, veuillez vous référer aux pages actuelles de PixPix.

Conclusion rapide : la cohérence provient du flux de travail, et non uniquement des modèles.

Pour permettre à un même personnage IA de traverser de manière stable plusieurs scènes vidéo, il est nécessaire d’accomplir simultanément quatre actions :

1. Utiliser des images de référence du personnage afin de fixer le visage, la coiffure, les proportions corporelles, les vêtements et les accessoires caractéristiques ;

2. Décomposer l’histoire en plans courts, chaque plan ne devant assumer qu’une seule action principale ;

3. Réintroduire à chaque génération le modèle de base du personnage, et, si nécessaire, ajouter également l’image validée du plan précédent ;

4. Vérifier après chaque plan afin d’éviter que de petites erreurs ne se propagent aux scènes suivantes.

À la date de rédaction de cet article, la page publique de PixPix présente divers modèles vidéo pilotés par des références. Il est préférable de filtrer d’abord selon la tâche, plutôt que de se demander d’emblée quel modèle est « absolument le meilleur » :

Ce tableau repose sur les recommandations officielles de correspondance entre tâches et modèles, et ne constitue pas un classement basé sur des tests effectués dans des conditions identiques. Pour un projet formel, il convient d’abord de choisir deux modèles candidats, puis d’effectuer des tests sur trois plans en utilisant le même ensemble de références pour le personnage, les mots‑clés des plans, le format d’image et la grille de contrôle, avant de comparer le nombre de retouches nécessaires.

Pourquoi le personnage peut‑il devenir une autre personne d’un plan à l’autre ?

Dérive au sein d’une même vidéo

Lorsque le personnage tourne la tête dans un plan, est masqué par une main ou un accessoire, effectue un mouvement rapide, ou lorsque la caméra se déplace derrière lui, les informations faciales disponibles pour le modèle diminuent. Les conséquences courantes incluent un changement de l’écart entre les yeux, un déplacement de la ligne capillaire, une modification de la découpe du col, une altération de la forme des objets tenus, ainsi qu’un vieillissement ou un rajeunissement soudain du personnage pendant ses mouvements.

Dérive entre différentes scènes

Chaque nouveau plan constitue une nouvelle tâche de génération. Si l’on se contente de répéter des expressions comme « femme aux cheveux gris argenté, costume noir », le modèle ne reçoit qu’une catégorie de personnage, et non une identité unique. De nouveaux lieux, nouvelles lumières et nouveaux angles modifient encore davantage les indices visuels ; ainsi, même si le deuxième plan semble « très similaire », il peut déjà ne plus s’agir du même personnage.

Les prompts ne peuvent pas remplacer la référence visuelle

Le texte est adapté pour décrire les mouvements, les décors et les plans, mais il est difficile d’en préciser exactement l’écart entre les yeux, le profil du nez, la coupe des vêtements ou les proportions des accessoires. Les images de référence offrent au modèle un repère visuel direct, tandis que les prompts textuels indiquent ce qui doit être modifié dans ce plan et ce qui doit rester inchangé.

Une division des rôles plus prudente consiste à confier aux images de référence la question de « qui elle est », et aux prompts la description de « où elle se trouve actuellement, ce qu’elle fait et comment le plan doit être réalisé ».

Établir d’abord un dossier de continuité pour les personnages originaux

Cet article utilise le personnage adulte original « Gu Yao » comme exemple didactique. Elle est créatrice visuelle : ses cheveux courts, nuancés en gris argenté, sont ramenés en un chignon bas à l’arrière ; elle porte des lunettes de soleil noires à monture étroite, ainsi qu’une boucle d’oreille sculpturale argentée à l’oreille droite. Elle arbore un tailleur technologique noir à col montant assorti à un pantalon large noir, des gants noirs, et transporte un petit sac à main noir à bord rouge carmin.

Les quatre plans se déroulent successivement dans un studio de mode noir, dans un couloir urbain sous la pluie, dans une salle d’exposition miroitante et sur un toit citadin au crépuscule. Bien que les décors et les plans varient, l’identité du personnage, la forme du chignon, les lunettes de soleil, la boucle d’oreille droite, la structure vestimentaire et la silhouette du sac doivent demeurer cohérents.

