Comment j'ai créé un animé de style japonais avec l'IA, de A à Z

La réponse courte : deux épisodes, 38 minutes d'animé fini, une seule personne. L'épisode 2 a coûté 1 852 dollars et 65 heures. Le générateur n'a jamais été le goulot d'étranglement. Décider, si. Tout ce qui suit est le pipeline réel, y compris ce qui a raté et ce qui l'a remplacé.

Lost Garden est une série de dark fantasy où des armures vides se réveillent vingt siècles après la fin du monde. L'épisode 1 dure 17 minutes, l'épisode 2 en dure 21. Pas de studio, pas d'équipe, rien de sous-traité.

Je ne vais pas vous dire que l'IA a rendu ça facile. Elle ne l'a pas fait. Ce qu'elle a supprimé, c'est l'attente. Un projet comme celui-là mourait à l'étape « il faut d'abord trouver le budget », et puis six mois passent et on est passé à autre chose. Il n'est jamais mort parce que je ne trouvais personne qui sache dessiner. Des gens qui savent dessiner, il y en a partout, et ils sont meilleurs que n'importe quel modèle.

---

Le résultat d'abord

Tout ce qui suit, c'est du procédé. Voilà ce que ça a donné, pour que vous jugiez si la méthode vaut la lecture.

Épisode 1, The Awakening of the Lantern Knight, 17 minutes : youtu.be/eZ_JlaLDJ-8

Épisode 2, The King Beneath the Vault, 21 minutes : youtu.be/z-YRrutXaFE

Les deux sont sur lostgarden.world, avec le kit presse.

Ce sont des plans finis, sortis tels quels des épisodes, sans retouche. Gardez-les en tête en lisant, parce que toutes les captures qui suivent sont la machinerie derrière.

---

La règle qui a tout déterminé

Couper toutes les deux à trois secondes.

La vidéo IA s'effondre quand un plan dure. Les mains dérivent, les visages glissent, les décors respirent. Tous les modèles le font, et la dégradation n'est pas linéaire : un plan tient à deux secondes, mollit à quatre, devient inutilisable à huit.

Alors j'ai arrêté de laisser durer les plans. Pas par choix esthétique, par instinct de survie. L'épisode 2 fait environ 400 plans en 21 minutes.

Et puis il s'est passé quelque chose que je n'avais pas prévu. La contrainte est devenue le style. L'animé coupe déjà vite. Tenir deux secondes et couper franc se lit comme une mise en scène assumée plutôt que comme du rafistolage. Ce que j'ai fait parce que je n'avais pas le choix, c'est ce qu'on me complimente.

Écrivez cette règle dans votre méthode avant de générer la moindre image, parce qu'elle change le nombre de plans, donc le storyboard, donc le scénario.

---

Étape 1 : le scénario et le storyboard doivent être le même document

Le plus gros gouffre à temps dans ce genre de production, ce n'est pas la génération. C'est l'aller-retour.

Vous écrivez dans un outil. Vous storyboardez dans un autre. Vous changez une réplique, et le storyboard devient faux sans que vous le remarquiez avant deux jours. Vous changez un plan, et le scénario ne décrit plus ce qui se passe.

ScreenWeaver met le scénario à la verticale et la séquence de plans à l'horizontale, dans la même fenêtre, synchronisés. Vous changez une ligne, le plan suit. Sur deux épisodes, je n'ai jamais exporté un scénario pour aller le storyboarder ailleurs.

Et voilà cette même scène dans l'épisode fini :

Cette capture, c'est la scène 5 de l'épisode 2. À gauche, les entités présentes dans la scène. Au centre, le plan sélectionné avec sa valeur, son mouvement de caméra et la ligne d'intention. À droite, le scénario. En bas, tous les plans de la scène avec la tête de lecture sur celui en cours.

Ce qui compte, c'est qu'aucun de ces quatre panneaux ne peut dériver des autres, puisqu'il n'y a qu'un seul document.

Si vous avez déjà un scénario, vous ne le retapez pas. L'épisode 2 est entré sous forme de fichier Final Draft et en est ressorti en 214 éléments, sept personnages et six lieux, déjà séparés.

Les personnages et les lieux qu'il extrait à l'import deviennent les entités que vous allez décrire, ce que la plupart des gens font à la main puis abandonnent à mi-chemin.

---

Étape 2 : les fiches de personnage, et pourquoi un seul document ne suffit jamais

C'est l'étape que tout le monde saute, et c'est pour ça que la plupart des films IA ressemblent à un dossier de belles images sans rapport entre elles.

