Google transforme trois images en une scène vidéo cohérente

Google présente Veo 3.1 avec plusieurs fonctions dédiées à la génération vidéo. Le modèle accepte jusqu’à trois images de référence pour construire une scène cohérente. Il propose aussi une entrée composée d’une première et d’une dernière image. Un prompt guide alors l’interpolation entre ces deux points. Replicate a publié son guide de prise en main le 16 octobre 2025. La plateforme permet d’essayer Veo 3.1 avec son API. Les exemples fournis couvrent la vidéo avec références, la transformation entre deux images et la conversion d’une image en séquence animée. Le modèle conserve ainsi plusieurs éléments visuels pendant la génération.

Les prompts structurent la scène avec des indications de cadrage, de nombre de sujets et de style. Le guide recommande des termes comme « single shot », « two shot » ou « over-the-shoulder shot ». Les effets d’objectif peuvent préciser une mise au point courte, une mise au point profonde, un objectif macro ou un grand-angle. Le prompt peut également décrire une caméra à hauteur des yeux, en plongée ou en contre-plongée. Les mouvements incluent le travelling, le zoom, le panoramique et le suivi. Replicate recommande enfin de préciser une direction artistique, comme la science-fiction, la comédie romantique, le film d’action ou l’animation.

Veo 3.1 assemble plusieurs références

Les images guident la continuité dans la fonction « reference to video ». Veo 3.1 peut combiner une image de personnage, une image de produit et une image d’environnement. Replicate montre notamment une vidéo de type contenu généré par un utilisateur, avec une femme et une bouteille de shampoing. Le modèle conserve le personnage et le produit pendant la création d’une séquence de présentation. Cette fonction peut aussi placer un même personnage dans plusieurs situations. Un exemple partagé par fofrAI sur X montre un personnage d’anime intégré à une scène en prises de vues réelles. Le prompt décrit une marche sous la pluie.

Les deux images bornent la fonction « first and last frame to video ». L’utilisateur fournit une image de départ, une image d’arrivée et un texte décrivant la transition. Replicate illustre ce fonctionnement avec une transformation d’un agneau en tigre. Un autre exemple montre une pièce qui change progressivement d’apparence. Cette méthode fixe donc un point initial et un point final pour la séquence générée. Le guide cite les metteurs en scène et les architectes d’intérieur parmi les utilisateurs susceptibles d’apprécier ce contrôle. L’interpolation crée des transformations qui seraient difficiles à obtenir avec une génération vidéo classique reposant sur une seule image de départ.

Replicate accélère les générations

L’image en entrée progresse également dans Veo 3.1. Le modèle reçoit une image de départ et un prompt décrivant un mouvement ou une action. Replicate indique que cette version suit mieux les instructions et produit une qualité améliorée. Le modèle peut aussi interpréter le contenu de l’image pour produire une transition cohérente. Dans un exemple, une image du siège de Replicate issue d’une carte est transformée en séquence montrant ce qui se passe sur place. Le guide précise qu’aucune transition spécifique n’a été demandée dans cet exemple. Veo 3.1 a généré une animation adaptée aux informations présentes dans l’image fournie.

Les versions rapides réduisent le temps et le coût annoncés pour presque tous les points d’accès. La fonction « reference to video » fait exception. Les générations rapides prennent moins de 60 secondes, contre environ 90 secondes pour la version standard. Leur prix représente approximativement la moitié de celui d’une génération standard. La qualité est légèrement réduite, tout en restant élevée selon Replicate. L’API JavaScript accepte notamment une image, un prompt, une durée de huit secondes et une résolution de 1080p. Elle peut aussi recevoir trois images de référence, désactiver l’audio généré, ou utiliser une première et une dernière image. L’API renvoie ensuite une URL vidéo exploitable dans une application.