Voici comment préparer vos photos de groupe, l’audio du dialogue et la mise en scène de qui fait quoi.
Préparer une photo pour une vidéo IA multi-personnes
Chaque personne qui doit bouger a besoin d’un visage visible, idéalement de taille similaire et sans chevauchement. Deux à quatre personnes côte à côte dans un cadre horizontal, c’est le point de départ le plus simple — pensez table de podcast, canapé d’interview ou alignement sur scène. Un éclairage homogène sur tous les visages évite qu’une personne paraisse plus terne que les autres.
Si les personnes sont à des distances très différentes de l’objectif, les visages les plus proches dominent. Recadrez pour que les locuteurs soient au centre de l’attention.
Préparer l’audio du dialogue
Importez un seul fichier audio mixé contenant toute la conversation, dans l’ordre de lecture. Laissez de petits blancs entre les intervenants pour que les tours de parole soient bien lisibles, et évitez que deux personnes parlent en même temps pendant de longs passages.
Les enregistrements de podcasts et d’interviews fonctionnent très bien tels quels — coupez l’extrait voulu, normalisez le volume et importez-le en MP3 ou WAV, jusqu’à cinq minutes.
Indiquer qui parle et qui réagit
Décrivez les personnes par leur position dans le prompt, et restez bref :
- « Left host speaks first, right host nods and laughs, then answers. » (L’animateur de gauche parle en premier, celui de droite hoche la tête et rit, puis répond.)
- « Woman on the right leads the verse, man on the left joins on the chorus. » (La femme à droite mène le couplet, l’homme à gauche la rejoint au refrain.)
- « Interviewer on the left asks, guest on the right gestures while explaining, static wide shot. » (L’intervieweur à gauche pose la question, l’invité à droite gesticule en expliquant, plan large fixe.)
- « Whole family waves at the end, gentle push-in. » (Toute la famille fait coucou à la fin, léger travelling avant.)
Des formats soudain accessibles
Podcasts vidéo à partir d’une seule image, sketchs à deux personnages, teasers d’interview, duos et chorales, vœux en famille et jeux de rôle en classe. Chacun exigeait autrefois de filmer plusieurs personnes ensemble ; il suffit désormais d’une photo et d’un enregistrement.
Problèmes fréquents dans les scènes de groupe
Si ce n’est pas la bonne personne qui semble parler, rendez les positions sans ambiguïté dans le prompt — « the person on the left » (la personne à gauche) plutôt qu’un prénom que le modèle ne peut pas voir — et vérifiez que les visages des locuteurs ont à peu près la même taille dans le cadre. Si tout le monde bouge trop, demandez « listeners stay mostly still » (les auditeurs restent plutôt immobiles) pour que le locuteur ressorte.
Dans les très grands groupes, les détails se répartissent sur beaucoup de petits visages. Pour une chorale ou une photo d’équipe, recadrez sur le premier rang et gardez le clip court.
Écrire un dialogue à deux voix
Les échanges courts fonctionnent le mieux : l’un pose une question, l’autre répond en une phrase ou deux, et ils se renvoient rapidement la balle. Les longs monologues sur une photo de groupe laissent l’auditeur sans rien à faire ; coupez-les avec des réactions ou des questions de relance.
FAQ
Combien de personnes peut-il y avoir dans une vidéo ?
Les groupes fonctionnent, mais deux à quatre visages bien visibles donnent les résultats les plus fiables.
Faut-il un audio séparé pour chaque personne ?
Non. Importez un seul fichier mixé de la conversation et précisez dans le prompt qui parle.
Les personnes peuvent-elles réagir pendant que d’autres parlent ?
Oui. Les auditeurs hochent la tête, sourient et jettent un œil vers le locuteur quand vous le demandez dans le prompt.
OmniHuman 1.5 gérait-il plusieurs personnes ?
La version 1.5 utilisait un masque pour choisir un seul locuteur. Les performances à plusieurs sont une nouveauté de la 2.0.
Puis-je utiliser une photo de famille ?
Oui, avec l’autorisation de chacun. Des visages nets et de face donnent les meilleurs résultats.
Quelle durée pour la scène ?
Jusqu’à 5 minutes en une seule prise.
Chaque personne peut-elle avoir une voix différente ?
Oui. Enregistrez ou mixez le dialogue avec la voix de chacun dans un seul fichier audio, dans l’ordre des prises de parole.
Les auditeurs resteront-ils complètement immobiles ?
Non — ils font de petits mouvements naturels. Demandez des réactions comme hocher la tête ou sourire si vous en voulez davantage.
La photo de groupe doit-elle être horizontale ?
Pas forcément, mais un cadre large laisse plus de place à chaque visage. Les photos de groupe verticales fonctionnent mieux avec deux personnes proches l’une au-dessus de l’autre.