Seedance 2.5 : le guide complet du prompt

Seedance 2.5 produit jusqu’à trente secondes de vidéo en une seule exécution, avec le son fabriqué en même temps que l’image : paroles, bruitages et musique. Aucun clip à assembler, aucune étape de voix à part, aucun second rendu pour ajouter le son.

Cette exécution unique est ce qui le distingue d’un modèle qui vous donne cinq secondes à la fois. Une priseUne exécution du modèle : un seul clip généré, du début à la fin. Relancer la même consigne vous donne une autre prise, et vous la payez de nouveau. de trente secondes n’a aucun raccord à cacher, puisqu’il n’y en a aucun. Cela veut dire aussi que chaque génération est tout ou rien : vous ne pouvez pas corriger la dix-neuvième seconde sans refaire les secondes une à trente.

Le travail se déplace donc en amont. Presque tout ce qui décide si un clip est bon se joue avant d’appuyer sur générer.

Traitez-le comme un tournage que vous dirigez, pas comme une machine à sous que vous actionnez.

Vue d’ensemble

La version courte

Quatre décisions font l’essentiel du travail. Si vous ne lisez rien d’autre, lisez celles-ci. Chacune est développée en entier plus bas.

1. Réglez l’image avant de la faire bouger

   La vidéo se facture à la seconde : chaque erreur trouvée dans une prise de trente secondes coûte une prise entière à corriger. Une image, c’est l’endroit bon marché où se tromper, et le seul où vous pouvez regarder le résultat avant que quoi que ce soit ne bouge.

   Arrêtez la pièce, les vêtements, la lumière, le cadrage et le moindre mot à l’écran sur une seule image, puis confiez cette image finie au modèle vidéo.

2. Décrivez ce que voit la caméra, pas le nom qu’une équipe de tournage lui donnerait

   Le modèle fait ce qu’il peut se représenter et devine tout le reste. Un terme de caméra est une indication qu’une personne comprend et qu’un modèle ne suit qu’à moitié ; la liste de ce qui est réellement visible dans le cadre, elle, est suivie. Presque tous nos échecs de formulation étaient celui-là.

   Au lieu de

   Three-quarters from behind and to her left

   Écrivez

   We see the back of her head, her claw clip, the back of her neck

3. Dites à chaque image importée ce à quoi elle sert, et ce à quoi elle ne sert pas

   Une image importée sans consigne livre tout ce qu’elle contient : son fond, sa lumière, son cadrage, sa pose. Nommez la seule chose que vous lui demandez et excluez le reste, sinon le fond de studio derrière votre produit devient discrètement le décor de votre film.

   Au lieu de

   [Image1] is Ana.

   Écrivez

   [Image1] is Ana. Use it for her face, build and hair colour only. Do not use its background, lighting, framing or pose.

4. Une personne photoréaliste doit être dessinée, ou faite dans Seedream

   Donnez au modèle la photo du visage d’une personne réelle et la génération est refusée, sept fois sur sept dans nos tests, que vous la fournissiez comme première imageUne image que vous fournissez et sur laquelle le clip s’ouvre exactement. Elle devient l’image un, et le film prend sa forme d’elle plutôt que de votre réglage de format. ou comme référence. Un personnage photoréaliste que vous avez généré vous-même est refusé de la même façon — inventer le visage dans GPT Image 2 ou Nano Banana n’achète rien, car ce qui est inspecté, c’est l’image. Seedream est l’exception : les personnes photoréalistes qui en sortent sont acceptées.

   Faites la distribution dans Seedream et référencez ces images. Ou distribuez un personnage illustré, anime ou 3D, qui passe quel que soit ce qui l’a dessiné : la consigne refusée avec un vrai visage est sortie du premier coup avec un visage dessiné. Ou ne fournissez aucune image de personne et décrivez-la avec des mots : le texte vers vidéo invente un visage au lieu d’en copier un.

Ce qu’il accepte

Ce qu’il coûte

La vidéo se facture à la seconde : la durée et la résolution sont les deux seules décisions qui vous coûtent de l’argent. Le son n’en est pas une troisième — paroles, bruitages et musique sortent du même tarif à la seconde, que vous écriviez pour eux ou non, contrairement à Veo 3.1, où l’interrupteur audio double le prix d’une prise.

Une prise de trente secondes coûte trop cher pour être ratée : ne vous y lancez pas à froid. Partez d’une première image, ou d’un jeu de références, et soyez sûr de votre prompt avant d’appuyer sur générer.

