Le mouvement de caméra cinématographique dans la génération vidéo par intelligence artificielle n'est pas le fruit du hasard : il exige un contrôle minutieux de la trajectoire, de la vitesse d'évolution et de la cohérence temporelle. Au sein de la plateforme Genmo, les créateurs vidéo et motion designers disposent de deux approches fondamentales pour concevoir des mouvements de caméra d'une qualité digne du cinéma : d'une part, l'exploitation des commandes dédiées et des curseurs d'intensité dans Genmo Replay, et d'autre part, la chorégraphie avancée par langage naturel et paramètres d'inférence dans Mochi 1, le modèle open source emblématique de Genmo. En observant le principe de « discipline de mouvement » et en dosant avec justesse la dynamique de vitesse, on élimine les déformations élastiques pour obtenir des travellings, des panoramiques, des inclinaisons et des orbites parfaitement maîtrisés.
1. Comprendre les Deux Paradigmes de Caméra dans Genmo
Selon que vous travaillez sur l'espace web hébergé ou au sein d'un environnement open source local, Genmo propose deux logiques d'intervention distinctes :
Genmo Replay : Commandes Graphiques et Curseur d'Intensité
Dans le moteur Replay de Genmo (disponible en ligne pour le texte-vers-vidéo et l'image-vers-vidéo), l'interface met à disposition des commandes intuitives pour chaque axe cinématique :
- Panoramique (Pan, Axe Horizontal) : Déplace l'angle de vue vers la gauche ou la droite, idéal pour balayer un paysage étendu ou suivre un sujet en déplacement.
- Inclinaison (Tilt, Axe Vertical) : Oriente la caméra vers le haut ou vers le bas, parfait pour révéler la monumentalité d'un édifice ou créer une perspective verticale.
- Zoom / Travelling (Dolly, Axe de Profondeur) : Rapproche ou éloigne la caméra du sujet central, renforçant la tension dramatique ou l'immersion.
- Roulis (Roll, Axe Optique) : Fait pivoter le plan autour de l'axe de l'objectif afin de générer des plans cassés (Dutch Angle) ou des transitions dynamiques.
- Curseur d'Intensité de Mouvement (Motion Intensity Slider) : Régule l'amplitude du déplacement des pixels d'une image à l'autre. Une valeur intermédiaire (40%–60%) préserve l'intégrité morphologique et la netteté des visages, tandis que des valeurs poussées (80%–100%) induisent d'importantes distorsions sur les contours.
- Bibliothèque de Préconfigurations FX : Propose des mouvements prédéfinis tels que Spiral (spirale), Star Spin, Flower et Ninja, particulièrement adaptés aux clips musicaux et animations graphiques percutantes.
Mochi 1 : Dynamique de Caméra Guidée par Prompt et Physique Réaliste
Modèle de référence développé par Genmo, Mochi 1 (reposant sur une architecture Asymmetric Diffusion Transformer ou AsymmDiT de 10 milliards de paramètres sous licence Apache 2.0) génère nativement de la vidéo à 30 fps d'une durée maximale de 5,4 secondes. Mochi 1 embarque le modèle linguistique T5-XXL pour interpréter les règles de dynamique des fluides et de cinématique physique. Dans ce cadre, la caméra ne se règle plus via des boutons, mais s'écrit à l'aide d'un vocabulaire de réalisation rigoureux articulé avec les paramètres d'échantillonnage de diffusion.
2. Dynamique de Vitesse et Règle de la « Discipline de Mouvement »
L'erreur la plus répandue dans la vidéo par IA réside dans l'excès de mouvement désordonné. Lorsque le modèle doit simultanément calculer des mouvements corporels complexes et des translations brutales sur plusieurs axes, l'espace latent perd sa cohérence temporelle, provoquant des déformations physiques et des textures fluctuantes.
Les motion designers chevronnés appliquent une discipline de mouvement stricte :
- Découplage des Vitesses du Sujet et de la Caméra : Si le sujet est animé de mouvements rapides (course, cascade, danse), la caméra doit demeurer fixe ou animée d'un mouvement très mesuré. À l'inverse, si le sujet est statique ou en mouvement lent, des mouvements d'orbite amples et des travellings fluides apportent une profondeur tridimensionnelle saisissante.
- Précision des Adverbes de Rythme : Proscrivez les consignes brutes du type "zoom in". Qualifiez toujours la cadence et la fluidité :
- Slow, steady push-in (avancée lente et régulière : concentration psychologique, montée en tension)
- Gentle drifting pan right (panoramique doux vers la droite : description géographique et ampleur spatiale)
- Smooth continuous orbital arc (arc orbital continu et souple : valorisation de produit ou portrait emblématique)
- Static locked-off shot (plan fixe verrouillé : préservation maximale du piqué et cohérence temporelle)
- Une Seule Intention Cinématique par Prise : Dans des formats courts de 3 à 5,4 secondes, un seul mouvement exécuté à vitesse constante confère un rendu infiniment plus professionnel qu'une combinaison confuse de zoom, de panoramique et d'inclinaison simultanés.