C'est aussi l'étape que j'ai ratée sur l'épisode 1 et refaite correctement pour l'épisode 2. Chaque personnage de Lost Garden a maintenant trois documents distincts, qui font trois métiers qu'on ne peut pas fusionner.

1. La planche modèle. À quoi ressemble le personnage, sous tous les angles.
2. La description épinglée. Le paragraphe que le modèle d'image lit vraiment.
3. La fiche de jeu. Comment il bouge, parle, réagit, et ce qu'il ne fait jamais.

Sautez la première et votre personnage dérive. Sautez la deuxième et chaque plan devient une négociation. Sautez la troisième, ce que presque tout le monde fait, et votre personnage est parfait visuellement et se comporte comme quelqu'un d'autre dans chaque scène.

La planche modèle

Trois vues, fond blanc, aplats de couleur, pas d'éclairage dramatique, pas de décor, pas de pose.

Chacun de ces choix est délibéré, et chacun est l'inverse de ce qu'on a envie de faire.

Trois vues, pas une. Face, profil, dos. C'est la vue de dos qui sauve la mise, parce que c'est celle à laquelle on ne pense jamais avant d'avoir besoin d'un plan d'épaule et de découvrir qu'on n'a jamais décidé de ce que fait l'arrière de la cape.

Fond blanc, aucun éclairage. Une planche modèle est une spécification, pas une image. Dès que vous l'éclairez joliment, le modèle recopie cet éclairage dans tous les plans qui la référencent. Vous voulez l'objet, pas l'ambiance.

Pas de pose d'action. Un personnage debout, neutre, se lit comme « voilà ce qu'il est ». Un personnage en plein saut se lit comme « refais ça », et vous aurez des variantes de ce saut pour l'éternité.

Dessinez les accessoires sur la planche, parce que ce sont eux qui dérivent en premier

Regardez la planche de Bourdon. C'est un géant de pierre qui coule des cloches, et la planche porte une structure de toit à la japonaise sur son dos avec trois cloches suspendues, un marteau et une paire de pinces à la ceinture, et une petite théière en laiton.

Cette théière n'a rien à voir avec sa fonction. Elle est là parce qu'elle dit qui il est en un seul objet, et parce que les accessoires sont la première chose qui dérive. La silhouette d'un personnage survit à trente plans. Ses accessoires mutent dès le quatrième : le marteau devient une hache, les pinces deviennent une tenaille, la théière disparaît.

Dessinez-les sur la planche, nommez-les dans la description, et vous les récupérez.

Notez aussi le détail de tête en encart, en haut de la planche. Bourdon apparaît plusieurs fois en gros plan, et un tour complet en pied ne porte pas assez d'information sur un visage à cette échelle. Si un personnage a un gros plan dans l'épisode, la planche a besoin d'une étude de tête.

Dessinez la silhouette pour qu'elle survive à la petite taille

Barrik est un tonneau sur pattes. À quarante pixels de haut, c'est toujours Barrik sans le moindre doute.

Ce n'est pas une blague sur le design, c'est le design. Dans une série qui coupe toutes les deux secondes et qui utilise beaucoup de plans très larges, un personnage qu'on ne reconnaît qu'en plan rapproché est un personnage qu'on ne peut pas mettre en scène.

Le test que j'utilise : réduisez la planche modèle à la hauteur de votre bandeau de vignettes. Si vous ne savez pas qui c'est, la silhouette n'est pas finie. Serrure est une verticale haute et sèche avec un trou de serrure. Lanterne est un petit bloc avec un anneau sur le dessus. Bourdon est une montagne avec un toit dessus. Aucun des trois ne peut être confondu, à aucune taille.

Barrik porte aussi la règle la plus dure de la série, écrite en capitales en haut de sa planche : il n'a ni tête ni heaume. Rien n'est posé sur le dessus. Le tonneau est sa tête et son corps à la fois, et ses yeux sont deux trous percés dans la coque. Pas de dôme, pas de chapeau, et surtout jamais le heaume-lanterne, qui appartient au Chevalier Lanterne seul. Sans cette ligne écrite, chaque génération finit par lui poser une tête, parce que les tonneaux à visage ne sont pas dans les données d'entraînement et les chevaliers, si.

La description épinglée n'est pas la planche modèle en mots

Le deuxième document tient en un paragraphe, et c'est celui que le modèle d'image lit. Voilà celui de Bourdon, tel quel :

Géant de pierre, de la taille d'un corps de garde. Yeux pâles comme aveugles, une barbe faite de flammes vives, des fissures qui s'allument quand il rit. Coule des cloches pour un royaume qui ne répond plus. Rit d'abord, pense à voix haute, décide lentement.

