Cling 01 Vient de Réécrire les Règles de la Vidéo IA

Cling 01 arrive comme un avertissement à tous les outils vidéo IA qui l'ont précédé. Présenté comme un « modèle vidéo multimodal unifié », il ne se contente pas de produire des extraits à partir de commandes textuelles ; il ingère du texte, des images et des vidéos complètes, puis raisonne à travers eux avec un niveau de contrôle sémantique qui ressemble davantage à du montage qu'à de la génération. Vous pouvez commencer avec rien d'autre qu'une phrase, ou empiler plusieurs références, et 01 traite toujours l'ensemble comme une scène cohérente.

Les fans de Nano Banana reconnaitront l'ambition. L'analogie ici est celle d'un cerveau au style Nano Banana pour la vidéo : un modèle qui comprend les personnages, les lieux et le langage de la caméra à travers chaque mode d'entrée et de sortie. Au lieu de jongler avec des outils séparés pour la conversion texte-en-vidéo, image-en-vidéo, et nettoyage, Cling 01 dirige tout à travers un seul moteur qui "fait toutes les choses", comme le disent ses créateurs.

Les capacités principales se répartissent en quatre grands axes : - Génération : texte en vidéo et texte en image avec des éléments de référence - Stylisation : re-rendering de séquences dans de nouveaux styles visuels - Transformation : modification de l'heure de la journée, de la composition ou des sujets dans des clips existants - In/out-painting : suppression ou ajout d'éléments à travers les images

Les premières démonstrations montrent que 01 génère une scène de bar à partir d'une seule photo d'une femme, puis commence le plan dans une partie entièrement nouvelle de l'environnement qui n'existait pas dans l'image originale. Une autre séquence transforme des images aériennes de stock du Dodger Stadium en une version au coucher du soleil tout en préservant la géométrie et le mouvement, suggérant un modèle de scène profond plutôt que des astuces image par image.

La même interface échange des clowns, efface des mains intrusives, supprime le vieux texte à l'écran des clips de l'époque de VO3, et même recadre un homme désolé au bord de la mer en un plan en hauteur. Plus fou : vous pouvez demander « le plan précédent » ou « le plan suivant » autour d'une vidéo d'entrée, et 01 fabrique des moments avant et après plausibles qui correspondent aux personnages, aux vêtements et au décor.

Pour les créateurs, cette sortie ressemble moins à un nouveau filtre qu'à une nouvelle chronologie. Pour l'industrie de l'IA, Cling 01 marque un tournant : la vidéo unifiée, multimodale et sémantiquement consciente n'est plus un simple rampeau de recherche. C'est un produit.

La démonstration de Cling 01 pour la conversion d'image en vidéo commence de manière trompeusement simple : une image fixe d'une femme dans un bar, accompagnée d'une invite demandant "à la femme d'entrer dans le lieu et de prendre place au bar". Des outils plus anciens se contentaient de bouger les pixels dans ce cadre. Cling 01, en revanche, considère l'image fixe comme une référence, et non comme une prison de départ.

Au lieu de verrouiller le premier cadre sur la photo téléchargée, 01 s'ouvre sur un angle complètement nouveau du bar qui n'existait pas dans l'image originale. Il génère un plan d'ensemble, suit la femme qui entre, puis se pose sur une composition qui fait écho à la référence. Ce changement transforme l'art clé statique en un point d'ancrage de storyboard souple pour une conception de plan complète.

Ce comportement laisse entendre comment 01 interprète les invites : non pas comme des indications de style, mais comme des directions de blocage et de mise en scène. « Entrer dans la pièce » devient un plan d'entrée large ou moyen ; « prendre place au bar » se transforme en un suivi ou un plan rapproché. Le modèle comble la géographie manquante—portes, allées, disposition du bar—tout en maintenant la garde-robe, l'éclairage et l'ambiance générale cohérents avec l’image source.

Lorsque le créateur ajoute "Un clown travaille derrière le bar en tant que barman. La femme commande une boisson," 01 ne se contente pas de coller un autocollant de clown. Il reorganise la scène pour que le barman soit clairement identifiable, anime la commande de boisson et maintient la cohérence de la pose, de la robe et de l'environnement de la femme. L'image de référence agit comme une contrainte sur l'identité et l'ambiance, et non comme un modèle littéral image par image.