Nous travaillons encore la plupart du temps par morceaux bien plus petits, 4 à 15 secondes à la fois.

Les règles

Sept choses vraies quoi que vous fabriquiez. Chacune nous a coûté de l’argent à apprendre, et elles sont classées par ce qu’elles vous feront économiser.

Nommez le pixel, pas l’idée

Le modèle obéit à ce qu’il peut se représenter, et devine tout le reste.

Un angle, une théorie d’éclairage, une règle : cela s’interprète. Une description de ce qui doit être visible dans le cadre est suivie.

Tous nos échecs de formulation étaient celui-là. « Three-quarters from behind » est une indication qu’une personne comprend et qu’un modèle ne suit qu’à moitié :

• En angle, « three-quarters from behind and to her left », il a produit le cadrage voulu une seule fois en cinq tentatives.
• En vue, « we see the back of her head, her claw clip, the back of her neck », il a marché deux fois sur deux, du premier coup.

La même règle a corrigé deux autres choses dans la même série. Un moniteur qui ressortait toujours sombre : « the monitor is the key lightLa lumière principale sur un sujet : celle qui décide où tombent les ombres. Tout le reste vient se remplir autour d’elle. » est devenu « its glow spills onto the wall in front of her ». Une icône qui se retrouvait toujours avec une étiquette dessus : « no other text » est devenu « the rectangle is empty ».

Un échec est un bug de prompt jusqu’à preuve du contraire

Plusieurs sorties fausses de la même façon, ce n’est pas de la malchance.

Quand une génération revient fausse, l’instinct est d’accuser les dés et de la relancer. C’est en général la phrase qui est en cause, et relancer un bug de phrase revient à payer encore et encore la même erreur.

Nous avons dépensé 44 à relancer un cadrage que nous croyions aléatoire. C’était une seule phrase peu claire, et chaque relance avait échoué exactement de la même façon. La réécrire a réglé le plan dès la tentative suivante.

Tranchez à l’étage le moins cher

Les images avant le mouvement. Le texte avant la vidéo.

Tout ce qui peut se décider sur une seule image doit s’y décider. Faites l’image, regardez-la, corrigez-la, regardez encore, puis confiez l’image finie au modèle vidéo.

C’est surtout vrai pour le texte. Un modèle d’image écrit correctement un titre ou un écran ; un modèle vidéo à qui l’on demande d’inventer le même texte en 720p n’en approche que de loin.

• Quatre modèles d’image, trois bouts de texte chacun : douze sur douze écrits correctement.
• Le même écran demandé à l’intérieur d’une vidéo : crédible, lisible, et rien à voir avec la vraie marque.

Testez en 480p avant de payer la 720p

257 contre 578. Même prompt, mêmes références, même durée, même modèle, à un peu moins de la moitié du prix.

Descendre en 480p ne change rien à ce qu’un prompt contrôle. Vous obtenez les mêmes plans, le même rythme, le même jeu, les mêmes voix, le même personnage. Ce que vous abandonnez, c’est la netteté, et la netteté est la seule chose qui n’a jamais fait de doute.

Alors lancez la prise en 480p d’abord, et lisez-la honnêtement. Elle répond à tout ce qu’une consigne peut rater : si le cadrage est celui que vous imaginiez, si les tempsUn temps, c’est une chose qui arrive : un seul moment ou une seule action dans le film. Un clip de quinze secondes en compte en général quatre à six à la suite. tombent là où vous les avez demandés, si le personnage tient, si vos entrées sont acceptées. Une fois qu’elle est juste, vous relancez la même consigne en 720p pour la version que vous gardez.

Raccourcir se cumule par-dessus : cinq secondes en 480p, c’est 43. Ce qui gâche le plus d’argent, c’est une prise 720p pleine longueur d’une consigne que personne n’a encore regardée.

Sachez quelle case vous remplissez

Une première image est l’image zéro. Les références sont des matériaux. On ne peut pas se servir des deux.

Une première image veut dire que le film commence sur cette image exacte et en tire son formatLa forme du cadre : sa largeur contre sa hauteur. Le 16:9 est la forme large d’un téléviseur ; le 9:16, celle d’un téléphone tenu droit.. Les images de référence, elles, sont ce à partir de quoi le modèle construit une nouvelle image.

• Vous voulez que le clip commence sur une image que vous avez déjà ? C’est une première image.
• Vous voulez que le clip contienne une personne, un produit ou un lieu que vous avez déjà ? Ce sont des références.