Distinguer les points d’ancrage fixes des éléments variables

Préparez un ensemble plutôt qu’une seule image de référence

Une simple photo de profil ne suffit pas à rendre compte du visage de profil, des vêtements arrière ni des proportions du corps entier. Il est recommandé de préparer au minimum :

• Photo de demi‑corps de face : vérifier la forme du visage, les lunettes de soleil, la coiffure et le clip d’oreille ;

• Photo de trois quarts du corps : confirmer la silhouette, la coupe des vêtements et la proportion du sac à main ;

• Photo de profil : permettre les rotations de tête, la marche et les plans suivis ;

• Photo de dos : vérifier la position du chignon, la ligne des épaules et l’arrière du haut ;

• Gros plan sur les accessoires : fixer le sac à main, le clip d’oreille et la structure des lunettes de soleil.

Les images de référence doivent utiliser une lumière uniforme et des contours nets ; évitez d’appliquer des filtres trop prononcés qui masquent les traits du visage, et n’incorporez pas plusieurs versions vestimentaires dans le modèle principal du personnage.

Légende : Le modèle principal du personnage enregistre simultanément le visage, le chignon gris argenté, les lunettes de soleil noires à monture étroite, le clip d’oreille argenté à l’oreille droite et le costume noir à col montant. Tous les plans ultérieurs reviendront à cette image pour vérifier l’identité.

Dans PixPix, sélectionnez le modèle vidéo selon la tâche de chaque plan

MiniMax H3 : commencez par tester la stabilité du sujet dans les plans courts

La page officielle de MiniMax H3 de PixPix indique actuellement qu’il accepte les entrées textes, images, vidéos et sons, traite les personnages, les mouvements, les plans et l’ordre temporel, et met l’accent sur la « stabilité du sujet ». Les spécifications publiées pour la génération sont de 4 à 15 secondes, avec une résolution maximale de 2K et une fréquence de 24 images par seconde ; les options précises dépendent du mode de génération choisi.

Il convient surtout aux tests prioritaires des mouvements de caméra précis comme le suivi, le zoom avant/arrière, le panoramique, le travelling ou la rotation, ainsi qu’aux plans courts où les personnages, les vêtements et les accessoires doivent rester stables pendant le mouvement. Lors du premier test, évitez d’ajouter simultanément des scènes de course rapide, de rotations à 360 degrés, de changements de tenue ou d’interactions complexes avec des objets.

Kling 3.0 Omni : gère plusieurs références et des tâches audiovisuelles complexes

La page officielle de Kling 3.0 Omni de PixPix le présente comme un modèle vidéo multimodal, capable d’intégrer des références textes, images, vidéos et audio, tout en offrant des fonctionnalités de génération et d’édition vidéo, de gestion native de l’audio et de storyboard multi‑plans.

Lorsque le projet exige de synchroniser simultanément le personnage, l’ambiance de la scène, les références gestuelles et le son, ou lorsque la tâche elle-même implique une organisation plus complexe des plans, il peut être retenu comme candidat. Plus les éléments d’entrée sont nombreux, plus il est essentiel de préciser clairement quelle référence correspond à quel aspect — personnage, mouvement, décor ou son — afin d’éviter toute confusion dans l’interprétation par le modèle.

Seedance 2.5 : teste des récits plus longs et des liaisons entre plusieurs références

Selon PixPix Description des capacités en haute définition de Seedance, Seedance 2.5 prend actuellement en charge la génération d’images jusqu’à 30 secondes, ainsi que plusieurs images, des références vidéo et audio, et permet d’augmenter encore la résolution jusqu’à une sortie en 1080P.

Lorsque les plans requièrent une exposition plus longue des actions, une continuité entre les personnages et les décors, ou lorsqu’une extension et des ajustements ultérieurs sont encore envisagés, il est judicieux de privilégier Seedance 2.5. Une durée plus longue ne garantit pas automatiquement une meilleure stabilité du personnage ; si les mouvements sont complexes, il reste conseillé de commencer par des versions plus courtes afin de valider l’identité et la structure des gestes, avant d’aborder la version finale.

Divisez l’histoire en quatre plans faciles à vérifier

Le test d’homogénéité ne devrait pas débuter par la génération complète d’un court métrage. Commencez par quatre plans bien distincts mais maîtrisables, puis augmentez progressivement la difficulté.

Plan 1 : Établir d’abord le personnage et les accessoires

Le plan 1 utilise un plan moyen stable ; Gu Yao se tient devant un cadre d’éclairage magenta dans un studio noir. Ce plan ne cherche pas à inclure des mouvements complexes, mais s’attache surtout à vérifier si le visage de face, la coiffure, les lunettes noires, le vêtement et le sac à main peuvent coexister harmonieusement.