Deux choses dans ce paragraphe comptent plus qu'il n'y paraît.

Il contient des faits mesurables. « De la taille d'un corps de garde » est une contrainte que je peux vérifier dans une image. « Des fissures qui s'allument quand il rit » aussi, et c'est une conditionnelle : elles s'allument quand il rit, pas en permanence. C'est le genre de phrase qui garde un personnage vivant au lieu de figé.

La dernière phrase ne parle pas du tout d'apparence. « Rit d'abord, pense à voix haute, décide lentement » est à peu près inutile à un modèle d'image, et c'est la ligne la plus précieuse du paragraphe, parce que c'est elle qui tient ses dialogues sur vingt minutes d'épisode.

La fiche de jeu, le document que personne n'écrit

Le troisième document est celui qui a tout changé, et il est écrit pour moi et pour la direction de voix, pas pour un modèle.

Les miennes s'ouvrent sur une ligne qui pose la frontière : fiches de jeu, pas de design. Le design exact reste dans la planche modèle. Ce document répond à une autre question, qui est comment écrire une réplique qui sonne comme ce personnage.

Ce qu'il y a dans celle de Serrure, entre autres :

La taille est un rapport, pas un nombre. Le canon fixe une seule chose : Serrure fait une demi-tête de plus que le Chevalier Lanterne. Jamais davantage. La fiche note les mètres comme une proposition, explicitement signalée comme à valider, parce qu'une valeur en mètres est une estimation et qu'un rapport est un fait. Les estimations et les faits ne doivent pas être écrits sur le même ton dans un document auquel vous allez faire confiance pendant deux ans.

Un vocabulaire physique. Avec Lanterne, il est physique de façons précises et répétables : deux coups sur le plastron, une pichenette sur le heaume-lanterne, une main sur l'épaule, il lui tourne le heaume à la main pour lui montrer où regarder. C'est une liste de gestes réutilisables. C'est ce qui empêche un personnage d'avoir un nouveau langage corporel à chaque épisode.

Un débit. Voix chaude, medium-grave, légèrement rauque. Environ deux mots par seconde, avec de vraies pauses. Et puis la phrase qui dirige vraiment le jeu : une réplique qui finit trop tôt est juste, une réplique qui court est fausse.

Un tic d'écriture. C'est la chose la plus utile du document. Serrure rassure, puis sabote sa propre assurance trois secondes plus tard, à mi-voix, sans se retourner. « Je ne me trompe jamais... presque jamais. » « C'est juste un démon, si ça dérape je m'en occupe... sûrement. » Une fois ce tic écrit, n'importe qui peut écrire une réplique qui sonne comme lui, y compris moi à deux heures du matin.

Un signal rare, protégé. Quand Serrure arrête de plaisanter et que sa voix descend, à plat, quelque chose ne va vraiment pas. La fiche le dit franchement : ce contraste est le meilleur outil dramatique de la série, et il ne fonctionne que s'il reste rare. Cette phrase m'a empêché de l'utiliser trois fois.

Le plus précieux dans une fiche de jeu, c'est la liste de ce que le personnage ne fait jamais

Toutes mes fiches se terminent par une section « jamais », et c'est la partie que je consulte le plus.

Serrure ne crie jamais pour dominer. Il ne fait pas de discours. Il ne joue ni au roi ni au héros. Il ne trébuche pas, il ne perd pas pied, il ne se laisse pas surprendre par le décor. Menacé socialement, il répond par un sourire de pierre et des mots calmes plutôt que par l'acier.

La liste du Chevalier Lanterne est plus stricte, parce que c'est le personnage le plus difficile :

• Il ne parle jamais. Pas un mot, jamais, pas même un murmure. Il ne produit que des sons métalliques creux : des grincements doux, des résonances qui ressemblent à une respiration, des cliquetis, de petits chocs timides, un chuintement interrogatif, et un fracas quand quelque chose lui fait peur.
• Il ne trébuche jamais. Il ne glisse pas, il ne tombe pas, il ne se cogne pas dans le décor. Sa comédie vient de sa curiosité, jamais de sa maladresse. Il marche et il grimpe d'un pas régulier.
• Il ne produit aucune lumière par lui-même, et son médaillon n'est jamais visible.