Se tromper de case donne des résultats qui ressemblent à un échec du modèle : un plan que vous n’avez pas demandé, un format que vous n’avez pas réglé, une image redessinée alors que vous la vouliez copiée.

Les timecodes répartissent le temps, ils ne le coupent pas

Assez précis pour structurer un film. Pas assez pour monter dessus.

Écrire at 12s dit au modèle, en gros, quelle part du clip ce temps doit occuper. C’est un budget, pas un point de montage.

• Un séquencier de six temps a produit des coupes à 0,83 seconde près de chaque frontière demandée, six sur six, dont cinq à moins de six dixièmes.
• Sept répliques minutées dans une autre prise sont tombées de zéro à deux secondes en avance, jamais en retard, la dernière exactement sur sa marque.

Servez-vous de fourchettes pour régler l’allure d’une séquence et gardez les marques exactes pour les deux ou trois moments qui comptent. Fixer chaque seconde rend le rythme pire : une fenêtre trop chargée se joue précipitée, une fenêtre trop vide se joue au ralenti.

La seule personne photoréaliste qu’il animera vient de Seedream

Le refus porte sur vos matériaux, pas sur vos mots.

Donnez-lui un visage humain photoréaliste, en première image ou en référence, et la génération est refusée. Une photographie d’une personne réelle, un personnage photoréaliste que vous avez fait dans GPT Image 2, Nano Banana ou Flux : inventer la personne ne change rien, car ce qui est inspecté, c’est l’image.

Seedream est l’exception. Les personnes photoréalistes qui en sortent sont acceptées : une distribution photoréaliste est donc une décision sur l’endroit où elle se fabrique, prise avant d’écrire une ligne de la consigne.

Le refus arrive avant le moindre rendu, il ne vous coûte donc que la tentative — et comme il lit des images, aucune reformulation ne passe.

Les personnages dessinés sont acceptés quel que soit ce qui les a dessinés : anime, illustration, 3D. La même consigne avec un personnage dessiné est sortie du premier coup, depuis une planche faite par un modèle d’image extérieur à la famille Seed.

Alors si votre pièce a besoin de quelqu’un qui parle à la caméra, vous avez trois façons de le contourner. Faites-le dans Seedream, distribuez un personnage dessiné, ou ne fournissez aucune image de personne et décrivez-la avec des mots, puisque le texte vers vidéo ne donne rien à inspecter au contrôle et invente un visage au lieu d’en copier un. Cette dernière route vous coûte la ressemblance : vous obtenez une personne convaincante, pas cette personne-là, et rien ne la tient en place d’une prise à l’autre.

Les chaînes

Tout ce que vous fabriquez part de l’un de trois états : vous n’avez rien qu’une idée, vous avez une image, ou vous avez un jeu de matériaux.

Les blocs que toute consigne utilise

Quelle que soit la chaîne où vous êtes, le prompt se construit avec les mêmes parties, dans l’ordre que le modèle lit le plus fidèlement :

[Goal]        one sentence: what this video is and what happens in it
[Materials]   what each supplied image or audio track is FOR, and what it is not
[Subject]     who or what must stay identical from first frame to last
[Look]        the colour, the light, the texture, skipped if a frame carries it
[Camera]      where it starts, how it moves, how fast, where it ends
[Beats]       the sequence, with time ranges and any spoken lines
[Audio]       music, effects, voices
[Keep/Avoid]  what must not change, and what must never appear

À 4 000 caractères, les huit blocs tiennent, écrits comme il faut. Seul un film de trente secondes à plusieurs étapes et beaucoup de dialogue approche du plafond, si bien que la question n’est plus quoi retirer. C’est ce qui vaut la peine d’être dit.

Supprimez tout ce qu’une image fournie porte déjà. Si vous avez donné au modèle la première image d’une pièce, ne décrivez pas la pièce. Décrivez ce qui s’y passe. Avoir de la place au budget n’est pas une raison de la dépenser : des mots qui répètent une image n’ajoutent rien, et des mots qui la contredisent rendent incertain ce qui était déjà réglé.

Comment écrire le bloc son

La musique, les bruitages et les paroles ont chacun leurs propres signes. Vous pouvez tout écrire en phrases ordinaires à la place, mais les signes ne laissent aucune place au doute et le modèle les lit proprement.