Légende : Le premier plan établit d’abord, grâce à un visage clairement visible aux trois quarts et à des gestes simples des mains, la référence concernant le personnage, ses vêtements et ses accessoires.

Plan 2 : Modifier l’environnement et ajouter la marche

Le plan 2 déplace le personnage dans un couloir urbain sous la pluie, filmé en contre‑plongée depuis l’arrière gauche. Il convient de vérifier que le profil, la position du chignon, l’arrière du haut et le sac à main noir demeurent cohérents.

Légende : Bien que le décor, l’éclairage et les mouvements aient changé, l’âge du personnage, la silhouette du chignon, les lunettes noires, la boucle d’oreille droite, la structure du haut et la forme du sac à main doivent être maintenus.

Plan 3 : Ajouter des variations de posture et des interactions avec les objets

Le plan 3 montre Gu Yao dans une salle d’exposition miroir, tendant la main pour ajuster une vitrine transparente. La prise de vue en contre‑plongée, les reflets sur le miroir et les interactions manuelles augmentent le risque de déformation des proportions corporelles ainsi que des répétitions de transformations du personnage et des mains ; c’est pourquoi le sac à main reste à proximité comme repère stable.

Légende : Lorsque les reflets sur le miroir et les interactions avec les objets se conjuguent, il faut contrôler le visage, le chignon, la boucle d’oreille, les coutures du vêtement, les contacts entre les mains et la proportion du sac à main.

Plan 4 : Vérifier la silhouette du personnage à l’aide d’une vue d’ensemble

Plan 4 : Le plan passe à un large angle sur le toit au crépuscule, où Gu Yao se tient dos à la ville et se retourne. Dans le fond, les détails du visage sont atténués ; l’identification repose alors davantage sur son chignon gris argenté, le contour de ses lunettes noires, la silhouette de son tailleur noir et la bordure fuchsia de son sac à main.

Légende : La principale modification du dernier plan concerne le champ et l’éclairage ; les contours du personnage, les aplats de couleur des vêtements et les teintes des accessoires doivent toutefois rester conformes au modèle de référence.

Après le passage du plan 1, on passe directement au plan 2. Si le profil, le chignon ou le sac à main du plan 2 ont déjà changé, ne continuez pas à en faire la seule référence pour le plan 3.

Rédigez les mots‑clés de chaque plan à l’aide d’un bloc d’identité fixe.

Bloc d’identité de personnage générique

Voici un modèle réutilisable conçu spécialement pour ce cas, qui n’est ni un article de référence ni un prompt original issu de quelque modèle que ce soit :

Modèle générique | Bloc d’identité de personnage

Personnage féminin adulte original, Gu Yao, avec un visage ovale, une chevelure courte et nuancée, grise argentée, ramenée en un chignon bas à l’arrière ; elle porte des lunettes de soleil noires à monture étroite et, à l’oreille droite, une boucle d’oreille sculpturale argentée. Elle est vêtue d’un haut noir à col montant, cintré, au style technologique, d’un pantalon noir à larges jambes et de gants noirs, et transporte un sac à main rigide noir, à bordure étroite fuchsia. Conservez la même morphologie faciale, la même tranche d’âge, la même position du chignon, les mêmes proportions corporelles, les mêmes coutures des vêtements, ainsi que les mêmes lunettes, la même orientation de la boucle d’oreille et la même structure du sac à main — sans changer de tenue ni ajouter d’accessoires.

Ce bloc d’identité doit être répété dans chaque plan. Les mots‑clés de scène se limitent à ajouter le lieu, le type de plan, les mouvements, la caméra, les éléments dynamiques de l’environnement, les sons et l’état final.

Structure des mots‑clés du plan

On peut organiser les informations selon l’ordre suivant :

1. Scène et moment ;

2. Champ et position de la caméra ;

3. Un mouvement principal du personnage ;

4. Un mouvement de la caméra ;

5. Éléments de l’environnement autorisés à bouger ;

6. Exigences sonores ;

7. Éléments invariables du personnage et des accessoires ;

