Sofia est une chanteuse inventée. En deux jours, nous avons créé son visage, sa chanson et son clip de trois minutes. Voici les sept étapes, les outils, et la façon dont nous avons écrit les prompts.
Interprète
Sofia
Durée
3 min 06 s
Plans
28, en 10 chapitres
Images
4 481, à 24 par seconde
Fabrication
20 et 21 octobre 2026
[ Montage A — notre studio interne ]
Chaque image est dessinée en code, sur une toile. Les passes VHS et flash sont écrites sur mesure.
[ Montage B — HyperFrames ]
Une composition en HTML. Le look VHS vient des outils du moteur, avec des mots clés en grand et des flashs d'images.
Les deux montages partent des mêmes plans et de la même bande son. Ils suivent les mêmes règles : chacun des 229 mots paraît sur l'image où il commence. Nous les avons gardés tous les deux pour comparer.
[ Les outils ]
Huit rôles. Un journal.
Un assistant conversationnel mène le travail. Nous décidons à chaque étape. Chaque décision s'écrit dans un journal, mot pour mot, et ne se réécrit jamais.
Mène le travail
Assistant conversationnel
Il pose les questions, écrit les prompts, le code du montage et les contrôles. Il tient le journal.
Photos
Générateur d'images
Sofia et ses décors. Chaque photo de Sofia part de son visage de référence.
Plans animés
Générateur de vidéo
Une photo et la voix seule deviennent un plan où elle parle, lèvres synchronisées.
Chanson
Générateur de musique
La chanson naît des paroles et d'un style écrit. Nous écoutons et choisissons la prise.
Écoute, en local
Outils audio
Séparation de la voix, mesure du tempo, transcription mot par mot avec les temps.
Image, en local
Outils vidéo
Détection du visage, détourage, suivi de mouvement, étalonnage, encodage.
Montage A
Notre studio interne
Le clip calculé image par image, en code, avec son habillage technique.
Montage B
HyperFrames
Le même clip, monté en HTML avec les effets du moteur.
[ Les modèles et les outils, nommés ]
Rôle
Modèle ou outil
Ce qu'il a fait
Assistant conversationnel
Claude Opus 5.5 (Anthropic), dans Claude Code
Les questions de départ, les paroles, les prompts, les scripts de génération, le code des deux montages, les contrôles et le journal. Plusieurs sessions en parallèle pour les deux montages.
Images
GPT Image 2 (OpenAI), qualité haute, 2048 × 1152
Le casting, le visage de référence et toutes les photos de départ. Chaque photo de Sofia reçoit le texte d'identité et le visage de référence. La bouche a été corrigée par une retouche masquée.
Vidéo
MiniMax H3, de la référence vers la vidéo, en 768p
Les plans où elle parle : la photo du plan et la voix seule, lèvres synchronisées. Les plans sans voix : la photo du plan et un geste décrit. Sortie en 1344 × 768, 24 images par seconde.
Musique
Suno, mode Custom
La chanson. Les paroles, le style et les exclusions sont écrits à l'avance, puis chaque prise est écoutée.
Séparation de la voix
Demucs (htdemucs)
La voix seule, pour la synchro des lèvres et le recalage des mots.
Tempo
librosa
Le tempo réel, 136 battements par minute, et la grille des mesures.
Transcription
Whisper (medium)
Chaque mot avec son temps, recalé ensuite sur la voix seule.
Visage
YuNet (OpenCV)
Le visage suivi image par image, pour poser le cadre de détection.
Détourage
rembg (isnet-general-use) et SAM
Sofia détourée de dos, dans le premier extrait.
Suivi de mouvement
OpenCV (ORB, RANSAC, flux optique)
Les graphismes restent collés au décor quand la caméra bouge.
Montage
Notre studio interne, et HyperFrames 0.8.181
Les deux montages complets, rendus en local.
Encodage
FFmpeg (x264)
Les vidéos finales en BT.709, et les médias de cette page.
La méthode suit le wiki public de claudia.gallery : des points de contrôle, un texte d'identité recopié mot pour mot, une image vérifiée avant la suivante. Tout le reste tourne en local, sur notre poste.
01
Trois pistes. Un seul visage.
Avant le clip, il faut une chanteuse qui reste la même d'une image à l'autre.
Le brief tient en quelques réponses : une femme de 28 ans, européenne, à la peau claire, énergique et rebelle, pour un clip pop électro en 16:9. Elle ne doit ressembler à aucun personnage existant.
Le casting. Trois pistes, trois images chacune : face, profil et dos, une marche vers la caméra, six expressions. Une blonde au carré court, une rousse aux cheveux longs, une brune en dégradé aux pointes roses. Chaque piste a un trait fixe du visage, en plus des cheveux.