( )   music and background sound  (No music until the last beat.)
< >   sound effects               <rain on glass, a mug set down>
{ }   spoken lines                She says in French: {Je lis.}

Nommez la langue immédiatement avant chaque réplique, pas une seule fois en tête de consigne. She says in French: {Je lis.} tient ; une règle unique posée à la fin dérive, surtout quand plusieurs langues sont en jeu.

Chaîne A : partir du texte

Rien qu’une consigne écrite.

À quoi elle sert

• Idéal pour : les pièces d’ambiance, le b-rollDes images où personne ne parle — un paysage, des mains, une rue, un détail — montées autour des plans principaux pour couvrir une voix off ou laisser une scène respirer., les plans d’ensembleLe plan large qui ouvre une scène et vous dit où vous êtes avant que quiconque n’y fasse quoi que ce soit., les montages, tout ce qui a un style fort.
• Vous coûte : le contrôle. Vous obtenez une bonne version de votre description, pas votre personne ni votre produit précis.
• Attention : les visages et les objets qui changent au fil du clip. Rien ne les tient en place.

Comment l’écrire

Comme rien n’est fourni, chaque bloc doit travailler. Mettez le détail dans le sujet et dans les temps, et décrivez le look en mots de caméra plutôt qu’en mots d’humeur : un objectif nommé, une direction de lumière énoncée, un grain. « Cinematic » et « beautiful » n’achètent rien.

Décrivez une seule fois, en détail, un personnage qui revient, puis renvoyez à cette description. Le redécrire invite le modèle à le redessiner.

Exemple détaillé : Un film qui est sa propre consigne : trente secondes, une seule prise, tout un appartement et la femme qui l’habite, depuis des mots.

Chaîne B : partir du texte avec une première image

Vous avez une image, et le clip commence exactement dessus.

À quoi elle sert

• Idéal pour : donner vie à une image : une photo de produit, une affiche, un personnage, une capture d’écran.
• Vous coûte : les images de référence. C’est une route ou l’autre, jamais les deux.
• Attention : le format vient de l’image, pas de votre réglage.

Comment l’écrire

C’est la chaîne où moins de prompt vaut mieux.

L’image porte déjà le cadrage, les vêtements, la pièce, la lumière et la couleur. Les redécrire n’achète rien et risque de contredire l’image ; et si vos mots et l’image ne s’accordent pas, vous avez rendu incertain ce qui était déjà réglé. La place qui reste au budget est le piège, ici : il y a de quoi redire le cadre en entier, et le faire est justement la façon de le perdre.

Dites « exactly as the first frame » une fois, puis n’écrivez que ce qui change : le mouvement, le jeu, les paroles, la caméra.

La seule limite connue

Le petit texte se délite sur la longueur d’un clip. Dans un test de quinze secondes, le titre et le bouton d’un écran de téléphone sont restés parfaitement lisibles pendant que la petite barre d’adresse devenait, à la dernière seconde, quelque chose de presque — mais pas tout à fait — elle-même.

Tout ce qui doit rester lisible doit être grand dans le cadre. Traitez le petit texte comme une texture, pas comme des mots.

Exemple détaillé : Votre produit, entre leurs mains : quinze secondes depuis une seule image fixe, avec la dégradation visible sur le téléphone.

Chaîne C : partir du texte avec des références

Vous avez des matériaux (une distribution, un produit, un lieu) et ils doivent survivre au clip.

À quoi elle sert

• Idéal pour : les personnages qui reviennent, les produits réels, tout ce qui doit correspondre à autre chose.
• Vous coûte : la première image. Et un visage photoréaliste y est refusé comme partout ailleurs, sauf si Seedream l’a fait.
• Attention : une référence à laquelle aucun rôle n’a été donné déborde. Un fond de studio devient le décor du film.

Chaque référence a besoin d’un rôle et d’une limite

C’est là tout le savoir-faire de la chaîne. Une référence sans consigne livre tout ce qu’elle contient : son fond, sa lumière, son cadrage, son ambiance.

[Image1] is <subject>. Use it for <face, build, colour> only.
         Do not use its background, lighting, framing or pose.

Pour les personnages, fournissez plusieurs angles séparés plutôt qu’une seule planche qui les rassemble tous. Avec trente emplacements, il n’y a aucune raison d’économiser la place, et un profil en pleine taille porte bien plus d’un visage que le même profil réduit dans une case de grille.