Cette flexibilité s'étend à la continuité des plans. Comme 01 n'est pas lié à la génération du premier cadre, il peut inventer des plans "précédents" ou "suivants" autour d'un clip vidéo ou d'une image fixe, hallucinatant ainsi la couverture : entrées, plans de coupe, plans de réaction. Dans des workflows traditionnels, cela exigerait des prises de vue séparées ou un important compositing ; ici, il suffit d'un changement de prompt.

Une grande pièce manquante : l'audio. Cling 01 génère actuellement des clips silencieux, sans musique native, dialogue ou design sonore. Cela oblige les créateurs à retourner vers des outils comme DaVinci Resolve, Premiere Pro ou Descript, ajoutant la voix-off, le foley et la bande sonore en post-production, ce qui maintient 01 fermement dans le domaine visuel—pour l'instant.

Les mots changent. Vidéo dans Cling 01, c'est plus une note de réalisateur qu'une invite. Après avoir généré ce clip mélancolique de « femme au bar » à partir d'une seule image, le créateur ajoute une courte phrase : « Un clown travaille derrière le bar en tant que barman. La femme commande un verre. » Pas de masques, pas de keyframes, pas de rotoscopie — Cling 01 réécrit simplement la scène et intègre un clown dans le monde comme s'il y avait toujours été.

Ce qui rend cela incroyable, c'est la compréhension sémantique de la scène par le modèle. Le clown apparaît derrière le bar, pas aléatoirement dans le cadre. Il hérite de la même lumière chaleureuse du bar, de la même sensation de lentille de caméra, de la même profondeur de champ. La femme reste ancrée dans sa position d'origine, son mouvement et son rythme intacts, tandis que le nouveau personnage s'intègre dans la chorégraphie existante.

Cling 01 considère le cadre original comme un espace 3D cohérent, et non comme une texture plate. Lorsqu'il ajoute le clown, il respecte l'occlusion, la perspective et le montage de continuité. Vous ne voyez pas de doubles ombres étranges, de grains dépareillés ou de décalage de style ; le clown barman semble faire partie de la conception de la production, et non ajouté lors du post-traitement.

Le langage naturel n'est que la première couche de contrôle. Pour plus de précision, vous pouvez fournir à Cling 01 une image de référence et lui indiquer exactement quel clown vous souhaitez. Passez de Vidéo à la génération d'images, demandez un « clown photoréaliste en plein corps » au format 9:16, et vous obtenez un personnage spécifique : costume, motif de maquillage, posture, tous fixés en tant qu'identité visuelle que vous pouvez désormais réutiliser.

À partir de là, la syntaxe devient presque semblable à du code, mais reste lisible. Chaque téléchargement reçoit une étiquette automatique, comme @video1 ou @image1. Vous pouvez ensuite rédiger des instructions telles que : - « Changez le clown dans @video1 pour le clown dans @image1 » - « Remplacez le barman dans @video2 par la personne de @image3 » - « Accordez l'éclairage et le costume de @image2 au personnage dans @video4 »

Ce langage de référence d'actifs transforme Cling 01 en un système modulaire pour le casting et la mise en scène. Vous ne vous contentez pas de dire « ajoutez un clown » ; vous dites « ajoutez ce clown exact, dans ce plan précis, sous ces conditions exactes ». Plus de détails sont disponibles sur le site officiel de Cling AI, mais l'idée fondamentale est simple : texte plus actifs étiquetés égale contrôle granulaire et cohérent par image.

Le montage cesse d'être une application distincte et se transforme en une invite. Cling 01 ne se préoccupe pas de savoir si vous partez d'un texte, d'une image fixe ou d'un clip entièrement tourné ; le même cerveau multimodal unifié gère tout cela. Ce changement transforme discrètement ce modèle d'un générateur ludique en une véritable suite de post-production.