La deuxième règle est celle que j'ai eu le plus à défendre, parce qu'un petit personnage rond dans un grand monde dangereux, on lui tend une chute toutes les cinq minutes. Elle existe parce qu'un personnage qui trébuche est un personnage qu'on plaint, et celui-là doit rester brave. La fiche le dit en une ligne : devant le danger il avance, et il n'est jamais le premier à fuir.

Pour l'autre, voilà ce que produit « il ne trébuche pas, il ne perd pas pied » à la fin de l'épisode 1, quand Serrure arrive pour sortir le Chevalier Lanterne d'un combat qu'il était en train de perdre :

Du coup, toute son émotion doit passer par le corps : inclinaisons du heaume, posture, gestes des mains, hésitations. Et l'anneau de portage sur le dessus de son heaume oscille quand il bouge vite, et c'est lui qui joue le tremblement quand il panique. Cet anneau est un accessoire qui fait un travail d'acteur, et ça ne marche que parce qu'il est sur la planche modèle.

Le reste de la distribution

Même traitement pour tous ceux qui apparaissent plus d'une fois, y compris les antagonistes et la créature contre laquelle se déroule le combat de l'arène. Un personnage d'une seule scène a quand même sa planche si cette scène fait plus de trois plans, ce qui, à un rythme de coupe de deux secondes, veut dire presque tous.

Écrivez la description une fois, générez la planche une fois, et référencez-la pour toujours. C'est pour ça que mes deux chevaliers se ressemblent encore au plan 380.

---

Étape 3 : laissez la scène proposer son propre découpage

Une liste de plans vide est la page la plus lente du cinéma.

Generate shots from scene script lit la scène que vous avez déjà écrite et propose le découpage. J'en garde peut-être 60 % et je réécris le reste, mais c'est bien plus rapide qu'une page blanche, et ça rattrape systématiquement le plan que j'oublie toujours.

Le champ au-dessus de la liste est la partie qui fait vraiment le travail. C'est là qu'on écrit son plan de tournage en langage ordinaire, avant que quoi que ce soit ne soit proposé. Voilà celui que j'ai utilisé pour le combat de l'arène de l'épisode 2 :

On reste sur la corniche avec Serrure pendant tout le combat. On ne prend jamais le point de vue du combattant, seulement celui des deux qui le regardent.

Cette seule phrase a décidé neuf plans. C'est aussi toute l'idée dramatique de la scène : le sujet n'est pas le combat, ce sont les deux personnages qui regardent un inconnu se battre. Sans cette ligne, le découpage vous donne une scène d'action correcte. Avec elle, vous obtenez la scène dont l'épisode avait besoin.

Écrivez l'intention, pas les plans. Les plans suivent.

Voilà la même vue sur une scène complètement différente, l'arrivée au château. Dix plans, d'autres entités, une autre intention : l'échelle d'abord, les visages après.

---

Étape 4 : nommez un parti pris de composition dans chaque prompt

« Cinematic » ne donne rien. C'est le mot le plus courant dans les prompts de film IA et il ne porte aucune information.

Nommez le dispositif à la place. Espace négatif. Clair-obscur éclairé par en dessous. Mise en place en deux plans profonds. Très grand ensemble avec le sujet à un huitième de la hauteur du cadre.

Chaque plan de Lost Garden porte trois champs, et les trois partent dans le prompt :

• La valeur de plan. Très grand ensemble, ensemble, plan moyen large, plan moyen, plan rapproché, gros plan, très gros plan, insert, par-dessus l'épaule, vue subjective.
• Le mouvement de caméra. Fixe, travelling avant lent, travelling latéral lent, filé, caméra portée.
• La ligne d'action, seul texte libre, et qui référence les entités par leur identifiant.

C'est cette dernière partie qui tient la cohérence d'un épisode de 400 plans. La ligne d'action du plan 3.1 dit :

@serrure et @lantern-knight à plat ventre sur la corniche, regardant vers la fosse. Tenir le large jusqu'à ce que la lame réponde.

Les identifiants en @ renvoient aux planches modèles. La seconde phrase est une note de minutage que je m'adresse à moi-même, qu'aucun modèle ne lit, et qui a sauvé le plan au montage.

---

Étape 5 : l'économie du reroll

Générer coûte peu. Relancer coûte peu. Découvrir au montage qu'on n'a jamais eu de scène coûte cher.

L'erreur chère en cinéma IA n'est pas une mauvaise génération, c'est de générer magnifiquement pendant une semaine et de s'apercevoir qu'on a un moodboard au lieu d'une séquence. Ça se décide bien avant d'ouvrir le modèle.