D’où doit venir une distribution photoréaliste

Faites les personnes photoréalistes dans Seedream. Une référence montrant un visage humain photoréaliste est refusée si elle ne vient pas de là — une photographie d’une personne réelle et un personnage photoréaliste inventé dans un autre modèle d’image échouent au même contrôle, et l’exécution est rejetée avant de vous coûter quoi que ce soit. Les personnages dessinés sont exemptés, quel que soit ce qui les a faits, et c’est pourquoi l’exemple détaillé plus bas tourne avec une planche venue d’un modèle d’image extérieur à la famille Seed.

Décidez-le avant de construire la distribution, car ce n’est pas quelque chose qu’un prompt rattrape. La règle en entier est plus haut.

Les voix

Les références audio copient une voix. Dix à quinze secondes suffisent, et le modèle copie la façon dont les mots sont dits autant que le son de la voix : enregistrez donc la référence dans le personnage.

• Une seule voix par piste.
• Jamais de musique dans une piste de voix.
• Trente secondes au total, tous audios confondus.

Exemple détaillé : Une créatrice qui n’existe pas : une planche de personnage, trente secondes, seize coupes auxquelles elle survit.

Quand ça casse

« La génération a été refusée comme sensible »

C’est presque toujours un visage humain photoréaliste dans ce que vous avez fourni — soit la photographie d’une personne réelle, soit un personnage photoréaliste qu’un autre modèle d’image a fait pour vous. Le contrôle regarde vos images, pas vos mots : un prompt inoffensif est refusé aussi vite qu’un prompt détaillé.

Solution : refaites le personnage dans Seedream, dont les personnes photoréalistes sont acceptées ; prenez un personnage dessiné, qui passe quel que soit ce qui l’a dessiné ; décrivez la personne avec des mots et ne fournissez aucune image d’elle ; ou montez le plan pour qu’aucun visage ne soit visible : de dos, les mains seules, par-dessus l’épaule. Réécrire le prompt n’y fera rien.

« Mon prompt a été rejeté avant tout rendu »

Plus de 4 000 caractères.

Solution : coupez ce que vos images portent déjà. Si vous avez fourni une première image, supprimez chaque phrase qui décrit la pièce, les vêtements, la lumière et la couleur. Cela seul rend d’habitude un tiers du budget. Coupez ensuite les répétitions avant le contenu : une règle énoncée une fois dans le bon bloc vaut mieux que la même règle énoncée trois fois.

« La caméra n’est pas au bon endroit »

Vous avez nommé un angle au lieu d’une vue.

Solution : écrivez ce qui est visible dans le cadre, et ce qui ne l’est pas. Si deux rendus se trompent de la même façon, c’est un problème de phrase et pas de malchance : ne relancez pas.

« Le format ou la durée n’est pas ce que j’ai demandé »

Ce sont des réglages, pas du texte de prompt. Écrire « 16:9 » dans la consigne ne fait rien, et avec une première image le clip hérite du format de cette image, quel que soit le réglage.

Solution : réglez-les dans les contrôles, et faites la première image au format dont vous avez besoin.

« Le texte à l’image est parti en bouillie en cours de route »

Le modèle tient les gros caractères et réinvente les petits au fil du clip.

Solution : faites le texte grand, ou acceptez-le comme une texture. Vérifiez la dernière seconde, pas la première : l’image un a toujours l’air parfaite, parce que c’est souvent votre image fournie.

« Le visage ou le produit dérive au fil du clip »

Pas assez de choses le tiennent en place. Une seule référence donne au modèle moins de prise qu’il ne lui en faut sur quinze secondes.

Solution : fournissez plusieurs angles séparés en pleine taille, dites qu’ils sont tous le même sujet, et ajoutez une instruction claire : le sujet ne change jamais et n’est jamais redessiné.

« Un personnage a parlé la mauvaise langue »

La langue était sous-entendue, ou nommée une seule fois à la fin au lieu de l’être à chaque réplique.

Solution : nommez-la immédiatement avant chaque réplique. S’il vous faut une voix précise, fournissez une référence audio plutôt que d’en décrire une.

Exemples détaillés

Trois pièces finies, une par chaîne, chacune accompagnée de la consigne qui l’a produite. Chacune est une génération unique : rien ici n’est plusieurs prises montées bout à bout.

Un film qui est sa propre consigne

Chaîne A : l’image à partir des seuls mots.

Une femme lit un document à une heure du matin pendant qu’une voix derrière la caméra lui demande ce que c’est. À vingt et une secondes, la caméra arrive à son moniteur, et le document se révèle être la consigne du film que vous êtes en train de regarder.

