Comment j'ai créé un film Viking photoréaliste avec l'IA (flux de travail complet)

J'ai réalisé un court-métrage viking photoréaliste intitulé Ulysses entièrement avec l'IA. Pas de caméra, pas d'équipe, pas d'acteurs, pas de décor. Juste plus de quatre cents plans, créés en environ huit jours, qui ressemblent à de vraies images. Voici le workflow complet, du début à la fin, exactement comme cela s'est passé sur le canvas. Regardez d'abord le film terminé sur Flick TV si vous le souhaitez ; tout ce qui suit explique comment il a été réalisé.

C'est un court métrage sur deux PNJ de jeu apparemment ordinaires qui attendent dans un espace de rétention vide, jusqu'à ce que nous réalisions progressivement qu'ils sont peut-être plus vivants que le joueur qui les contrôle. Au lieu de voir les PNJ comme du code d'arrière-plan inactif, nous imaginons qu'ils continuent d'exister même lorsqu'ils ne sont pas vus, portant leur propre conscience, incertitude et présence. L'histoire commence comme un jeu d'attente absurde, mais devient lentement une réflexion sur ce que signifie être visible, performer et avoir une vie intérieure.

1. L'histoire d'abord, puis les plans

Ulysses est une histoire de l'ère viking : un tenancier de salle d'hydromel, un jeune garde, un guerrier en armure et un dragon. Avant de générer quoi que ce soit, j'ai divisé l'histoire en plans, comme on ferait un storyboard pour n'importe quel film. Chaque plan a reçu une ébauche indiquant qui y figure, où se situe la caméra et ce qui se passe.

2. Choisir les personnages sous forme de planches de référence

C'est l'étape la plus importante. Pour chaque personnage, j'ai généré une planche de référence propre en trois vues : face, profil et trois-quarts, sur un fond gris uni, comme une photo de casting.

La planche devient « l'acteur » du personnage. Chaque plan ultérieur de cette personne est construit à partir d'elle, de sorte que le visage ne dérive jamais. La planche de mon personnage principal a été réutilisée comme base dans soixante-dix-neuf plans distincts. La garde-robe et l'armure reçoivent le même traitement : j'ai dessiné l'armure à la main, puis converti le croquis en vue à 360° photoréaliste complète.

3. Dessiner chaque plan à la main

C'est l'étape qui surprend le plus les gens. Avant de générer une image, j'ai dessiné une esquisse approximative de la composition, juste des formes : où se tient le personnage, où se situe l'horizon, où regarde la caméra. Pour ce film, j'ai fait cela pour des centaines de plans.

L'esquisse combine le positionnement et la caméra en un seul élément. C'est rapide, c'est jetable, et cela donne au modèle quelque chose de précis à suivre au lieu de deviner une composition à partir de mots.

4. Transformer l'esquisse en image photoréaliste

Ensuite, j'ai combiné trois éléments dans Nano Banana : l'esquisse de composition, la planche de référence du personnage et une courte instruction, et j'ai demandé une image photoréaliste en prise de vue réelle. Le prompt interdit au modèle de dévier :

Use the provided sketch as the only composition reference, use the provided guard
reference as the guard character reference. Convert the scene into a photorealistic
live-action cinematic image. Composition 100% exactly matches the provided sketch.
Camera position 100% unchanged.

Une esquisse approximative plus un personnage verrouillé ressort de l'autre côté sous forme d'un plan qui semble filmé.

5. Affinez en éditant, pas en régénérant

Presque rien dans ce film ne provient d'un prompt textuel vierge. Sur mes générations d'images, 371 étaient des éditions d'une image existante et seulement 21 étaient du texte vers image. Quand une image était légèrement décalée, une mâchoire trop lourde, une ombre étrange, un détail incorrect, j'ai édité cette image plutôt que de recommencer. La cohérence vient de l'édition par-dessus une base verrouillée, pas d'une formulation parfaite.

6. Animez et laissez-les parler

Une fois les images fixes verrouillées, j'ai animé certaines images en vidéo avec Kling. Certains plans sont de simples mouvements ; d'autres sont des dialogues, avec le personnage qui parle directement à la caméra. Ces prompts sont spécifiques sur la performance :

Handheld camera, extreme close-up of his face. His eyes stay locked on the camera,
no drift. He says, "Still, here." Then a brief pause, still staring, with visible
strain, as if forcing the words out.

L'image fixe maintient l'identité ; la vidéo ajoute le souffle et la voix.

7. Le canvas sur lequel tout s'est passé

Chaque étape ci-dessus se trouve dans un seul espace de travail. Voici le projet réel, en vue d'ensemble : les rangées d'esquisses à gauche alimentant les rangées photoréalistes à droite, les planches de personnages en bas, et les échelles d'itération entre les deux. 424 images et 38 plans vidéo, tous traçables jusqu'à leurs références.

Zoomez n'importe où et vous verrez le même schéma se répéter : une composition, plusieurs prises, une survivante. Voici à quoi ressemblent les deux protagonistes en pleine itération, le garde dans sa cotte de mailles et le gardien dans sa tunique, mêmes visages dans chaque prise car chaque prise pointe vers les mêmes fiches.

8. Les chiffres derrière tout ça

Pour donner une idée de l'échelle, voici ce que contenait le projet final :

Depuis le canvas Ulysses	Valeur
Images générées / échecs	424 / 20
Liens d'images de référence	653 (92% de toutes les connexions)
Éditions d'images vs texte vers image	371 vs 21 (95% img2img)
Une fiche de référence réutilisée	79 plans
Temps de création	environ 8 jours, une personne

9. Ce que je vous dirais avant de commencer

• Créez d'abord vos fiches de référence. C'est toute la clé. Un personnage sans fiche va dériver.
• Esquissez vos plans. Un mauvais dessin avec la bonne composition vaut mieux qu'un beau paragraphe.
• Éditez, ne régénérez pas. Verrouillez une image de base et changez aussi peu que possible.
• Attendez-vous à des ratés. Vingt plans ont complètement échoué et beaucoup d'autres ont nécessité des corrections. C'est normal ; le pipeline est conçu pour l'absorber.

Créez le vôtre

Commencez avec une image et construisez un film plan par plan. L'étape la plus importante est la fiche de référence, et notre guide pour des personnages IA cohérents est l'analyse approfondie de cette étape précise.

Questions fréquentes

Combien de temps faut-il pour réaliser un film IA comme celui-ci ?

Ulysses a nécessité 432 tâches de génération sur environ 8 jours, une personne, aucune équipe. La majeure partie de ce temps est consacrée à choisir entre les prises, pas à attendre les rendus.

Quels modèles IA le film a-t-il réellement utilisés ?

Nano Banana pour les images fixes et les modifications (371 des 392 générations d'images étaient des modifications d'une image existante), et Kling pour le mouvement : le canvas final contient 37 plans vidéo Kling, y compris les prises de dialogue parlé.

Comment les personnages restent-ils cohérents pendant 400 plans ?

Les fiches de référence, intégrées à tout : le projet contient 653 liens d'images de référence, 92 pour cent de toutes ses connexions, et la fiche du protagoniste seul se trouve sous 79 plans. Aucun plan n'est généré uniquement à partir de mots.

Les personnages peuvent-ils vraiment parler ?

Oui. Les plans de dialogue sont animés à partir d'une image fixe verrouillée avec un prompt de performance qui spécifie la réplique, la pause et ce que font les yeux. L'image fixe contient l'identité ; la passe vidéo ajoute le souffle et la voix.

Guides associés

• Garder des personnages cohérents
• Recréer une scène de film célèbre