Le choix. Nous gardons la première piste, avec deux retouches : la bouche et la coiffure. La photo d'exemple de la coiffure montrait une vraie personne. Elle n'a jamais quitté notre poste : la coiffure a été décrite en mots. La bouche a été retouchée seule, avec un masque. Le reste du visage n'a pas bougé, mesure à l'appui.
La méthode. Le texte seul ne suffit pas. Deux essais avec le texte seul ont donné deux femmes différentes. Avec le texte et un visage de référence, c'est la même femme à chaque fois. Ce texte d'identité est recopié mot pour mot dans chaque prompt.
Le contrôle. Une série de quatre distances, du gros plan au plan large, vérifie qu'elle reste elle-même. Le générateur la cadre toujours trop près : pour les plans larges, il faut insister.
Le nom. Nous voulions « un prénom classique avec IA dedans ». Ce sera Sofia, ou SofIA. C'est un prénom courant en Suède. Il veut dire « sagesse ».
[ Consigne, sur le visage ]
« Le visage doit être oblong, pas rond. Plus scandinave. »
[ Consigne, sur le casting ]
« On garde A, mais sa bouche est trop grande. »
Planche du castingTrois pistes, trois images par piste. La piste A, en haut, devient Sofia.
Retouche de la boucheAvant, puis deux essais. L'essai 1 est le plus naturel : c'est le visage de référence.Série de distancesLe visage tient à toutes les distances : petite bouche, trait d'eye-liner bleu, oreillette, carré blond.
02
Une voix plate. Un refrain de stade.
Le sujet de la chanson tient en une page. Tout le reste du clip se cale sur la prise retenue.
Le sujet. De la hard techno et de la pop mélodique, en mode mineur. Un monde promet un avenir meilleur grâce aux machines. Tout marche mieux, et pourtant quelque chose d'humain disparaît. L'IA y est invisible : une voix qui vous connaît trop bien, une réponse parfaite à une question jamais posée.
Le souvenir. Au milieu de ce monde, un matin d'été avec quelqu'un qu'on a aimé. Trois détails reviennent dans toute la chanson : la fenêtre ouverte, les pieds nus sur le carrelage de la cuisine, la lumière du matin sur une épaule.
Les paroles. En anglais, en phrases courtes. Le refrain dit les mêmes mots à chaque fois : dansé en foule, c'est un défi ; écouté seul, c'est un adieu. Au breakdown, un chœur d'hommes chante comme des supporters dans un stade. Certains mots sont écartés : AI, algorithm, data, neon, chrome, code.
[ Refrain et chant de la foule ]
Keep your tomorrow, keep it bright,
I've got a window full of light,
your bare feet on the kitchen floor,
I don't need tomorrow anymore.
[Breakdown — the male crowd]
Leave the window open!
Leave the window open!
Leave the window open,
oh-oh, oh-oh-oh!
[ Quatre tours pour trouver la voix ]
Tour
Style demandé
Réponse
01
Chant pop sur un beat de hard techno
« Je ne veux pas de paroles chantées par une voix d'homme, juste Sofia. Les hommes, c'est uniquement quand les chœurs chantent. »
02
Sofia seule au chant, les hommes en chœur de foule
« Je voudrais plutôt une voix monocorde, qui suit peu la mélodie, un peu comme un rap posé sur la musique, qui récite le texte. Une voix jeune et un peu blasée. »
03
Voix parlée, plate et blasée. La mélodie passe dans les synthés.
« L'intro musicale très, très courte. »
04
Deux mesures d'intro, puis la voix entre tout de suite
Trois prises, A, B et C. « OK pour C. »
L'écoute technique
Une fois la prise choisie, on ne la change plus. Elle est écoutée en détail, en local :
la voix est séparée de la musique ;
le tempo est mesuré : 136 battements par minute, et non les 150 demandés ;
une transcription automatique donne chaque mot avec son temps. Après un silence, elle place le mot jusqu'à 1,3 seconde trop tôt. Chaque mot est donc recalé sur la reprise de la voix seule ;
quatre passages douteux sont écoutés à l'oreille. On entend bien window full of light, et non life.
La voix parlée a un autre avantage : elle tient peu de voyelles longues. La synchro des lèvres en devient plus simple.
[ Bande son — MP3 ]
3 min 06 s
Leave the Window Open
Sofia, prise C. Coupée à la fin du clip, après la fin chuchotée bare feet on the kitchen floor.
03
Un rectangle d'or. Vingt-huit plans.
Trois concepts, un fil rouge, puis trois versions du storyboard.
Concept A
Prévision
Un appartement parfait prévoit tout. Une étiquette façon météo change à chaque ligne : « TOMORROW · 98 % HAPPY ».