Rien de ce que vous voyez n’a été fourni. La femme, l’appartement, la pluie, la lumière à une heure du matin : tout est description. Une photographie de son visage aurait été refusée, et le texte vers vidéo en invente un au lieu d’en copier un. Ce qui a été remis n’est pas du tout une image de la scène : notre logo, pour que le lecteur du dernier plan porte le vrai logotype plutôt qu’une approximation plausible, et deux enregistrements de voix, un français et un japonais.

Sept répliques ont été demandées à 2,5, 5, 6,5, 10, 12, 15 et 23 secondes. Elles sont revenues dans l’ordre, de zéro à deux secondes en avance, jamais en retard, et la dernière est tombée sur sa marque.

Les sous-titres ne sont pas du modèle. La consigne demandait des sous-titres à l’écran et n’en a obtenu aucun : chaque réplique a été dite, rien n’a été imprimé. Ils ont été incrustés après coup depuis une transcription, ce qui est le contournement fiable : écrivez les paroles, sous-titrez le résultat.

[Generation Goal]
Generate a 30-second single-take live-action film, one continuous handheld take with no cuts. The central subject is Camille; the primary event is that she reads a document at 1am while an unseen woman questions her from behind the camera, until the camera arrives at her monitor and the document turns out to be the brief for this film.

[Materials]
[Image1] is the justpictur.ing logo — a rounded dark tile holding a small mark of coloured dots, followed by a lowercase wordmark. It is a graphic asset, not a scene: never place it anywhere in the room and never show it before 21 seconds. From 21s it appears exactly once, reproduced faithfully, as the small logo on the chrome of the video player on her monitor, above the picture area at the left. Keep its shape, its colours and its spelling exactly.
[Audio1] is Camille's voice: French, adult female, low and close.
[Audio2] is the unseen woman's voice: Japanese, adult female, low and close.

[Character]
CAMILLE, a woman in her early thirties of mixed East Asian and European heritage. An oval face with high cheekbones, a straight nose, straight dark brows and dark brown eyes. Warm light-olive skin with visible pores, a light scatter of freckles across her nose and upper cheeks, and natural asymmetry; no makeup. Thick dark brown, almost black, slightly wavy hair worn up in a tortoiseshell claw clip, with loose strands escaping at her temples and the nape of her neck. Slim, average height. She wears an oversized oatmeal wool cardigan over a white t-shirt, sleeves pushed back over her wrists. She is tired and unperformed. She never looks at the camera and never smiles for it.

[Scene]
The working corner of a Paris apartment at one in the morning. A plain plaster wall behind her carries four or five small photographs pinned in a loose group. At the far left a tall window with an off-white curtain half drawn, rain running down the glass, a wrought-iron balcony rail and the blur of the street beyond. She sits at a plain wooden desk in a dark chair, facing a large monitor that stands at the right of frame with its screen turned toward her. A small warm desk lamp sits low behind her right shoulder. On the desk: a ceramic mug, a keyboard, a few loose papers, a notebook. A plant at the top right. Nothing else.

[Look]
Photoreal, 35mm, practical light only. The monitor is the key light and it is cold blue-white — it lights the left side of her face, her hands at the keyboard and the wall in front of her, and it is the brightest thing in the room. The small lamp behind her is the only warm source and reads as a small accent, giving a warm edge to her hair and shoulder. The ceiling light is off. The room reads cool overall with that one warm accent, the background about one and a half stops darker than she is. Real skin with visible pores, fine sensor noise in the darker wall, neutral white balance, low saturation, no teal-and-orange grade, no lens flare, no bloom. Footage of a real room at 1am, not a commercial.

[Camera]
One unbroken handheld take at standing height, a couple of metres from her, seeing her from her left in near profile with the monitor at the right of frame — slight drift, small reframes, brief focus hunting. From 3s it makes one slow continuous arc forward and to the right at 10-15 cm/s, never faster, arriving square-on to her monitor at 21s and holding there, breathing, to the end. It never turns toward the voice, never pans off her, and never stops moving until it arrives.

[Stage 1] 0-10 seconds
Initial state: Camille seen from her left in near profile, her face and hands lit cold by the screen, the lamp warm behind her. She is reading a document on the monitor — reading, not typing. Rain runs down the window at the far left.
Primary event: the camera begins its arc while she is questioned and never turns toward it.
  At 2.5s the unseen woman says in Japanese: {まだ来ないの？} 【Are you coming to bed?】
  At 5s she says in Japanese: {まだ書いてるの？} 【Still writing?】
  At 6.5s Camille, without looking away from the screen, says in French: {Je lis.} 【I'm reading.】
She lifts her mug an inch without looking, finds it cold, sets it back down, then pulls her cuffs over her hands.
End state: the camera is closer and further round to her right, still moving; she is still reading; the mug is back in the same place.