Concrètement, sur l'épisode 2 :

• Environ 400 plans gardés.
• Autour de 2,4 générations par plan gardé, donc un peu moins de mille générations.
• La génération est le premier poste des 1 852 dollars.

Le ratio est le chiffre à surveiller. Si vous relancez six ou huit fois pour un plan utilisable, le problème n'est presque jamais le modèle. C'est que le prompt ne nomme pas de dispositif, ou que le plan ne pointe vers aucune planche, ou que le plan ne devrait pas exister.

---

Étape 6 : générez l'image muette, puis posez les voix dessus

C'est la décision que je défendrais le plus fort, et elle a commencé par un accident.

Mes protagonistes sont des armures vides. Ils n'ont pas de bouche. Il n'y a aucun lip sync à respecter, jamais.

Ça veut dire que l'image et le dialogue sont complètement découplés. Je génère l'image muette, je monte l'épisode, et j'enregistre les voix sur une image verrouillée. Aucune attente sur l'audio avant de voir si la scène fonctionne. Aucune régénération de plan parce que la bouche ne colle plus à une réplique réécrite.

Si vous concevez une série IA de zéro, réfléchissez très sérieusement à ça avant de dessiner vos personnages. Les heaumes, les masques, les créatures, les animaux, tout ce qui n'a pas de bouche visible vous achète une liberté de production énorme. C'est la meilleure décision structurelle de Lost Garden et je ne l'ai pas prise exprès.

Ce que j'ai appris sur les tags de voix, à mes dépens

Les deux épisodes utilisent ElevenLabs v3. Quatre choses m'ont demandé un nombre gênant de prises.

L'effet d'un tag s'épuise. Un tag de style ne tient pas sur un paragraphe. Il s'efface en une ou deux phrases. Si vous voulez un personnage grave sur douze répliques, le tag va sur chaque phrase, pas une fois en haut.

Les tags d'événement rejouent. [laughs], [sighs], [chuckles] déclenchent un son à chaque occurrence. Les répéter comme on répète un tag de style vous donne un personnage qui rit onze fois d'affilée.

Quatre choses différentes provoquent un cri involontaire. C'est ce qui m'a coûté le plus de temps, alors les voici en entier.

1. Une phrase qui commence comme un impératif est jouée comme un impératif. « Ouvert, dans le noir, c'est une bougie sur une table » sortait en cri. Réécrit en « Pour eux, un médaillon ouvert dans le noir est une bougie sur une table », c'est sorti calme. Même information, autre attaque.
2. Un mot placé juste avant une pause se fait taper dessus. Déplacez le mot accentué au milieu de la phrase.
3. Les fragments d'un à trois mots sont criés à peu près à chaque fois. Fusionnez-les dans la phrase précédente avec des points de suspension et une continuation en minuscule.
4. Les phrases courtes qui s'enchaînent montent en escalier. « Un feu. Un repas. Des nouvelles de la route. » produisait trois attaques croissantes. Fondues en une seule phrase avec des points de suspension, ça a donné la réplique nostalgique que je voulais.

Les pauses sont la commande de débit, pas le tag. <break time="2.5s" /> fait plus pour un jeu que n'importe quel adjectif. ElevenLabs plafonne une pause à trois secondes, donc on les enchaîne pour tenir plus longtemps. Et le curseur de vitesse est le vrai réglage de tempo : 0,8 pour mon chevalier bavard, 0,7 pour le Roi sous la voûte.

Chaque fichier de voix des deux épisodes vit avec ses tags et ses pauses, un fichier par personnage, pour qu'un ré-enregistrement soit un copier-coller et pas une redécouverte.

---

Try it free

Try Screenweaver for free on your script

It is free. Import your existing project, get a clearer view of your outline, and regain control of your story structure in minutes.

Start Free

Une réplique, de bout en bout

Tout ce qui précède est plus facile à croire sur un seul exemple suivi. Voici une réplique de l'épisode 2, de la fiche de personnage jusqu'au plan fini.

1. La fiche de jeu dit quel genre de réplique c'est

La fiche de Serrure dit qu'il pense à voix haute, qu'il pose des questions dont il connaît la réponse, et qu'une réplique qui finit trop tôt est juste. Elle dit aussi que le moment où il arrête de plaisanter et passe à plat est le signal rare.

C'est ce moment-là. Il vient d'entendre quelque chose dans la fosse. Donc la réplique doit être courte, et elle doit être un constat qu'il se fait à lui-même avant de le faire à quelqu'un d'autre.