8. Posture et composition à la fin du plan.

Exemple du plan 2

Modèle générique | Plan suivi nocturne sous la pluie

Dans un corridor urbain moderne, par une nuit pluvieuse, avec des reflets humides discrets sur le sol. Plan moyen‑grand, la caméra se trouve derrière et légèrement sur la gauche de Gu Yao, effectuant un suivi lent et parallèle. Gu Yao tient un sac à main noir à bordure étroite fuchsia et avance d’un pas régulier, ne tournant qu’à peine la tête vers la caméra. La pluie, l’ourlet inférieur de son haut et les pointes de ses cheveux bougent naturellement, tandis que l’arrière‑plan reste épuré et exempt de toute présence humaine proche du sujet. Conservez inchangés la morphologie faciale, l’âge, le chignon gris argenté, les lunettes noires à monture étroite, la boucle d’oreille argentée à l’oreille droite, la coupe des vêtements et la structure du sac à main définis dans le bloc d’identité. À la fin du plan, Gu Yao s’arrête sur la ligne de tiers droite de l’image, son profil et son sac à main étant entièrement visibles.

Il n’est pas nécessaire d’accumuler sans cesse des adjectifs abstraits comme « cinématographique », « saisissant » ou « sophistiqué » dans les prompts. Pour garantir la cohérence, il est plus utile d’indiquer précisément où se trouve la caméra, combien de mouvements effectue le personnage, ce qui doit absolument rester inchangé, ainsi que le point d’arrêt final du plan.

Laissez le plan précédent aider le suivant, plutôt que de transmettre des erreurs.

La référence principale et la séquence de transition assument des rôles distincts.

Le modèle de référence du personnage constitue la base principale, responsable de l’identité à long terme ; la séquence validée du plan précédent sert de référence secondaire, chargée de l’état actuel des vêtements, de la direction de la lumière et de la continuité spatiale. Chaque nouveau plan doit toujours intégrer le modèle de référence du personnage et ne doit pas se fier uniquement à la dernière image générée.

Légende : Le master maintient l’identité du personnage ; les images validées par la révision complètent l’état actuel des costumes, des accessoires et des décors. Les deux entrent ensemble dans le plan suivant, plutôt que de ne transmettre que l’image précédente.

Ne transmettre que les images propres, validées par la révision.

Choisir des plans où le visage est net, sans flou de mouvement, avec les mains et les accessoires complets, et la structure vestimentaire correcte. Si la dernière image d’un plan présente par hasard les yeux fermés, un obstacle ou une déformation, il est possible de sélectionner une image voisine plus stable comme référence visuelle et de traiter séparément la transition lors du montage.

Revenir régulièrement au master du personnage.

Transmettre successivement chaque plan au suivant peut entraîner une accumulation progressive de petites variations. Après deux ou trois plans, il convient de vérifier à nouveau avec le master du personnage ; dès qu’une dérive notable apparaît, revenir au master ou à une référence solide antérieure pour recréer l’image, plutôt que de continuer à utiliser une image erronée.

Utiliser la même grille de contrôle pour valider chaque plan.

Après la génération de chaque vidéo, vérifier au minimum les points suivants :

L’identité faciale, l’âge, les vêtements caractéristiques et les accessoires constituent des points de contrôle stricts ; en cas d’échec, il convient de corriger ou de refaire. Les variations de position des petits objets en arrière-plan sont généralement des problèmes moins critiques, dont l’acceptabilité dépend du récit propre à chaque plan.

Note : Examiner quatre plans côte à côte permet de détecter plus facilement des changements de coiffure, des variations de proportions des lunettes de soleil, la disparition d’une boucle d’oreille, le déplacement des coutures vestimentaires ou la déformation d’un sac à main, plutôt que d’évaluer chaque image individuellement sur la base de l’impression personnelle.

Six pratiques susceptibles de compromettre le plus facilement l’homogénéité du personnage

Répéter uniquement le texte, sans reprendre les images de référence

Un même mot‑clé ne suffit qu’à maintenir la catégorie du personnage ; il ne garantit pas la préservation de son identité unique. Chaque plan doit faire référence à la même version maître.

Introduire trop d’actions dans un seul plan

Courir, tourner, ouvrir un sac à main, interagir en tendant la main, s’accroupir et lever la tête simultanément augmente les risques d’occlusion et de changement de posture. Il convient d’abord de définir une action principale, puis d’utiliser les plans suivants pour accomplir les étapes ultérieures.

Transmettre indéfiniment une image finale erronée

Si la coiffure du plan précédent s’est déjà allongée, les plans suivants prendront cette erreur comme nouvelle norme. Avant toute transition, une vérification rigoureuse est indispensable ; en cas de dérive, il faut revenir à la version maître du personnage.