Faites le test du Dodger Stadium. Donnez à 01 un plan de drone fixe en plein jour, puis demandez-lui de « le changer en coucher de soleil », et il réécrit tout le scénario d'éclairage tout en préservant chaque mouvement de panoramique, de zoom et de parallaxe. Les sièges, les lignes du terrain, les panneaux publicitaires et la circulation à l'extérieur du parc restent fixes, comme si un coloriste et une équipe de ciel CGI avaient passé des heures à réaliser un passage de jour à nuit.

Ce qui compte, c'est la cohérence temporelle. Le coucher de soleil ne clignote pas et ne se déplace pas à travers les images ; les ombres, les reflets et les dégradés du ciel évoluent en douceur tout au long du clip. Vous obtenez une prise qui semble avoir été prévue pour l'heure dorée dès le départ, et non un LUT appliqué en post-production.

Ce même pipeline résout discrètement un problème très contemporain de 2023 : le texte à l'écran inesthétique intégré dans les premières vidéos AI. Les anciennes sorties VO3 qui brandissaient des invites dans des boîtes néon sur le premier cadre peuvent désormais repasser par 01 avec une simple instruction : « retirez le texte et les boîtes néon rouges dans la vidéo 1. » Le modèle reconstruit l'arrière-plan, image par image, et le dialogue se superpose à une image nette comme si les graphiques n'avaient jamais existé.

C'est un travail de nettoyage classique qui consomme généralement des heures dans After Effects ou Nuke. Au lieu de faire du rotoscoping, du clonage et du suivi, vous tapez une phrase et laissez 01 gérer la peinture in situ et le suivi de mouvement en interne. Pour les créateurs ayant des dizaines de clips autrement de bonne qualité, ruinés par du texte guide, c'est un sauvetage instantané.

L'élimination surréaliste de la main par Plasmo pousse cela encore plus loin dans le territoire de qualité VFX. Dans la pièce originale, une main désincarnée surgit dans le cadre ; avec 01, Plasmo demande simplement que la main disparaisse, et le modèle remplit tout l'espace négatif avec des textures, un éclairage et un mouvement cohérents. Pas de coutures, pas de déformations, pas de traînée révélatrice de l'IA lorsque la caméra ou le sujet se déplace.

Cet exemple fait allusion à une classe plus large de modifications : l'effacement d'objets, les échanges de accessoires et les changements structurels qui restent stables à travers des centaines de plans. 01 ne se contente pas de générer des ambiances ; il maintient la géométrie, la perspective et la continuité du mouvement tout en réécrivant ce qui existe dans le plan. Pour beaucoup de travaux à budget bas à moyen, c'est la différence entre avoir besoin d'un fournisseur de VFX et simplement ouvrir Cling.

La cinématographie devient discrètement un champ de texte dans Cling 01. Au lieu de refaire ou de reconstruire une scène en 3D, vous tapez "plan en grue sur la tête", et le modèle réécrit le mouvement de la caméra tout en préservant la performance originale, l'éclairage et l'environnement.

Dans l'exemple de Ludovic, le clip source est un plan statique : un homme désespéré, en cadre fixe, regardant la mer. Un prompt plus tard, Cling 01 produit un mouvement de grue qui s'élève et s'arque au-dessus de sa tête, réajustant le cadrage d'un profil intime à un point de vue élevé et distant, changeant le ton émotionnel de la mélancolie à l'ominous.

Ce changement est important. Les outils traditionnels de post-production peuvent recadrer, stabiliser ou simuler un zoom avant, mais ils ne peuvent pas inventer un trajet de caméra physiquement impossible autour d'un sujet déjà intégré dans un footage 2D. Cling 01 régénère efficacement la géométrie et le mouvement de la scène, puis re-rend un nouveau passage de caméra virtuelle qui correspond à votre description textuelle.

Les narrateurs obtiennent soudainement un accès de dernière minute à chaque prise. Vous pouvez : - Convertir un plan moyen statique en un lent dolly avant - Transformer un large tableau de plage en un plan de suivi latéral suivant un personnage - Passer d'un angle de vue à hauteur d'œil à un cadrage en contre-plongée héroïque sans toucher à une vraie caméra

Parce que Cling 01 comprend des instructions comme « plan séquence à main levée », « lent zoom vers l'horizon » ou « révélation par-dessus l'épaule », il établit un lien entre la génération par IA et une direction intentionnelle. Vous ne demandez pas un mouvement aléatoire ; vous précisez une grammaire cinématographique classique, et le modèle répond avec un langage de caméra qui semble conçu, et non accidentel.