[Stage 2] 10-21 seconds
Continue from Stage 1: same woman, same wardrobe, same room, same seated position, camera still arcing.
Primary event: the face of the monitor becomes visible for the first time and the document proves endless — a production brief of dense monospace blocks and bracketed lines, too far to read, its scrollbar a sliver. She flicks the scroll wheel three times; it barely moves.
  At 10s the unseen woman says in Japanese: {何読んでるの？} 【Reading what?】
  At 12s Camille says in French: {Le brief.} 【The brief.】
  At 15s the unseen woman says in Japanese: {何のブリーフ？} 【The brief for what?】
She does not answer. Nobody speaks for four seconds. She clicks the mouse once.
End state: the camera is almost square to the monitor, close but not yet close enough to read it.

[Stage 3] 21-30 seconds
Continue from Stage 2: same woman, same wardrobe, same room, same seated position.
Primary event: at 21s the camera arrives square-on and the monitor fills the frame, sharp, showing a video player on a flat near-black interface with the [Image1] logo on its chrome above the picture area at the left. Inside the player is this same room and this same woman at this same desk, seen from where this film opened. She clicks again and the picture inside the player begins to move: the same slow drift, rain on the same window inside the frame.
  At 23s the unseen woman says in Japanese, quieter: {…待って。それ、今？} 【…Wait. Is that now?】
End state: the monitor full-frame, the player playing, the camera still handheld and breathing. The take ends on motion, not on a cut and not on a black frame.

[Audio]
(No music before 21 seconds. One low sustained synth note enters under the arrival at 21 seconds and holds to the end. Nothing else.)
<steady rain falling on the window glass, close and clearly audible from the first frame to the last, the constant bed the whole film sits on; a fridge compressor in another room; a ceramic mug set down on wood; a chair castor rolling an inch; three scroll-wheel clicks; two single mouse clicks>
The rain is always present and always audible. It is never silenced, never faded under the dialogue and never replaced by music — the voices and the synth note sit on top of it, and between the spoken lines the rain is the loudest thing in the film.
Camille speaks only French, in the voice of [Audio1]. The unseen woman speaks only Japanese, in the voice of [Audio2], further away and off-axis, from a doorway behind the lens. Both unprocessed and quiet — it is 1am. Seven spoken lines only; nobody speaks over anybody.
Every on-screen subtitle is the English translation of the line spoken at that moment. The dialogue channel carries only French and Japanese; the subtitle channel carries only English.

[Maintain Consistency]
Camille is the same woman from the first frame to the last — the same face, the same freckles, the same claw clip and escaping strands, the same oatmeal cardigan over a white t-shirt. The room and every object in it stay exactly where they are. One person on screen; the unseen woman is never seen, never reflected and never lit, and the camera never turns toward her. The rain never stops or changes. The monitor stays the cold key light and the lamp stays the only warm accent. No cuts, dissolves, fades or black frame, including the last. No music before 21 seconds. Camille never looks at the camera and never smiles for it. No on-screen text other than the subtitles and the [Image1] logo. No English speech, and no French or Japanese subtitles.

Votre produit, entre leurs mains

Chaîne B : une seule première image.

Une créatrice illustrée tient un téléphone face caméra et présente le produit en six temps, ce qui est la forme de presque toutes les pubs faites pour ressembler à un client qui filme. L’image fixe a été faite d’abord, avec une vraie capture d’écran attachée en référence : la page affichée sur le téléphone était donc arrêtée avant que quoi que ce soit ne bouge.

Elle est dessinée plutôt que photographiée parce que la consigne identique avec une personne photoréaliste a été refusée. C’est toute la raison de ce choix, et ce n’est pas une décision de style. L’autre issue est Seedream, dont les personnes photoréalistes sont acceptées ; c’est le dessin qui a été choisi ici, et un personnage dessiné passe le contrôle quel que soit ce qui l’a fait.

La limite est visible dans le clip si vous regardez le téléphone. Le titre et les deux boutons tiennent les quinze secondes entières ; la barre d’adresse et le petit texte sous le titre dérivent vers quelque chose de presque, mais pas tout à fait, anglais. Les gros caractères survivent à un modèle vidéo. Les petits sont une texture.