Changer simultanément le lieu, l’éclairage, les vêtements et le point de vue

Modifier trop de paramètres à la fois rend difficile l’identification de la cause exacte du changement d’identité. Pendant la phase de test, chaque plan ne devrait introduire qu’un seul élément perturbateur majeur.

Utilisation commune d’une seule image de référence pour plusieurs personnages

Dans les plans où apparaissent plusieurs personnes, il est fréquent que les visages se fondent, que les vêtements s’échangent ou que les accessoires soient mal assortis. Il convient de préparer des références distinctes pour chaque personnage et de préciser clairement leur position spatiale ainsi que l’ordre de leurs interactions.

Viser d’abord la résolution maximale, puis vérifier les personnages

Une résolution élevée ne peut pas corriger une identité déjà dérivée. Il faut d’abord confirmer les caractéristiques du personnage, ses mouvements et les plans appropriés, avant de passer aux réglages finaux de sortie.

Questions fréquentes

Peut‑on réaliser une vidéo multi‑scènes en ne disposant que d’une seule photo du personnage ?

Il est possible de commencer les tests, mais une photo de face ne fournit pas les angles latéraux, l’arrière ni les proportions du corps entier. Plus on multiplie les angles de prise de vue, plus il est essentiel d’ajouter des références multi‑angles et des gros plans sur les accessoires.

Quel modèle vidéo de PixPix est le plus adapté à la cohérence des personnages ?

Il n’existe pas de réponse universelle applicable à toutes les situations. Pour des mouvements courts, des prises de vue bien définies et une stabilité du sujet, H3 peut être testé en premier ; pour des références multiples, du son et une organisation complexe des plans, Kling 3.0 Omni est recommandé ; pour des récits plus longs et des références multimodales, Seedance 2.5 semble mieux adapté. Le choix final devrait résulter d’un test comparatif réalisé avec trois modèles dans des conditions identiques.

Utiliser la dernière image du plan précédent garantit‑il l’absence de changement d’apparence ?

Non. L’image finale aide à transmettre l’état actuel des vêtements, de l’éclairage et de la composition, mais elle peut aussi contenir des effets de flou de mouvement, des yeux fermés ou de légères déformations. Elle doit servir de référence complémentaire ; la version maître du personnage demeure la norme d’identité à long terme.

Un personnage peut‑il changer de costume en cours de route ?

Oui, mais ce changement doit être clairement défini comme une évolution scénaristique. Conserver le visage, la coiffure, l’âge et les proportions corporelles, tout en établissant de nouvelles références frontales, latérales et dorsales pour le nouveau costume, sans laisser le modèle déduire lui‑même la structure vestimentaire.

Comment réduire les risques d’échange d’identité lors de dialogues entre plusieurs personnages ?

Préparer des références distinctes pour chacun, générer d’abord des plans individuels montrant les réactions, puis traiter les plans moyens mettant deux personnages en scène. Dans les instructions, préciser clairement la position gauche‑droite, le sens du regard et l’ordre des actions ; si les visages continuent d’être confondus, il est possible de décomposer les plans et d’établir un rythme dialogué au montage.

À quoi faut‑il veiller lorsqu’on utilise des références issues de personnes réelles ?

Il convient de s’assurer d’avoir les droits d’utilisation des images et l’autorisation explicite des personnes concernées, afin d’éviter de créer des contenus trompeurs à partir d’images non autorisées. Avant toute utilisation publique ou commerciale, il est également nécessaire de vérifier les règles applicables sur la plateforme et dans la région ciblée.

Conclusion

La cohérence des personnages dans les vidéos IA multi‑scènes n’est pas le fruit du hasard d’une seule génération, mais résulte d’une méthode de production vérifiable :

Établir un modèle de personnage — définir des points d’ancrage rigides — sélectionner le modèle en fonction de la tâche — ne modifier qu’une seule variable principale par plan — réutiliser le modèle et valider les images déjà approuvées — procéder à une validation plan par plan — et ré‑ancrer en cas de dérive.

Lorsque l’on commence un projet sur PixPix, il est possible d’abord de remplacer la structure de test à quatre plans de Gu Yao par ses propres personnages originaux. Générer uniquement les trois premiers plans suffit pour s’assurer que la pose frontale, la vue de profil, le mouvement, l’éclairage et les accessoires restent stables ; une fois cette étape validée, on peut ensuite développer l’histoire complète, ce qui permet de maîtriser plus facilement les coûts de reprise par rapport à la génération directe d’un long métrage.