Cela comble un écart de longue date entre la vidéo générée par IA et la production dans le monde réel. Au lieu d'accepter n'importe quel mouvement qu'un modèle d'IA improvise, les réalisateurs peuvent itérer sur la conception des plans en quelques secondes, testant des cadrages et des mouvements alternatifs jusqu'à ce que le moment émotionnel soit capté, puis le verrouiller comme s'il avait été enregistré sur le plateau.

Le voyage dans le temps pour le montage vidéo est désormais devenu un texte à la demande. Cling 01 peut générer des plans qui se déroulent avant ou après un clip que vous téléchargez, fabriquant ainsi des moments que votre caméra n'a jamais capturés tout en se sentant comme faisant partie de la même séquence. Au lieu d'assembler des clips AI sans lien, vous prolongez une seule timeline, en amont ou en aval, avec une continuité sensible au contexte.

La démo pas-Doctor-Who montre à quel point cela devient étrange et puissant. Vous montrez à Cling 01 une prise d'un homme entrant dans une TARDIS contrefaite sur une rue de la ville. Avec la consigne « Basé sur la vidéo 1, générez le plan précédent : un plan de suivi de l'homme marchant dans la rue vers la boîte bleue », le modèle invente un nouveau mouvement d'ouverture, glissant derrière ou à côté de lui alors qu'il s'approche de cette porte bleue.

Il est essentiel que le nouveau plan ne se contente pas de placer un gars au hasard sur un trottoir au hasard. Les vêtements, la morphologie générale et la boîte bleue usée s'alignent suffisamment pour que votre cerveau l'accepte comme le « plan un » logique. La caméra virtuelle conserve une longueur focale et un style de mouvement similaires, de sorte que la transition entre le préquel inventé et le clip original ressemble à un vrai montage plutôt qu'à un redémarrage brutal.

L'exemple de la mariée fugueuse inverse la flèche du temps. Vous commencez par un extrait d'une femme en robe rouge s'échappant d'un mariage, le marié en tuxedo vert toujours à l'intérieur. Invitez Cling 01 avec "Basé sur la vidéo 1, générez le plan suivant : la femme en robe rouge s'enfuyant dans une voiture classique à l'extérieur de la chapelle," et vous obtenez une suite où elle est derrière le volant d'un modèle vintage, robe, cheveux et humeur à peu près intacts.

La qualité de la direction peut faire ou défaire cette fonctionnalité. Lorsque le créateur a simplement demandé "générer le prochain plan" sans description, Cling 01 a joyeusement halluciné un rythme émotionnel totalement différent : un marié apparemment plus heureux, sans voiture à l'horizon, la narration s'écartant du scénario. Un autre prompt vague a produit une blague surréaliste où la mariée monte dans une voiture qui se trouve encore à l'intérieur de la chapelle, la logique spatiale peu importe.

Pour empêcher le modèle de s'égarer dans ce genre d'étrangeté liée à l'IA, les invites doivent être bien définies :

• 1Mouvement de caméra souhaité (suivi, statique, grue, à main levée)
• 2Emplacement et mise en scène (« devant la chapelle, dans la rue »)
• 3Elle claque la portière de la voiture et s'éloigne à toute allure.

La génération temporelle de Cling 01 s’appuie sur la même sémantique multimodale qui anime ses autres astuces, mais armée pour la continuité. Pour ceux qui essaient de comprendre comment ces modèles vidéo multimodaux fonctionnent en profondeur, AI Video Models Explained | ReelMind propose un excellent aperçu technique.

L'identité a toujours été le point faible des vidéos générées par IA. Les modèles peuvent maîtriser l'éclairage, le mouvement et le style, puis changer le visage, la coiffure ou le type de corps de votre protagoniste entre les plans comme si de rien n'était. Le nouveau système Elements de Cling 01 a été conçu pour mettre fin à ce chaos.

