Un script, une image fixe, une référence de personnage ou une vidéo que vous avez déjà : wan 2.7 renvoie un MP4 (H.264) en 720P ou 1080P à 30 fps, avec sa bande son générée en même temps que l'image — de 2 à 15 secondes en texte→vidéo et image→vidéo, de 2 à 10 secondes en référence→vidéo et en édition.
Formats courts d'actu, seconde vie de rushes Twitch, clips de rap FR, planches de BD animées, films de marque : des séquences sonores et découpées en plusieurs plans, pas des plans isolés et muets. Le mur mélange volontairement du vertical pour TikTok et Reels et de l'horizontal pour YouTube FR, parce que les deux sorties coexistent dans une vraie chaîne de production.
Révélation Horizon Néon
Promotion de marque
Teaser Gâteau aux Cerises
Film produit
Lancement Cyber City
Promotion de marque
Rencontre dans le champ doré
Promotion cinématographique
Révélation héroïne d’action
Promotion divertissement
Action en supérette
Promotion de marque
Gros plan casque
Film produit
Promo café au coucher du soleil
Promotion lifestyle
La ligne vidéo se répartit entre texte→vidéo, image→vidéo, référence→vidéo et édition vidéo. Chacun couvre un moment précis du travail, du premier jet au remontage d'un rush déjà tourné.
Vous décrivez une séquence — accroche, contexte, chute — et non un plan unique : wan 2.7 renvoie un enchaînement déjà découpé, prêt à tomber dans un timeline Premiere ou DaVinci Resolve en MP4 H.264 à 30 fps. Les nouveaux paliers de résolution et le ratio personnalisable permettent de décliner la même idée en vertical pour TikTok et Reels, puis en horizontal pour YouTube FR.
Le son arrive avec l'image : la ligne vidéo génère l'audio en même temps que le plan, et les deux restent calés. Concrètement, cela retire une étape entre votre script et le rendu, puisque vous ne recollez pas une piste sous un montage muet. Le rendu sonore dépend de votre prompt, donc testez plusieurs formulations avant d'arrêter votre version.
Trois entrées en image→vidéo, selon ce que vous avez déjà sous la main : une première image (un packshot, une illustration, un photogramme), une première et une dernière image quand la chute est imposée par le brief, ou la prolongation d'une vidéo existante — y compris avec contrôle de la dernière image. C'est le chemin des monteurs Twitch dont le highlight s'arrête une seconde trop tôt.
La référence→vidéo garde le sujet d'un épisode à l'autre et attribue un timbre de voix à chaque entité, si bien que deux personnages qui dialoguent ne dérivent pas au prompt suivant. Une planche storyboard en plusieurs cases suffit comme entrée unique pour obtenir un clip scénarisé, entre 2 et 10 secondes.
Voici le trajet réel d'un premier essai sur VideoAI, depuis l'écriture du prompt jusqu'au fichier que vous déposez dans votre logiciel de montage.
Rédigez votre prompt comme un mini-conducteur — plan 1, plan 2, plan 3 — en précisant ce que l'on entend autant que ce que l'on voit. Choisissez dès maintenant le ratio et la résolution, 720P ou 1080P : c'est un réglage de sortie, et non un recadrage que vous rattraperez après coup.
Déposez ce que vous avez déjà : un packshot ou une illustration en première image, une dernière image quand la fin est décidée, un rush Twitch à prolonger, une planche storyboard, ou un personnage en référence de sujet avec le timbre de voix qui lui revient. La durée se demande en secondes entières — 2 à 15 s en texte→vidéo et image→vidéo, 2 à 10 s en référence→vidéo et en édition.
Le fichier qui sort est un MP4 (H.264) à 30 fps avec sa piste audio, donc il entre tel quel dans un timeline Premiere ou Resolve. Relancez plan par plan plutôt que la séquence entière quand un seul moment cloche, et générez une seconde version au ratio de l'autre plateforme au lieu de recadrer celle que vous avez déjà.
Parcourez d’autres modèles IA pour la création d’images et de vidéos.
Un extrait de stream qui s'arrête trop tôt, un packshot de client, une planche que vous avez dessinée : partez de ce qui est déjà sur votre disque et regardez la séquence sonorisée que VideoAI en tire. Rien à recommencer de zéro.
Créer ma séquenceC'est un modèle de génération vidéo signé Tongyi Lab, le laboratoire d'Alibaba, dont la ligne vidéo existe depuis avril 2026 et que vous utilisez directement sur VideoAI. Elle réunit quatre modèles complémentaires : texte→vidéo, image→vidéo, référence→vidéo et édition vidéo. VideoAI n'est ni le site officiel du modèle, ni affilié, ni partenaire, ni cautionné par Alibaba, Tongyi Lab ou Alibaba Cloud.
720P ou 1080P, 30 fps, en MP4 avec un encodage H.264. Les durées se demandent en secondes entières : 2 à 15 secondes en texte→vidéo et en image→vidéo, 2 à 10 secondes en référence→vidéo et en édition. Autant le dire tout de suite, puisque la question revient : la ligne vidéo ne monte pas jusqu'à la 4K, elle s'arrête à 1080P.
Oui. La ligne vidéo génère nativement une bande son en même temps que l'image, et les deux restent synchronisées. Pour l'édition vidéo, le résultat est sonore ou muet selon la vidéo que vous avez fournie en entrée. Ce qui est établi, c'est la synchronisation entre le son et l'image, pas une garantie de qualité sur une voix off en français : jugez sur vos propres prompts.
Passez par l'image→vidéo. Vous donnez une première image pour lancer le mouvement, une première et une dernière image lorsque la fin est imposée, ou bien une vidéo existante que le modèle prolonge — avec, si besoin, un contrôle de la dernière image pour poser la chute. C'est la voie du monteur qui veut rallonger un highlight et de l'agence qui doit finir sur le lockup logo.
C'est le rôle de la référence→vidéo : une référence de sujet tient le personnage d'un épisode au suivant, et un timbre de voix s'attribue à chaque entité, si bien que deux protagonistes qui dialoguent conservent chacun le sien. Une planche storyboard en plusieurs cases peut servir d'entrée unique pour un clip scénarisé. Le nombre maximal d'images de référence accepté n'a pas été publié officiellement, donc aucun chiffre n'est avancé ici.
Les tarifs, les crédits et les durées de génération ne sont pas figés sur cette page : tout dépend de la formule que vous choisissez sur VideoAI. Et pour couper court à une idée reçue : wan 2.7 ne s'installe pas sur votre propre machine, vous l'utilisez en ligne, sur VideoAI. Ce sont des versions plus anciennes de la famille qui avaient été ouvertes, pas celle-ci.
La génération d'avril 2026 tourne à 30 fps, là où la version 2.5 sortait en 24 fps — ne reprenez pas les anciennes fiches techniques. Elle répartit surtout le travail entre quatre modèles spécialisés au lieu d'un bloc unique, ce qui vous laisse choisir la porte d'entrée selon votre matériel : le script, l'image, la référence de sujet ou le rush à retoucher. L'édition par instruction complète l'ensemble en modifiant une zone ou toute l'image d'une vidéo existante, en reproduisant un mouvement de caméra ou un effet repéré sur une référence.
