IA générative : animer et faire parler une photographie

S'il est une applicationapplication « fun » de l'intelligence artificielle, c'est bien celle-ci : prendre une photographiephotographie et l'animer, amener le personnage à énoncer le texte de son choix. En la matièrematière, le pionnier du domaine a été D-ID, mais des offres alternatives sont apparues depuis telles que Tokkin Heads ou Wondershare Virbo. Microsoft a réalisé un prototype d'une qualité impressionnante mais n'a pas publié son produit à l'heure où sont écrites ces lignes. Il est de même pour une autre tentative, EMO, dont les prouesses sont étonnantes. Il reste que D-ID demeure la plus simple à mettre en œuvre, avec des contraintes assez restreintes.

Le point essentiel est qu'il vous faut idéalement disposer d'une photographie au format carré, de préférence au format 512 x 512. Il faut également savoir que dans la formule gratuite, la duréedurée de la vidéo finale est limitée.

Mise en œuvre de D-ID

Rendez-vous sur le site de D-ID et choisissez START FREE TRIAL (essai gratuit). Vous obtenez 20 crédits gratuits, ce qui devrait permettre de créer plus d'une douzaine de vidéos à partir de photos et ainsi de pouvoir tester à loisir cette application.

Cliquez ensuite sur Create a video. Sur le volet de gauche, cliquez sur Upload afin de pouvoir charger une photo de votre choix. Un peu plus bas, vous pouvez indiquer l'émotion du cliché et préciser la position du personnage (à gauche, au centre, à droite), mais ces détails sont facultatifs.

Sélectionnez ensuite Script. Ici, vous avez deux options possibles :

• vous pouvez taper un texte puis sélectionner une voix prédéfinie. Cliquez sur le nom indiqué plus bas. Choisissez la nationalité et le genre - vous pouvez tester la voix proposée.
• Si vous activez l'onglet Audio, il vous est alors possible d'enregistrer une voix de votre choix (ou bien de charger un fichier audio).

Une fois le cliché du personnage chargé, vous pouvez indiquer le texte qu’il devra énoncer et choisir une voix prédéfinie – ou bien fournir votre propre fichier vocal. © D-ID

Une fois que D-ID dispose de ces éléments, il ne vous reste plus qu'à générer la vidéo (Generate Video). L'opération devrait vous coûter un ou deux crédits selon la durée du clip. Une fois le clip généré, vous pouvez constater que le visage bouge et que la bouche suit le texte qui est énoncé.

La photographie a été animée et le personnage énonce le texte avec les mouvements de lèvres appropriés. © D-ID