Ce guide vous donne une structure simple, le vocabulaire auquel le modèle réagit et des exemples prêts à copier pour les formats courants. Chaque exemple est conçu pour être collé dans le champ de mise en scène du studio, puis ajusté à votre photo.
Comment structurer un prompt OmniHuman 2
Pensez en trois cases : jeu, geste et caméra. Le jeu, c’est l’ambiance générale : « warm and confident » (chaleureux et assuré), « playful » (espiègle), « serious newsreader » (présentateur de JT sérieux). Le geste, ce sont une ou deux actions concrètes : « counts on fingers » (compte sur ses doigts), « points at the viewer » (pointe le spectateur), « holds the jar up to the lens » (approche le pot de l’objectif). La caméra, c’est un seul mouvement ou cadrage : « static medium shot » (plan moyen fixe), « slow push-in » (lent travelling avant), « gentle orbit to the left » (légère orbite vers la gauche).
Restez sous une quarantaine de mots environ. Les prompts longs avec beaucoup d’actions concurrentes produisent souvent un mouvement chargé et peu naturel ; mieux vaut générer deux fois avec deux prompts ciblés qu’une fois avec un prompt surchargé.
Indications de caméra
Un seul mouvement par clip. Ces formulations sont claires et bien comprises :
- « static medium shot » (plan moyen fixe) — calme, style présentateur ; idéal pour les longues vidéos explicatives.
- « slow push-in » (lent travelling avant) — fait monter l’intensité ; parfait pour les hooks publicitaires et les répliques émouvantes.
- « gentle orbit around the subject » (légère orbite autour du sujet) — apporte de la valeur de production aux chansons.
- « handheld feel, slight sway » (effet caméra à l’épaule, léger balancement) — donne aux clips façon UGC un air filmé au téléphone.
- « wide shot, then slow zoom on the speaker » (plan large, puis zoom lent sur le locuteur) — utile dans les scènes de groupe.
Gestes et langage corporel
Nommez le geste et, si c’est important, le moment où il se produit : « raises an eyebrow at the question » (hausse un sourcil à la question), « opens both hands on ‘everyone’ » (ouvre les deux mains sur “tout le monde”), « nods while listening » (hoche la tête en écoutant). Les plans produit fonctionnent mieux quand le produit figure déjà sur la photo ; le prompt peut alors demander à la personne de le soulever, de l’incliner ou de le pointer du doigt.
Pour le chant, décrivez le souffle et le mouvement plutôt que la forme de la bouche — « closes eyes on long notes, sways with the beat, hand on chest in the chorus » (ferme les yeux sur les notes longues, se balance en rythme, main sur le cœur au refrain) — et laissez l’audio piloter les lèvres.
Exemples de prompts par format
Les exemples sont en anglais, l’une des langues de prompt prises en charge ; remplacez les détails par ceux de votre photo et de votre audio.
- 1Hook UGC soin de la peauexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel
- 2Annonce du fondateurcalm and confident, open hand gestures, static medium shot, small smile at the end
- 3Balladeeyes closed on long notes, gentle sway, slow orbit, soft emotional expression
- 4Podcast à deux animateursleft host speaks, right host nods and reacts, static wide shot, relaxed conversation
- 5Coursteacher tone, counts points on fingers, glances down as if at notes, static shot
- 6Salut de la mascottecheerful, waves at the start, bounces slightly, slow push-in
Langues et dépannage
Vous pouvez rédiger la mise en scène en anglais, chinois, japonais, coréen, espagnol (Mexique) ou indonésien. L’audio parlé peut être dans n’importe quelle langue — la synchronisation labiale suit le son, pas le prompt.
Si le mouvement paraît exagéré, retirez les adjectifs comme « very » (très) et « dramatic » (spectaculaire). S’il ne se passe rien, vérifiez que le geste est physiquement possible dans le cadrage : les mains ne peuvent pas gesticuler si la photo est un gros plan serré sur le visage.
Les erreurs de prompt les plus courantes
L’erreur la plus fréquente consiste à décrire le script au lieu de la performance. Écrire « she explains our new pricing » (elle présente nos nouveaux tarifs) n’apporte rien, puisque l’audio porte déjà les mots ; « leans forward and taps the table on each price » (se penche en avant et tapote la table à chaque prix) donne au modèle quelque chose à faire.
La deuxième, c’est la contradiction : demander un plan fixe et une orbite, ou un ton posé et des sauts énergiques, dans le même clip. Quand les instructions se contredisent, le mouvement devient confus. Choisissez une seule ambiance et un seul comportement de caméra par rendu.
- Évitez les émotions extrêmes si l’audio ne va pas dans ce sens — une phrase chuchotée avec « shouting angrily » (crie de colère) paraît cassée.
- Ne demandez pas l’apparition d’objets absents de la photo ; ajoutez-les plutôt à l’image.
- Laissez de côté le jargon technique de cinéma que le modèle n’a aucune raison de connaître, comme des marques d’objectifs précises.
Itérer sans gaspiller de crédits
Figez d’abord la photo et l’audio, puis ne faites varier que le prompt entre les rendus de test. Générez un extrait de cinq secondes de la phrase la plus importante avec deux ou trois variantes de prompt côte à côte — à 50 crédits chacune, cette comparaison coûte moins cher qu’un long rendu raté.
Une fois qu’un prompt fonctionne, enregistrez-le avec le projet comme « préréglage de mise en scène » réutilisable pour ce présentateur. Une série paraît plus cohérente quand chaque épisode part du même texte de mise en scène.
FAQ
Un prompt est-il obligatoire ?
Non. Sans prompt, OmniHuman 2 choisit un mouvement naturel à partir de l’audio. Un prompt aide quand vous voulez des gestes ou un travail de caméra précis.
Quelle longueur pour mon prompt ?
Une ou deux phrases, sous une quarantaine de mots environ. Un prompt ciblé donne un mouvement plus propre.
Le prompt peut-il changer ce que dit la personne ?
Non. La parole et le mouvement des lèvres viennent de l’audio ; le prompt contrôle le jeu et la caméra.
Puis-je mettre en scène plusieurs personnes ?
Oui. Décrivez chaque personne par sa position, par exemple « left person speaks, right person reacts » (la personne de gauche parle, celle de droite réagit).
Quelles langues de prompt fonctionnent ?
L’anglais, le chinois, le japonais, le coréen, l’espagnol (Mexique) et l’indonésien sont indiqués comme pris en charge.
Pourquoi mon geste n’apparaît-il pas ?
Généralement parce que le cadrage cache les mains ou que le prompt demande trop d’actions. Utilisez une photo plus large et moins d’instructions.