2. Le scénario

EXT. L'ARÈNE - CONTINU

Une voix monte de la fosse. SERRURE s'arrête net.

                    SERRURE
              (surpris, à voix basse)
        ...Ça, c'est une voix d'armure.

                    SERRURE
              (criant de joie)
        C'est l'un des nôtres ! Vite, Lanterne, viens !

Quatre mots portent tout le thème de l'épisode : ils n'ont pas croisé un des leurs depuis très longtemps. La didascalie n'est pas une décoration, c'est la direction pour la passe de voix qui arrive quatre étapes plus loin.

3. Le plan de tournage, avant qu'un seul plan existe

On reste sur la corniche avec Serrure pendant tout le combat. On ne prend jamais le point de vue du combattant, seulement celui des deux qui le regardent.

4. Le plan

Plan 3.1. Ensemble, fixe, contre-plongée basse. Ligne d'action :

@serrure et @lantern-knight à plat ventre sur la corniche, regardant vers la fosse. Tenir le large jusqu'à ce que la lame réponde.

Les identifiants en @ renvoient aux planches modèles. « Tenir le large jusqu'à ce que la lame réponde » est une note de minutage qu'aucun modèle ne lit et qui a décidé le point de coupe au montage.

5. La voix, avec ses tags

Voici le texte réellement envoyé à ElevenLabs, tel quel :

[calmly] ...You hear that? <break time="1.5s" /> [amazed] That's an armor
voice. <break time="2.0s" />

[shouting] [excited] It's one of ours! <break time="0.8s" /> [shouting]
[excited] Quick, Lanterne... come on! <break time="2.0s" />

Quatre choses en cinq lignes, et chacune est une règle vue plus haut dans cet article.

Les points de suspension en tête de « ...You hear that? » coupent l'attaque. Sans eux la réplique démarre fort et toute l'intention tombe.

Le tag se répète sur la deuxième phrase. [amazed] n'hérite pas de [calmly], et [calmly] n'aurait de toute façon pas survécu jusque-là. L'effet d'un tag s'épuise.

« Quick, Lanterne... come on! » est une seule phrase, pas deux. En deux fragments courts, ça sortait en deux cris croissants. Réunis par des points de suspension, ça se lit comme une seule impulsion.

Les deux secondes de pause avant et après la révélation font plus de travail que n'importe quel adjectif. Le silence est le jeu.

6. Le résultat, et le storyboard reconstruit à partir de lui

En haut à gauche, c'est le plan 3.1 : deux chevaliers à plat ventre sur une corniche, regardant vers le bas, tenu large. Même cadrage dans la planche et dans le film, parce que la planche a été faite à partir du film.

C'est tout le pipeline dans un seul plan. Une règle de comportement a produit une réplique, la réplique a produit une didascalie, la didascalie a produit une direction de voix, le plan de tournage a produit le cadrage, le cadrage a produit le plan, et le plan a produit la planche.

---

Étape 7 : ne laissez jamais le modèle vidéo écrire la musique

Absolument tous les prompts vidéo de Lost Garden contiennent la consigne no music.

Si vous laissez chaque clip générer son propre lit sonore, trente-neuf clips sonnent comme trente-neuf films différents. Ça ne se rattrape pas au mixage. Ça ne se fond même pas.

La partition se fait à part, comme un seul travail, sur image verrouillée.

Six morceaux originaux sont sortis de cette passe, écrits sur l'image une fois le montage verrouillé :

Titre de travail	Durée	Où il se pose
Inexorable Ascent	5:00	la longue montée, l'échelle du monde
Song of the Empty Sky	5:00	les passages ouverts, le monde tel qu'il est devenu
Clockwork Requiem	3:30	les machines, ce qui tourne encore
The Giant and the Knight	3:30	la fonderie de cloches, Bourdon
Ash Lantern Prayer	3:18	les veilles silencieuses
The Knight's Lullaby	2:30	le motif de la berceuse, repris dans les deux épisodes

Ils ont été renommés pour la sortie, et ça vaut le coup de le dire parce que c'est un petit détail qui compte : un titre de travail vous dit où la cue se pose dans l'épisode, un titre de sortie doit tenir seul comme morceau sur une plateforme. Ce sont deux métiers différents et ils méritent deux noms différents.

L'ordre compte plus que l'outil. Monter d'abord, composer ensuite. Le cinéma fait comme ça depuis un siècle, et l'IA vous pousse à l'abandonner parce que le bouton audio est juste là.

---

Étape 8 : le montage, et le seul réglage d'encodage qui compte

Le montage se fait sur DaVinci Resolve, la version gratuite. Cette ligne du budget est à zéro.