Au lieu d'espérer que le modèle se rappelle à quoi ressemble votre personnage, vous les construisez. Elements commence par un processus de « Créer un sujet » où vous téléchargez plusieurs angles de référence : un portrait frontal clair, un profil de côté et au moins une photo en plein corps. Cling 01 ingère ces images et les verrouille dans un profil d’identité structuré.

À partir de là, vous attribuez un nom et des métadonnées au personnage—« actrice principale », « détective cyberpunk », « clown mascotte », peu importe ce dont votre projet a besoin. Appuyez sur le bouton auto-description et le système génère une analyse textuelle détaillée : coiffure, tranche d'âge, style vestimentaire, type de corps, même des ambiances comme « rugueux » ou « fantaisiste ». Cette description fait partie de l'enregistrement permanent du personnage.

Une fois sauvegardé, ce sujet vit dans votre bibliothèque d'Éléments, qui fonctionne comme une liste de distribution numérique. Tout prompt peut les rappeler avec une simple étiquette : « Générer un plan de 12 secondes en 16:9 de @Clown_Bartender fermant le bar seul la nuit » ou « Suivre @Runaway_Bride montant dans un taxi sous la pluie. » Vous ne créez plus un visuel de toutes pièces ; vous dirigez un personnage récurrent.

De manière cruciale, Elements fonctionne à travers plusieurs modalités. Le même sujet peut apparaître dans : - Des scènes texte-à-vidéo - Des transformations image-à-vidéo - Des montages de séquences en direct existantes

Cela signifie que vous pouvez intégrer un ambassadeur de marque récurrent dans des séquences de stock, prolonger un court métrage avec de nouvelles scènes du même acteur, ou sérialiser un personnage à travers des épisodes sans avoir à le reconstruire à chaque fois.

D'autres outils vidéo basés sur l'IA souffrent encore d'un écart de caractère brutal. Changez l'angle de la caméra, l'heure de la journée ou la tenue, et le modèle modifie silencieusement votre personnage principal en un cousin. La bibliothèque des Éléments de Cling 01 fixe d'abord l'identité, puis laisse tout le reste — éclairage, mouvement, costumes, même âge — évoluer autour de cet ancrage.

Pour les créateurs habitués à assurer la continuité image par image, cela représente moins un avantage en termes de qualité de vie qu'un prérequis pour prendre la vidéo générée par IA au sérieux en tant que médium narratif.

Créer un personnage réutilisable dans Cling 01 commence par une seule image. Dans la démonstration, le créateur fait apparaître “Fille Lance-flammes” en demandant une prise de vue en plein corps, photoréaliste : une femme en tenue tactique, se tenant dans un couloir industriel enfumé, brandissant un lance-flammes. Cette seule image devient la graine d'un acteur numérique entier.

À partir de là, Cling 01 se transforme en un outil de rigging de personnage léger. En utilisant le panneau de transformation, vous donnez une instruction en langage courant : « Supprimez le lance-flammes de l'image un, gardez la pose et la tenue. » Le système régénère la scène, préservant l'éclairage, les vêtements et les proportions du corps tout en effaçant chirurgicalement l'équipement.

Pour rendre le personnage prêt pour la production, vous générez ensuite la couverture. Le flux de travail ressemble à une liste de plans traditionnelle, exécutée avec des instructions : - Un gros plan cinématographique du visage de Flamethrower Girl - Un plan de profil net, de l’épaule vers le haut, avec un fond neutre - Une vue en trois quarts avec tenue et coiffure cohérentes

Chaque sortie est étiquetée comme un Élément. En quelques clics, vous enregistrez Flamethrower Girl dans la bibliothèque d'Éléments, la transformant en un modèle de personnage réutilisable. Désormais, elle n'est plus une simple image unique ; elle devient un atout persistant que Cling 01 peut rappeler et réinsérer dans des scènes complètement différentes.

L'application est l'endroit où ça devient fou. Dans un extrait de bataille médiévale classique, un chevalier armé générique traverse un champ brumeux. En chargeant la Fille Flamethrower depuis Elements et en lançant “Remplacer le chevalier dans la vidéo un par la Fille Flamethrower de l'élément un, garder la silhouette de l'armure, conserver le cheval, maintenir l'environnement médiéval,” Cling 01 échange l'acteur tout en préservant le mouvement de la caméra, le blocage et la géométrie de la scène.