Style: 2D anime, hand-drawn cel animation matching the first frame exactly — clean line art, flat colour, soft cel shading, painted background. Not photoreal, not 3D, no live action.

Camera: locked off at her eye level. It never moves — no pan, tilt, zoom or cut — only a slight breathe, for all 15 seconds.

Subject: the animated character in the first frame, identical throughout — face, hair and sweatshirt never drift or re-roll. She speaks warm and quick, like someone showing a friend something good, never like an advert.

Screen: she holds a black phone in her right hand in the left third of frame, flat to the viewer, bright and sharp. Its page is frozen exactly as in the first frame and stays legible — it never scrolls, changes, dims or reflects.

0.0-2.5s   She tips her head toward the phone, raises her eyebrows and grins at the viewer. She says, "Okay, you have to see this."
2.5-5.0s   She turns the phone a few degrees and back, flat again, and nods once. She says, "It's called Just Picturing."
5.0-7.5s   She lifts her left hand into frame and points up at the screen. She says, "You describe it, and it makes the picture."
7.5-10.0s  Her hand drops away and she brings the phone closer, still flat. She says, "Then it turns that picture into a clip."
10.0-12.5s She flicks three fingers up, counting them off. She says, "Clips, music, whole videos. One app."
12.5-15.0s She pushes the phone closer, taps it twice with her thumb and laughs. She says, "Free to start. That's the site right there."

Audio: her voice only, close and clear in a small room, natural breaths, a short laugh at the end. Two soft thumb taps on glass. No music, no second voice.

Avoid: music, narrator, a second character, captions, subtitles, on-screen text, watermark or logo, any cut or scene change, screen reflections, scrolling or changing the page, any change of room, clothing or light, slow motion, any shift toward photorealism, and any drifting of her face or hair.

Une créatrice qui n’existe pas

Chaîne C : une seule référence.

Une surfeuse rame vers le large, prend une vague et sort du tube. Elle est fixée une seule fois dans une planche de personnage, et le film n’est que cette planche transformée en trente secondes d’images : deux générations, à dix minutes d’intervalle, la première servant d’entrée à la seconde, et toutes deux des premières tentatives.

La consigne du film n’est pas une planche d’ambiance, c’est un planning : six temps minutés, chacun nommant ses propres plans. Là où un temps liste cinq images, cinq coupes apparaissent. Face aux six frontières demandées, les coupes sont tombées à 0,83 seconde près, six sur six, et le personnage tient sur seize d’entre elles.

Remarquez le peu qu’on demande à la référence. Elle a un seul rôle, elle est la seule entrée, et aucune phrase de la consigne ne décrit son visage.

La planche a été faite dans GPT Image 2, et cela vaut la peine d’être dit tout haut : elle passe parce qu’elle est dessinée. La même planche rendue en photoréaliste là-bas aurait été refusée, et une version photoréaliste de ce film aurait dû commencer dans Seedream.

LANI - a cute surfer girl in bikini

0–4s — Quiet hook
Extreme close-up of Lani's eye. Ocean reflected in it. Wind moves loose
strands of hair. She hears a wave building and turns. We her from behind,
focusing on her bottom.
Cut wide: she's standing on the beach with the pink board under her arm.
Almost no dialogue.

4–9s — Preparation montage
Quick, beautiful anime cuts:
fingers tightening the board leash / bracelets moving on her wrist / bare
feet stepping into wet sand / hand brushing hair away from her face / pink
board hitting the water
This establishes all her recognizable details naturally.

9–14s — Paddle out
Camera from water level as she paddles toward an incoming swell.
Then underwater shot: her silhouette and pink board passing above, sunlight
breaking through the surface. Music starts building here.

14–18s — The wave arrives
She looks over her shoulder. Huge turquoise wall forming behind her.
Close-up: tiny confident smile. She turns and paddles hard.

18–25s — PAYOFF
She catches it. Fast sequence: low angle alongside the board / water
spraying across frame / aerial shot of her carving / close-up of her face /
camera goes inside the barrel / she appears through the translucent wave
This is where you spend most of the animation quality.

25–28s — Signature shot
Camera inside the wave, looking outward. Lani passes through the barrel with
sunlight behind her, hair and necklace moving naturally. For maybe half a
second she looks toward camera. Not posing — just part of the motion.

28–30s — Ending
She exits the wave. Cut to very wide shot. Tiny Lani gliding across a huge
ocean as the music drops out and you only hear water. Then cut to black.