Animer une image avec image-to-video

Donner vie à vos images

L’API xAI ne se limite pas à fabriquer des vidéos à partir de rien. Elle sait aussi animer une image existante, c’est-à-dire prendre un visuel que vous possédez déjà et le mettre en mouvement. Cette fonctionnalité, appelée image-to-video, change la nature du travail : vous ne demandez plus au modèle d’inventer une scène, vous lui demandez de prolonger la vôtre. C’est précisément ce dont ont besoin une fiche produit qui doit devenir une publicité, une illustration éditoriale destinée aux réseaux ou un visuel de marque déjà validé par un client.

Le paramètre image

Techniquement, tout tient dans l’ajout d’un champ image contenant l’URL du visuel source.

{
  "model": "grok-imagine-video",
  "prompt": "Anime cette scène avec un effet de vent dans les cheveux",
  "image": "https://exemple.com/photo-portrait.jpg",
  "duration": 5
}

Le modèle analyse l’image fournie, en préserve le contenu visuel et y injecte le mouvement décrit par le prompt. Trois conditions encadrent cet appel : l’image doit être accessible via une URL publique, les formats courants sont supportés (JPEG, PNG, WebP), et le prompt doit décrire le mouvement souhaité plutôt que l’image elle-même — le modèle la voit déjà, la redécrire ne fait que gaspiller de l’attention.

Écrire un prompt quand l’image parle déjà

C’est le renversement le plus important de cette leçon. En text-to-video, votre prompt porte tout : sujet, décor, style, action. En image-to-video, les trois premiers sont donnés, et il ne vous reste qu’à travailler le quatrième. Un bon prompt d’animation ressemble donc à une note de réalisation adressée à un chef opérateur qui a déjà le décor sous les yeux.

Concentrez-vous d’abord sur ce qui doit bouger, en nommant l’élément et la nature du geste : « les feuilles s’agitent doucement dans le vent », « l’eau de la rivière coule lentement », « le personnage tourne la tête vers la droite ». Vous pouvez ensuite ajouter une couche d’ambiance dynamique, qui ne concerne pas un objet précis mais l’atmosphère générale — « lumière du soleil qui filtre progressivement à travers les nuages », « légère pluie qui commence à tomber ». Deux réflexes sont à désapprendre : ne redécrivez pas l’image (« un paysage de montagne » n’apporte rien) et ne réclamez pas de transformation radicale de son contenu, ce n’est pas ce que fait cet endpoint.

Trois situations concrètes

Une photo de produit, disons une montre posée sur un coussin de velours, se prête à un mouvement mécanique simple et à un jeu de lumière. Le format carré convient au feed social auquel elle est destinée.

{
  "model": "grok-imagine-video",
  "prompt": "Rotation lente de la montre sur elle-même, reflets de lumière qui scintillent sur le cadran",
  "image": "https://exemple.com/montre.jpg",
  "duration": 5,
  "aspect_ratio": "1:1"
}

Un paysage — ici un lac de montagne au lever du jour — autorise au contraire plusieurs mouvements simultanés, à condition qu’ils restent lents et naturels. La durée plus longue se justifie parce que la brume qui se dissipe est un effet qui demande du temps pour se lire.

{
  "model": "grok-imagine-video",
  "prompt": "Légères ondulations sur la surface du lac, brume matinale qui se dissipe lentement, oiseaux qui traversent le ciel",
  "image": "https://exemple.com/lac-montagne.jpg",
  "duration": 8,
  "aspect_ratio": "16:9"
}

Un portrait, enfin, appelle la retenue : quelques secondes suffisent, et le mouvement doit rester microscopique sous peine de basculer dans l’inquiétant. Le format vertical prépare la publication en story.

{
  "model": "grok-imagine-video",
  "prompt": "La personne cligne doucement des yeux et sourit légèrement, cheveux qui bougent avec une brise légère",
  "image": "https://exemple.com/portrait.jpg",
  "duration": 3,
  "aspect_ratio": "9:16"
}

Où cette approche fait la différence

L’image-to-video trouve son terrain naturel partout où existe déjà un patrimoine visuel. En e-commerce, il transforme un catalogue photo en inventaire de publicités vidéo sans nouvelle séance de prise de vue. Sur les réseaux sociaux, il redonne une vie à des posts statiques qui plafonnent en engagement. En présentation, il anime des slides et des illustrations qui n’auraient jamais justifié un budget de production. Et pour un travail créatif, il permet d’explorer des variantes animées d’une même œuvre à un coût dérisoire.

Trois limites tempèrent cet enthousiasme, et mieux vaut les connaître avant de promettre un résultat. Le modèle respecte globalement la composition de l’image source, mais des déformations peuvent apparaître sur les détails fins — typographies, mains, motifs répétitifs. Les mouvements complexes, comme un personnage qui marche ou un véhicule qui accélère, sont nettement plus difficiles à obtenir que les mouvements subtils de vent, d’eau ou de lumière ; c’est vers ces derniers qu’il faut orienter vos demandes. Enfin, la qualité du résultat dépend étroitement de la définition de l’image source : un visuel médiocre en entrée ne produira jamais une vidéo propre en sortie.

Points clés à retenir

• Le paramètre image accepte une URL vers l’image à animer
• Le prompt doit décrire le mouvement, pas l’image
• Les mouvements subtils (vent, eau, lumière) donnent les meilleurs résultats
• L’image-to-video est idéal pour le e-commerce et les réseaux sociaux
• La qualité de l’image source impacte directement le résultat