Les plaques d'armure se transforment en un hybride mêlant science-fiction et fantasy, mais le cheval, la poussière et les éclats de lumière restent figés. Le mouvement demeure cohérent sur 3 à 4 secondes de séquence, sans échanges de visages saccadés ni armure fondue qui ont affecté les précédents outils vidéo basés sur l'IA. Le résultat donne l'impression d'une nouvelle prise, pas d'un filtre.

Il est essentiel de noter que vous n'êtes pas limité à un seul héros. Cling 01 peut jongler avec plusieurs personnages personnalisés en une seule prise : la Fille Lance-Flammes, une mage à capuche et un écuyer robotique, chacun provenant d'Éléments distincts. Le modèle respecte les frontières d'identité, de sorte que les visages, les tenues et les silhouettes restent cohérents même lorsque les personnages se croisent, tournent la tête ou évoluent dans un éclairage complexe.

La cohérence dans Cling 01 n'apparaît pas par magie ; elle provient de l'alimentation du modèle avec le bon mélange d'Éléments, de références et de contraintes. Considérez les Éléments comme une base de données de casting plus un guide de style : définissez un personnage, réutilisez cet Élément dans plusieurs plans, et gardez les prompts courts, spécifiques et répétitifs sur les indices d'identité (cheveux, tenue, rôle). Les séquences plus longues et les projets multi-plans bénéficient lorsque vous verrouillez ces descriptions tôt et évitez de les reformuler à chaque prompt.

Les références de lieu font discrètement autant de travail que les éléments de caractère. Lorsque vous téléchargez une image fixe du bar, d'une ruelle ou d'un couloir de vaisseau spatial et que vous la taguez comme emplacement, Cling 01 réussit soudainement à intégrer : les teintes de peau correspondent à la lumière ambiante, les reflets respectent la géométrie de la pièce, et les trajectoires de la caméra semblent ancrées plutôt que flottantes. Sans cette image, le modèle improvise des arrière-plans ; avec elle, vous obtenez un blocage cohérent, un effet de parallaxe, et des mouvements de mise au point fiables à travers un espace uniforme.

Considérez les images de lieu comme un trio de boosters pour : - La crédibilité des personnages - La continuité des couleurs et de l'exposition - Un mouvement de caméra dynamique qui respecte le décor

Les humains synthétiques comme "Tom" se comportent actuellement mieux que les acteurs photoréalistes. Les personnages cartoon, stylisés ou manifestement CG dérivent moins dans les plans car leurs caractéristiques se trouvent dans une bande perceptuelle plus lâche ; une mâchoire légèrement différente est toujours perçue comme Tom. Les visages hyper-photoréalistes, en revanche, révèlent chaque déviation, de sorte que de légers changements d'éclairage ou d'angle peuvent donner l'impression de re-caster le rôle en plein milieu de la séquence.

Pour les créateurs planifiant des œuvres longues, cet arbitrage est important. Si vous recherchez une consistance à toute épreuve sur plus de 20 prises, opter pour des designs synthétiques ou semi-stylisés réduit les complications. Réservez les humains photoréalistes pour des spots plus courts, des plans d'illustration, ou quand vous pouvez vous permettre une curation et une régénération plus manuelles.

Cling 01 trébuche encore. Vous verrez parfois des incohérences de couleur entre les prises, des pics de saturation étranges ou un "écrasement du visage" lorsque la caméra s'approche trop ou pivote trop rapidement. Vous pouvez atténuer beaucoup de ces problèmes en précisant les invites (“plan moyen”, “pas de gros plans”) , en réutilisant la même image fixe de l'emplacement, et en régénérant seulement les segments défectueux au lieu de l'ensemble de la séquence.

Pour quiconque compare des approches multimodales, la gamme de modèles d'OpenAI offre un point de référence utile sur la façon dont différents systèmes équilibrent réalisme et contrôle : Modèles - API OpenAI.

