# Google stabilise personnages et produits dans ses vidéos IA > Veo 3.1 de Google combine jusqu’à trois images de référence et accepte une première et une dernière image pour guider la génération vidéo. Type : Actualité IA · Catégorie : Outils · Publié le 2026-11-02 · Signal IA - Order & Chaos · Secteur : Marketing Source : https://www.orderchaos.eu/signal-ia/actu/veo-31-garde-un-personnage-et-un-produit-en-video Tags : génération vidéo, google, veo, api --- ## En résumé - Veo 3.1 combine jusqu’à trois images de référence dans une scène vidéo cohérente. - Le modèle interpole une séquence entre une première et une dernière image. - Les versions rapides génèrent une vidéo en moins de 60 secondes pour environ moitié moins cher. **Le signal :** Veo 3.1 conserve un personnage et un produit dans une même scène vidéo à partir de trois images de référence. **Google présente Veo 3.1** avec deux fonctions de [génération vidéo](/signal-ia/actu/veo-31-assemble-jusqua-trois-images-en-video) ajoutées à son modèle. La première combine jusqu’à trois images de référence dans une scène cohérente. La seconde utilise une première et une dernière image pour construire une séquence intermédiaire. Replicate a publié son guide de formulation le 16 octobre 2025. Veo 3.1 conserve notamment l’identité visuelle d’un personnage placé dans plusieurs environnements. Le modèle peut aussi maintenir un produit dans la scène générée. Replicate illustre cette capacité avec une femme et une bouteille de shampoing. Le résultat prend la forme d’une vidéo de présentation au style contenu créé par un utilisateur. Le guide complet est disponible sur [Replicate](https://replicate.com/blog/veo-3-1). **Le prompt structure la scène** avec plusieurs familles de termes visuels. [Replicate](/signal-ia/actu/veo-31-de-google-garde-vos-personnages-fideles-en-video) recommande de préciser le cadrage et le nombre de sujets. Les formulations proposées incluent « single shot », « two shot » et « over-the-shoulder shot ». Le prompt peut aussi indiquer la profondeur de champ ou l’objectif. Les exemples citent « shallow focus », « deep focus », « macro lens » et « wide-angle lens ». Le style général peut évoquer la science-fiction, la comédie romantique, le film d’action ou l’animation. La position et le déplacement de la caméra doivent également être décrits. Le guide cite notamment le niveau des yeux, la plongée, la contre-plongée, le travelling, le zoom, le panoramique et le suivi. ## Veo 3.1 combine les références **Trois images composent** une vidéo unique guidée par une instruction textuelle. Les images peuvent représenter un personnage, un produit et un environnement. Replicate montre une scène où une femme et une bouteille de shampoing restent reconnaissables pendant une vidéo de présentation fluide. La cohérence du personnage permet aussi de le placer dans des situations très différentes. Le guide cite l’exemple d’un personnage d’anime intégré à une scène en prises de vues réelles. Un autre exemple publié par fofr montre un personnage qui rentre chez lui sous la pluie. Le message associé à cet exemple date du 15 octobre 2025 et renvoie à [cette publication](https://x.com/fofrAI/status/1978584915630329990?ref_src=twsrc%5Etfw). **Les deux images encadrent** ensuite une transformation générée par le modèle. L’utilisateur fournit une image de départ, une image d’arrivée et une instruction décrivant le mouvement souhaité. Veo 3.1 interpole les étapes entre ces deux points. Replicate illustre cette fonction avec une transformation d’un agneau en tigre. Un autre exemple montre la transformation progressive d’une pièce. Cette méthode donne un contrôle précis sur le début et la fin de la séquence. Elle convient aux vidéos construites autour d’un changement visuel déterminé. La génération classique image-vers-vidéo reste également disponible. Elle part d’une seule image et ajoute le mouvement décrit dans le [prompt](/signal-ia/actu/veo-31-transforme-trois-images-en-scenes-video-coherentes). ## Replicate détaille l’accès API **L’image de départ guide** aussi des transitions cohérentes dans la fonction image-vers-vidéo améliorée. Replicate indique que Veo 3.1 suit mieux les instructions et produit une qualité supérieure. Le modèle peut déduire des informations présentes dans l’image fournie. Dans un exemple, une image du siège de Replicate visible sur une carte sert de point de départ. L’instruction demande de montrer ce qui se déroule dans ce lieu. La séquence produite suit une transition jugée naturelle et cohérente avec le contenu initial. Replicate précise qu’aucune transition précise n’était demandée dans cet exemple. Le modèle a sélectionné une suite adaptée aux informations visibles dans l’image. **Les versions rapides réduisent** le délai et le prix annoncés pour la génération standard. Tous les points d’accès, sauf la fonction de référence vers vidéo, proposent une option rapide. Replicate indique un délai inférieur à 60 secondes, contre environ 90 secondes pour la version standard. Le coût est présenté comme environ deux fois inférieur. La qualité est légèrement réduite, tout en restant décrite comme élevée. L’API Replicate accepte une image, un prompt, une durée de huit secondes et une résolution 1080p dans l’exemple image-vers-vidéo. L’exemple avec trois références ajoute les paramètres du personnage, du produit, de l’environnement et du son désactivé. L’API renvoie une adresse de vidéo utilisable dans une application.