Une note technique qui m'a coûté un rendu complet. Si votre source est un long master et que ffmpeg reste à zéro pour cent de CPU sans rien faire, il n'est pas bloqué, il essaie d'analyser le fichier. Donnez-lui de la marge :

ffmpeg -probesize 20M -analyzeduration 10M -i master.mov ...

Et au mixage, -x264-params no-fast-pskip=1 vaut les quelques pour cent de débit. Sans ça, les grandes zones sombres et plates, c'est-à-dire l'essentiel de cette série, développent un blocking qui ressemble à une image figée.

---

Étape 9 : les sous-titres, et une astuce pour attraper les hallucinations

Les deux épisodes sont sous-titrés en anglais et en français, gravés pour les versions verticales.

La transcription se fait avec Whisper large-v3-turbo et des horodatages au mot, ce qui permet au sous-titre de tomber sur le mot plutôt qu'à côté. Les options anti-hallucination comptent sur un film qui a de longues plages musicales :

--word-timestamps True --condition-on-previous-text False \
--no-speech-threshold 0.45 --logprob-threshold -0.8 \
--hallucination-silence-threshold 1.5

Même avec ça, l'épisode 1 a produit six « I'm sorry » fantômes sur des passages instrumentaux.

Voici comment les attraper gratuitement. Retranscrivez le passage suspect tout seul, en clip isolé. Une parole réelle se transcrit à l'identique à chaque fois. Une hallucination, non : les mêmes huit secondes de musique qui donnaient « I'm sorry » dans la passe complète ont donné « I'm not going to die » en isolé. Le désaccord entre deux passes est la signature. Ce seul contrôle a retiré toutes les lignes fantômes et gardé toutes les vraies, y compris un « Find me » murmuré à la dix-huitième seconde que j'aurais sinon supprimé comme du bruit.

Deux choses en plus, parce qu'elles ne sont pas évidentes :

Les sous-titres se posent avant la rotation, jamais après. Si vous fabriquez une version verticale en pivotant un master paysage, gravez les sous-titres dans l'image paysage d'abord. Pivotez après et votre texte est couché.

Mesurez vos bandes noires avant de placer le texte. Mon master fait 1920 sur 1080 avec l'image utile en 1920 sur 820, donc il reste 130 pixels de noir en haut et en bas. Poser les sous-titres dans cette bande veut dire qu'ils ne couvrent jamais l'image. Sur du noir, supprimez la boîte semi-opaque et mettez un liseré fin. La boîte est invisible sur du noir et elle fait cheap là où elle se voit.

---

Étape 10 : la partie que personne ne filme, la diffusion

Vingt et une minutes d'animé, ce n'est pas un TikTok. L'épisode complet va sur YouTube. La version verticale, pivotée en 9:16 avec les sous-titres gravés, va sur TikTok et Instagram.

Une trouvaille pratique qui m'a évité un remontage complet : sur Instagram, un post vidéo autorise soixante minutes alors qu'un Reel plafonne à trois. L'épisode complet part en post. J'avais déjà monté un extrait de quatre-vingt-dix-neuf secondes en Reel avant de l'apprendre, et il dort dans les brouillons comme une solution de repli dont je n'ai pas eu besoin.

---

L'étape bonus : storyboarder le film après le film

Voilà la partie qui a commencé comme un service que je me rendais à moi-même et qui est devenue l'élément le plus utile du projet.

Les deux épisodes sont finis. Il ne restait aucun storyboard, parce que le storyboard était devenu le film. Alors pour pitcher l'épisode 3, et pour expliquer la méthode, j'ai reconstruit le storyboard à partir des épisodes finis.

Pas en dessinant. En prenant une image toutes les dix secondes et en convertissant chacune en previz 3D brute.

La matière première ressemble à ça, une image toutes les dix secondes, nommée par minutage pour que n'importe quel plan soit à un clic :

C'est la scène de la forge. Argile grise sans texture, décor en géométrie primitive, mannequins sans visage, et le feu signalé par un seul aplat orange, parce que c'est ce que fait une previz : tout en gris, une couleur pour la chose dont parle le plan.

Le combat de l'arène utilise du cyan, et il ne marque que la lame, pour que l'œil suive l'arme de plan en plan.

Et l'arrivée au château reprend l'orange, cette fois pour marquer chaque flamme et chaque œil qui brille, pour qu'on lise où est la lumière avant de lire quoi que ce soit d'autre.