Cling 01 ne se comporte pas comme un générateur fixé à un éditeur ; il agit comme un système d'exploitation pour la vidéo. La conversion de texte en vidéo, d'image en vidéo, de vidéo en vidéo, les transformations, le compositing, les mouvements de caméra virtuels et cette incroyable génération de plans en « voyage dans le temps » vivent tous dans une seule interface, propulsée par le même cerveau multimodal unifié.

Pour les cinéastes indépendants, cela intègre toute une maison de post-production dans un onglet de navigateur. Besoin d'un plan en grue que vous n'avez jamais capturé, d'une nouvelle prise de coucher de soleil que vous ne pouvez pas vous permettre, ou d'un fond propre où un micro perche a ruiné la prise ? Il vous suffit de demander Cling 01 une seule fois au lieu de réserver du matériel, une équipe et un fournisseur de VFX.

Les YouTubers et les créateurs de TikTok bénéficient de la même mise à niveau. Un seul clip avec un intervenant peut donner naissance à : - Des angles et des longueurs focales alternatifs - De nouveaux environnements et des ambiances à différentes heures de la journée - Des plans d'insertion et des transitions qui n'existaient pas auparavant

Les artistes VFX disposent d'un outil de prévisualisation incroyablement rapide. Les invites de caméra virtuelle leur permettent de définir des scènes en quelques minutes, puis de peaufiner avec des outils traditionnels. La cohérence des personnages basée sur des éléments transforme les concepts éphémères en acteurs numériques réutilisables qui perdurent à travers les projets, les formats et les plateformes.

Tout cela se déroule dans un paysage en mouvement à une vitesse fulgurante. La technologie de conversion de texte en vidéo est passée de formes abstraites à des scènes cohérentes de 5 à 10 secondes en moins de 18 mois. La capacité de Cling 01 à inférer des plans avant et après, à respecter la mise en scène et à maintenir l’identité suggère que nous en sommes encore à la version 0.1 de ce que les modèles multimodaux seront capables de gérer.

Les flux narratifs futurs commencent à sembler inversés. Vous écrivez en langage naturel, esquisser quelques images clés, peut-être filmer une seule performance de référence, puis laissez des systèmes comme Cling 01 générer des couvertures, des transitions, des insertions et des fins alternatives. Le montage devient plus semblable à la direction d'une simulation qu'à la découpe de séquences fixes.

Cela ne remplace pas la narration humaine ; cela l'amplifie. La structure, le rythme et la vérité émotionnelle proviennent toujours d'une personne prenant des décisions. Cling 01 supprime simplement la pénalité de l'ambition, transformant des idées qui nécessitaient autrefois un budget de studio en quelque chose qu'un créateur seul peut essayer sur un ordinateur portable.

Qu'est-ce qui rend Cling 01 différent des autres modèles vidéo d'IA ?

Cling 01 est un modèle 'multimodal unifié', ce qui signifie qu'il ne se contente pas de générer des vidéos à partir de texte. Il comprend et édite des images et des vidéos existantes avec un langage naturel, permettant d'accomplir des tâches complexes telles que le remplacement d'objets, des changements de plan et la création de scènes précédentes/successives.

Comment Cling 01 gère-t-il la cohérence des personnages ?

Il propose une bibliothèque 'Éléments' persistante où les utilisateurs peuvent créer des profils pour des personnages avec plusieurs images de référence. Ces personnages peuvent ensuite être insérés et animés de manière cohérente dans différentes scènes avec une grande fidélité.

Cling 01 peut-il éditer des vidéos que j'ai déjà réalisées ?

Oui. Vous pouvez télécharger des clips vidéo existants et utiliser des invites textuelles pour effectuer des modifications, telles que changer l'heure de la journée, supprimer des objets ou du texte indésirables, ou même modifier l'angle et le mouvement de la caméra.

Quelle est la fonctionnalité de 'voyage dans le temps' dans Cling 01 ?

Les utilisateurs peuvent fournir un clip vidéo et inciter le modèle à générer « le plan précédent » ou « le plan suivant », créant ainsi des scènes qui chronologiquement précèdent ou suivent le film original, en fonction d'une description textuelle de l'action souhaitée.