Images de référence et guide de style

Guider le style visuel de vos vidéos

L’animation directe d’une image n’est pas la seule manière de nourrir le modèle avec du visuel. L’API vidéo xAI propose un second mécanisme, les images de référence, dont le rôle est radicalement différent : au lieu d’être mises en mouvement, les images fournies servent de guide stylistique à un contenu entièrement nouveau. Comprendre la frontière entre le paramètre image et le paramètre reference_images est la clé de cette leçon, et c’est aussi la source d’erreur la plus fréquente chez les équipes qui découvrent l’API.

Deux paramètres, deux intentions

Le paramètre image fournit l’image à animer. Son contenu est préservé et mis en mouvement ; vous l’employez quand vous voulez transformer un visuel précis en vidéo. Le paramètre reference_images, lui, fournit des images de référence stylistique : le modèle s’inspire de leur style, de leurs couleurs et de leur ambiance, mais le contenu généré suit votre prompt, pas ces images. Il accepte un tableau d’objets porteurs d’URL.

{
  "model": "grok-imagine-video",
  "prompt": "Scène de montagne enneigee au lever du soleil",
  "reference_images": [
    {"url": "https://exemple.com/style-cinema-1.jpg"},
    {"url": "https://exemple.com/style-cinema-2.jpg"}
  ],
  "duration": 5
}

Une contrainte accompagne ce choix, et elle est stricte : image et reference_images sont mutuellement exclusifs. Envoyer les deux dans la même requête déclenche une erreur 400. Il n’existe donc pas de mode hybride où l’on animerait une photo tout en imposant le style d’une autre — il faut trancher au moment de construire la requête.

Ce que les références rendent possible

Le premier usage, et le plus rentable en contexte professionnel, est la cohérence de marque. Imaginez une campagne de dix vidéos produites sur trois semaines par deux personnes différentes : sans garde-fou, les rendus divergent, et le montage final ressemble à un patchwork. En fournissant systématiquement les mêmes captures issues de vos productions précédentes, vous ancrez un registre visuel commun.

{
  "model": "grok-imagine-video",
  "prompt": "Un smartphone pose sur un bureau minimaliste, l'ecran s'allume progressivement",
  "reference_images": [
    {"url": "https://exemple.com/campagne-visuel-1.jpg"},
    {"url": "https://exemple.com/campagne-visuel-2.jpg"}
  ],
  "duration": 5,
  "aspect_ratio": "16:9"
}

Le deuxième usage relève du style artistique : vous voulez que votre vidéo adopte le traitement d’une illustration ou d’une peinture particulière, sans avoir à décrire ce traitement en mots — exercice notoirement approximatif. Une seule référence bien choisie fait mieux que trois adjectifs.

{
  "model": "grok-imagine-video",
  "prompt": "Un voilier naviguant sur une mer calme au crepuscule",
  "reference_images": [
    {"url": "https://exemple.com/style-impressionniste.jpg"}
  ],
  "duration": 7
}

Le troisième usage cible plus précisément la palette de couleurs. Quand un directeur artistique vous transmet une planche colorimétrique, la passer en référence est plus fiable que de tenter de la traduire en vocabulaire.

{
  "model": "grok-imagine-video",
  "prompt": "Foule marchant dans une rue urbaine animee, neons et lumieres",
  "reference_images": [
    {"url": "https://exemple.com/palette-neon-cyberpunk.jpg"}
  ],
  "duration": 5
}

Bien choisir et bien accompagner ses références

La sélection des images obéit à une logique simple : elles doivent être cohérentes entre elles. Deux références aux esthétiques opposées obligent le modèle à négocier un compromis, et le compromis est rarement beau. Privilégiez des visuels de haute qualité et bien éclairés, et limitez-vous à une ou deux images — au-delà, chaque ajout dilue l’influence des précédentes plutôt qu’il ne renforce le style.

La rédaction du prompt suit la même répartition des rôles : il décrit le contenu de la vidéo, les références définissent le style. Répéter dans le texte ce que les images montrent déjà est au mieux inutile, au pire contradictoire si votre formulation s’écarte de ce que le modèle perçoit. En revanche, restez explicite sur l’action et le mouvement, car aucune image de référence ne les porte.

C’est de cette division du travail que vient l’intérêt principal du mécanisme : générer du contenu neuf en text-to-video tout en gardant la main sur son apparence. Vous obtenez la liberté de création du premier mode avec le contrôle visuel du second.

Face à une requête, la décision se prend en une question. Si vous voulez animer une image précise, c’est image. Si vous voulez du contenu nouveau avec un style imposé, c’est reference_images. Et si le style n’a pas d’importance particulière, n’utilisez ni l’un ni l’autre — le prompt seul suffit, et vous vous épargnez une dépendance à des fichiers hébergés.

Points clés à retenir

• reference_images guide le style visuel sans animer les images fournies
• image et reference_images sont mutuellement exclusifs (erreur 400)
• Les images de référence servent à la cohérence de marque, au style artistique et à la palette de couleurs
• 1 à 2 images de référence bien choisies suffisent pour un bon résultat
• Le prompt décrit le contenu, les références définissent le style