Un teaser IA de 30 secondes pour un roman écrit par une IA.

Un teaser IA de 30 secondes pour un roman écrit par une IA.

Pour l'annoncer, pas d'équipe, pas de caméra : un catalogue de modèles génératifs et FFmpeg.

« L'Échéance des Justes » se publie à raison d'un chapitre par jour (lien en commentaire).

Une planète où une IA souveraine fixe la date de mort de chacun dès sa naissance.

Coût : environ 3 $ selon OpenCode et DeepSeek. En réalité, j'ai plutôt dépensé aux environs de 12 USD.

J'ai utilisé comme orchestrateur OpenCode, branché sur OpenCode Go (10 USD pour la formule de base, 40 USD pour avoir un peu plus de marge, mais la formule de base me suffisait largement), avec le modèle DeepSeek v4.1-Flash.

Derrière, un MCP pour fal.ai et un échange en langage naturel sous OpenCode, qui va mettre en place de lui-même ce pipeline :

1. Lecture du chapitre 1, du chapitre 34 et des fiches personnages → synopsis, puis script de 4 phrases.

2. Portrait du personnage : fal-ai/flux/dev, 768 × 1024, 2 essais — 0,04 $.

3. Plans d'ambiance : minimax/h3-max-turbo/text-to-video, 1080p, 3:4, 5 s. 10 rendus (5 plans × 2 prises) — 0,84 $.

4. Voix off : elevenlabs/tts/eleven-v4, puis bascule sur minimax/speech-2.8-hd avec language_boost « French ». ElevenLabs refusait le fr-FR et sortait un accent québécois — 0,03 $.

5. Réplique du personnage : TTS + minimax/h3-max/lip-sync/image-to-video en 2K — 0,50 $.

6. Musique de 30 s : elevenlabs/music/v2.5, instrumental — 0,30 $.

7. Effets sonores : elevenlabs/sound-effects/v2 — whoosh, impact, riser, sub-drop — 0,02 $.

8. Montage FFmpeg : 10 plans, cuts secs, sidechain pour baisser la musique sous la voix, grain, vignettage.

Format final : 1080 × 1440, 30 fps, 10 Mo.

Dix plans sur 30 secondes, soit une coupe toutes les 2,6 s environ.

Et deux contraintes de modèle qui dictent le montage : le lip-sync exige au moins 5 s d'audio (la réplique faisait 4,4 s, complétée par du silence), et chaque modèle sort une durée légèrement différente — 5,17 s pour MiniMax, 5,00 s pour Wan. Tout est donc réétalonné à 30 fps avant concaténation.

Les trois erreurs qui ont coûté :

• Un prompt « slow push-in » sur Wan : le modèle a zoomé jusqu'à couper les pieds en 2 secondes. Depuis, j'écris les instructions de caméra en négatif — « locked-off, no zoom ».

• Un request_id perdu en tronquant une réponse d'API : 0,25 $ pour un job orphelin, invisible dans les logs.

• Un sub-drop réglé à 0,30 : il écrasait la question finale. Descendu à 0,11.

La leçon la plus utile concerne les transitions.

Elles ne se règlent pas à l'image : un teaser se monte en cuts secs, les fondus font diaporama.

Ce qui manquait, c'était le son — la musique qui s'arrête net deux secondes avant la dernière réplique produit plus d'effet que n'importe quel fondu enchaîné.

Toujours des tests pour voir, comprendre et avancer avec l'IA.

#IA #VideoGenerative #MCP #fal #RomanPermanent

Sources LinkedIn

• Conversation LinkedIn : voir la publication
• Profil : Pierre Jean Duvivier dit Sage (LinkedIn)