3. Formules Pratiques pour des Prises de Vue Cinématographiques
Lors de la rédaction des prompts pour Genmo et Mochi 1, positionnez les indications de cadrage et de mouvement dès le début du texte afin que l'encodeur de langage leur accorde une priorité maximale.
1. Travelling Avant Dramatique (Hero Dolly-In)
- Objectif : Guider l'attention du spectateur vers le regard d'un personnage ou un indice déterminant.
- Structure de Prompt :
Slow cinematic dolly push-in toward the subject, centered framing, eye-level angle. A cyberpunk detective seated in a rain-slicked neon alley, cigarette smoke drifting through anamorphic blue light, photorealistic, 35mm film grain, 30 fps. - Paramétrage : Dans Replay, choisir Zoom In avec une intensité de 45%. Dans Mochi 1, conserver un coefficient de guidage CFG de 6.0 sur 64 étapes d'inférence.
2. Panoramique Révélateur d'Environnement (Landscape Reveal Pan)
- Objectif : Déployer l'ampleur d'un décor grandiose, d'un paysage naturel ou d'une cité futuriste.
- Structure de Prompt :
Slow horizontal camera pan from left to right, smooth gimbal motion, wide-angle lens. Expansive ancient sandstone canyon illuminated by golden hour sunset light, distant dust particles floating in the breeze, deep focus, cinematic realism. - Paramétrage : Dans Replay, activer Pan Right en limitant le curseur sous les 50%. Dans Mochi 1, mentionner explicitement la stabilité d'un stabilisateur gyroscopique (smooth gimbal motion).
3. Orbite Commerciale 360° (Commercial Product Orbit)
- Objectif : Mettre en valeur les arêtes, reflets et volumes tridimensionnels d'un objet haut de gamme ou d'un véhicule.
- Structure de Prompt :
Smooth, continuous 360-degree camera orbit around the subject, maintaining tight focal distance. A sculpted obsidian perfume bottle resting on wet basalt stone, soft studio key lighting, subtle light reflections sliding across the glass surface. - Paramétrage : Dans Replay, explorer la préconfiguration Spiral ou associer un léger panoramique à une faible rotation. Dans Mochi 1, prescrire une révolution régulière autour du point d'ancrage.
4. Vue en Contre-Plongée Ascendante (Low-Angle Crane / Tilt Up)
- Objectif : Traduire le gigantisme d'une structure colossale ou la stature imposante d'un héros.
- Structure de Prompt :
Slow cinematic camera crane tilt upward from ground level to sky. A monolithic brutalist concrete structure towering into overcast mist, atmospheric haze, subtle water trickling down weathered textures, hyperrealistic. - Paramétrage : Choisir Tilt Up et intégrer des détails au sol ou au premier plan pour fournir au modèle des repères de perspective solides.
4. Recommandations de Workflow pour la Production
Pour une intégration fluide et qualitative dans une chaîne de production graphique ou audiovisuelle :
- Partir de l'Image-vers-Vidéo (Image-to-Video) : Quand le projet impose une scénographie stricte, une colorimétrie exacte ou une apparence précise de personnage, générez l'image de départ sous Midjourney ou FLUX, puis animez la caméra dans Genmo Replay ou Mochi 1. Le taux de réussite est nettement supérieur à la génération texte directe.
- Paramètres d'Inférence Recommandés pour Mochi 1 : Lors de l'exécution sur serveur ou en local, s'appuyer sur les valeurs de référence :
num_inference_steps: 64cfg_schedule: constant à 6.0num_frames: 31 à 84 images (pour une lecture fluide à 30 fps)sigma_schedule: planification quadratique linéaire (linear_quadratic_schedule, valeur initiale 0.025)
- Changer de Graine (Seed) Avant de Réécrire le Prompt : La variabilité stochastique est forte dans les modèles de diffusion vidéo. Si une trajectoire présente une légère oscillation, lancez 2 ou 3 graines différentes avec le même prompt avant de modifier le texte.
- Stabilisation et Re-timing en Postproduction : Exportez la séquence générée vers DaVinci Resolve, Premiere Pro ou After Effects. L'application d'un rééchantillonnage par flux optique (Optical Flow) pour de légers ralentis et d'une stabilisation d'image dissipe les micro-tremblements de l'IA pour offrir un plan prêt pour la diffusion.