La recette, en entier

Image vers image, le plan fini en référence, format forcé à celui de la source. Environ un crédit par image.

Convert this frame into a raw 3D previsualization blockout render. Keep the
EXACT same camera angle, framing, composition and silhouettes as the reference.
Everything untextured matte grey clay, one single material, no line art, no
anime shading, no colour. Characters become smooth grey mannequins: keep the
silhouette and overall head shape readable, but no facial features, no ornament,
no fabric detail. Environment becomes simplified low-poly grey primitive
geometry, blocky, almost no detail. Soft neutral studio light, plain light grey
background, soft ambient occlusion. ONE EXCEPTION: <the key element> is a single
flat saturated <colour>, unshaded, like a previz colour tag. Everything else
stays pure grey clay.

Deux phrases portent tout le résultat.

« Keep the EXACT same camera angle, framing, composition », sans quoi le modèle recompose le plan et votre storyboard ne décrit plus votre film.

« No facial features, no eyes, no mouth », sans quoi il redessine des yeux et vous obtenez de l'animé gris au lieu d'une previz.

Un avertissement qui m'a coûté une image. Sur un gros plan de visage, cette seconde consigne est prise au pied de la lettre et la tête devient une masse lisse méconnaissable. Sur ces plans-là, demandez plutôt que la forme générale et les orbites restent lisibles, sans texture ni détail.

Pourquoi ça vaut le coup sur un film déjà fini

Parce qu'un filtre n'y arrive pas. J'ai essayé d'abord, et le résultat honnête vaut la peine d'être décrit : j'ai écrit une passe de traitement d'image qui tue le trait, tue le détail, puis supprime l'albédo lui-même en divisant l'image par sa propre tendance large, pour qu'un plastron noir et une manche blanche tombent sur le même gris. Ça produit un lavis argile convaincant. Ce n'est pas une previz pour autant, parce qu'aucun filtre n'efface un visage dessiné ni ne reconstruit une géométrie. Les yeux de mon esprit-arbre sont restés des yeux d'animé, flous.

La régénération reconstruit la forme. C'est toute la différence, et c'est pour ça que la comparaison ci-dessus tient : même cadrage, mêmes silhouettes, autre médium.

Si vous pitchez une saison sur la force d'un seul épisode fini, ça vous donne un storyboard pour pitcher et un avant-après qui prouve que le plan a été conçu, pas trouvé.

---

Ce que ça a coûté, et où est passé le temps

1 852 dollars et 65 heures pour l'épisode 2. Soixante-cinq heures, c'est environ huit jours de travail pour vingt et une minutes finies.

Le premier poste de dépense est la génération. Les voix et la musique suivent. La suite de montage est gratuite. Les coûts sont réels mais ce n'est pas le chiffre intéressant.

Le chiffre intéressant est le rapport entre décider et générer. Chaque heure passée sur le storyboard m'en a économisé environ cinq à générer des plans dont je n'avais pas besoin. C'est toute l'économie de ce genre de production, et c'est pour ça que le pipeline ci-dessus commence par le scénario et les planches plutôt que par le générateur.

---

Ce que je ferais autrement

Écrire les descriptions d'entités avant le premier plan, pas après le dixième. J'ai appris la cohérence à la dure sur l'épisode 1 et je l'ai fait correctement sur le 2.

Décider la durée de coupe avant la liste de plans. Deux à trois secondes par plan n'est pas une décision de post-production. Ça double le nombre de plans et ça appartient au découpage.

Dessiner au moins un personnage principal sans bouche. Quelle que soit votre histoire. La liberté de production que ça achète est sans commune mesure avec la contrainte.

Garder le storyboard après avoir fini. J'ai dû reconstruire le mien à partir du film. Ça a marché, et ça a même fait un meilleur outil de pitch que l'original, mais c'était de la chance, pas de la méthode.

---

Pour aller plus loin

Si vous voulez le pipeline en général plutôt que cette étude de cas, commencez par le workflow de cinéma IA du scénario à l'écran. Si vous voulez le voir se faire, comment faire un film IA est la démonstration. Si c'est l'étape du storyboard qui vous intéresse seule, comment générer un storyboard depuis un scénario avec l'IA la traite proprement.

Et s'il ne faut retenir qu'une chose de tout ça : les outils ne sont pas le goulot d'étranglement. Décider, si.

Les deux épisodes sont libres d'accès. Épisode 1, épisode 2, et tout le reste sur lostgarden.world. L'épisode 3 s'écrit dans ScreenWeaver en ce moment, et c'est Barrik, le tonneau, qui le porte.