Images, mouvements et sons : Pruna élargit le contrôle des générations vidéo avec MiniMax H3

Pruna présente P-Video-2-Pro-Reference, un modèle basé sur MiniMax H3 combinant images, vidéos et sons pour guider des séquences de 5 à 15 secondes.

Conserver l'apparence d'un personnage, reprendre le mouvement d'une séquence existante et utiliser une piste sonore pour orienter une nouvelle vidéo. P-Video-2-Pro-Reference, le nouveau modèle proposé par Pruna AI, réunit ces possibilités dans un système de génération multimodale. Basé sur MiniMax H3, il peut exploiter jusqu'à neuf images, trois vidéos et trois fichiers audio comme références au sein d'une même demande. Une évolution destinée aux productions où le résultat doit respecter des éléments préexistants, plutôt que dépendre uniquement d'une description textuelle. Plusieurs références pour guider une même génération

P-Video-2-Pro-Reference repose sur un principe de génération conditionnée par des médias de référence. L'utilisateur fournit une instruction textuelle accompagnée d'au moins une image ou une vidéo. Les fichiers audio sont facultatifs.

Les images peuvent servir à préciser l'apparence d'un personnage, les caractéristiques d'un produit, un environnement ou une direction artistique. Les vidéos apportent des informations supplémentaires sur les mouvements, les cadrages et le rythme. Les références sonores permettent, quant à elles, d'orienter l'ambiance ou la relation entre les images et le son.

Le modèle accepte jusqu'à neuf images, trois séquences vidéo et trois fichiers audio. Les références vidéo doivent durer entre deux et quinze secondes, dans une limite cumulée de quinze secondes. Les fichiers audio sont également limités à quinze secondes au total.

Ces éléments ne sont pas nécessairement reproduits à l'identique. Ils constituent des indications que le modèle interprète pour générer une nouvelle séquence.

Cette distinction compte notamment pour les productions publicitaires ou les créations mettant en scène des personnages récurrents : une référence visuelle peut favoriser la cohérence d'un résultat sans garantir une reproduction parfaite de chaque détail. Transférer un mouvement et contrôler les images de départ et d'arrivée

L'utilisation de vidéos de référence permet d'orienter la manière dont un sujet se déplace, dont la caméra évolue ou dont une scène est organisée.

Pruna propose également de définir une image initiale et une image finale. Ces deux références servent de keyframes souples pour guider la progression de la séquence.

Elles sont comptabilisées dans la limite des neuf références visuelles. Leur rôle reste indicatif : elles ne constituent pas des images imposées avec une exactitude absolue.

Le modèle dispose aussi d'un paramètre seed permettant de reproduire certaines conditions de génération, ainsi que d'un contrôle du format. Huit options sont prévues, dont le 16:9, le 9:16, le 4:3, le 3:4 et le carré.

Un mode adaptatif permet également de laisser le modèle déterminer les proportions à partir des références transmises. Une piste audio conservée ou simplement utilisée comme référence

Le traitement sonore constitue une autre particularité de P-Video-2-Pro-Reference.

Par défaut, les fichiers audio transmis servent à guider la génération sans être nécessairement conservés comme bande-son finale.

Avec l'option `keepaudio`, l'utilisateur peut demander au modèle de conserver un fichier audio précis et de générer une séquence adaptée à celui-ci. Cette fonction nécessite de fournir exactement un fichier sonore.

Si l'enregistrement est plus court que la vidéo, le modèle génère la suite de la séquence après sa lecture. Si l'audio dépasse la durée prévue, il est coupé.

Lorsqu'un fichier audio possède une durée proche de celle demandée, avec une différence maximale d'une seconde, il peut également déterminer la longueur de la vidéo produite.

Ce fonctionnement ouvre des possibilités pour les séquences construites autour d'une voix, d'une musique ou d'un événement sonore. Il ne constitue toutefois pas une garantie de synchronisation parfaite pour toutes les situations. Jusqu'à quinze secondes en 768p

P-Video-2-Pro-Reference génère des vidéos de 5 à 15 secondes, en 480p ou en 768p, avec une cadence de 24 images par seconde.

Deux modes de fonctionnement sont proposés. Speed, activé par défaut, privilégie la rapidité d'exécution. Cost permet de réduire le tarif de génération.

Contrairement à P-Video-2-Pro, qui propose également un mode Quality, cette déclinaison avec références multimodales ne dispose pas d'un troisième niveau de qualité.

Un système de reformulation automatique des instructions, baptisé prompt upsampler, est proposé avec trois réglages : Turbo, Max et Off. Il peut enrichir la description avant son traitement, sans modifier le tarif.

Lorsqu'une image de départ ou d'arrivée est fournie, un traitement Turbo reste appliqué, même si l'amélioration automatique des instructions a été désactivée. Une tarification qui inclut les références utilisées

Pruna annonce un prix de génération à partir de 0,015 dollar par seconde en 480p avec le mode Cost.

Le tarif dépend de la résolution et du mode choisi.

Contrairement à certains services facturant uniquement la durée de sortie, P-Video-2-Pro-Reference applique également des frais pour les médias utilisés comme références.

Chaque image coûte 0,005 dollar en mode Cost ou 0,01 dollar en mode Speed. Les références vidéo sont facturées selon leur durée, à partir de 0,03 dollar par seconde, et les références audio à partir de 0,0015 dollar par seconde.

Une vidéo de dix secondes en 768p, générée en mode Cost avec trois images de référence, revient ainsi à 0,265 dollar, sans autre média ajouté.

Le montant définitif est établi après la génération, à partir de la durée effectivement produite et des références prises en compte. Le prix d'appel ne représente donc pas nécessairement le coût complet d'une opération multimodale. Une déclinaison de MiniMax H3 accessible par API

P-Video-2-Pro-Reference s'appuie sur MiniMax H3, mais son interface et ses paramètres sont proposés par Pruna AI.

Il ne s'agit donc pas d'un nouveau modèle fondamental entraîné indépendamment par Pruna. L'entreprise adapte les possibilités de génération de H3 à une offre comprenant