Retenu
Le rectangle de lumière
Une ville froide et bleue. Un seul rectangle de soleil d'été, en forme de fenêtre, est chaud. Il rétrécit, puis grandit avec le chant de la foule.
Concept C
La réponse parfaite
Une barre de saisie répond avant la question. Un jour, Sofia tape « the window », et la barre ne sait pas répondre.
Le fil rouge
Un rectangle de lumière dorée, avec sa croisée, posé sur un oreiller, un mur, un sol mouillé, un visage. C'est la seule couleur chaude du clip. Il rétrécit quand le monde se referme. Au breakdown, il grandit à chaque « Leave the window open ». Au dernier refrain, il remplit l'écran. À la fin, il devient la vraie fenêtre d'une cuisine d'été.
Le storyboard, en trois versions
Version 1. Une relecture critique, faite par un second agent, y trouve douze défauts. Des coupes tombent au milieu d'une phrase. La caméra bouge pendant que Sofia parle. Des graphismes arrivent hors de leur mot. La lumière se pose sur l'épaule de Sofia alors que le texte dit your shoulder.
Version 2. Les coupes tombent sur le temps qui précède une phrase. Chaque graphisme entre sur son mot. Quand Sofia parle, la caméra reste fixe : les mouvements se font au montage.
Version 3. Elle ajoute l'habillage technique, l'étalonnage et le glitch. La lumière d'or est demandée dans chaque image générée, et non dessinée en code. Le glitch reste sous trois flashs par seconde.
[ Consigne, sur l'habillage ]
« Je veux des éléments techniques en surimpression. Un côté futuriste, mais un peu crade et froid : la météo, le niveau de l'ascenseur, les coordonnées géographiques. »
Maquette d'habillageCadre de détection du visage, compteur de mesures, règle à gauche, coordonnées en bas.
[ Les dix chapitres, à l'échelle du temps ]
01
02
03
04
05
06
07
08
09
Fin
0:001:002:003:06
01La maison qui sait0:00–0:32 · 4 plans
Appartement bleu froid à l'aube, rectangle d'or net.
02L'ascenseur0:32–0:41 · 1 plan
Miroirs, lumière blanche clinique, le rectangle fuit.
03L'esplanade0:41–1:06 · 4 plans
Béton mouillé la nuit, Sofia pieds nus dans la tache d'or.
04La ville réglée1:06–1:21 · 2 plans
Toutes les fenêtres pareilles, une seule fenêtre d'or au loin.
05La ville rêve1:21–1:36 · 3 plans
Chambre la nuit, l'or sur l'oreiller vide.
06Le couloir de verre1:36–1:50 · 2 plans
Néons froids, un rectangle minuscule.
07Les tribunes1:50–2:19 · 3 plans
Stade dans la brume, le contre-jour doré monte avec la foule.
08La pelouse en or2:19–2:49 · 5 plans
Le dernier refrain, l'or envahit tout.
09Les fenêtres s'ouvrent2:49–2:58 · 2 plans
L'or sort de toutes les fenêtres de la ville.
FinLa cuisine d'été2:58–3:06 · 2 plans
Un matin de juillet, la fenêtre ouverte, pieds nus.
04
Ni cinéma, ni 2026.
Le premier essai était trop propre et trop clair. Le look s'est trouvé en trois essais, regardés en grand.
Sombre, et à l'Est. La règle devient simple : presque tout est dans l'ombre, et une seule lumière dure éclaire le visage. Le décor est un futur dystopique de l'Allemagne de l'Est : grands ensembles en béton préfabriqué, béton brutaliste, lampes à vapeur de mercure bleu-vert, tour de télévision dans le brouillard, écrans noirs encastrés dans le vieux béton.
Ni cinéma. Le premier essai en lumière de cinéma est beau, mais il fait film. Nous voulons un caméscope des années 80, ou un selfie au flash.
Le choix. Le VHS pour le monde et les plans larges. Le flash direct pour les gros plans de Sofia, comme un selfie au lit ou dans le miroir de l'ascenseur. Le souvenir de la cuisine est un film de vacances en VHS. Au montage, une couche VHS légère passe sur tout le clip : noirs boueux, ombres bleu-vert, l'or seul saturé.
Ni 2026. Dehors, Sofia porte une combinaison en nylon gris-vert inspirée des tabliers de travail de la RDA : épaules carrées, col montant jusqu'à la mâchoire, harnais à boucles, longs gants en caoutchouc noir, badge blanc vierge, visière bleu électrique relevée. Pieds nus sur le béton. La nuit, un haut matelassé argenté, comme une couverture de survie. Dans la cuisine, une robe-chemise des années 70 en lin délavé.
[ Consigne, après le premier essai ]
« L'ambiance doit être sombre, en règle générale. »
[ Consigne, sur la lumière ]
« Je cherche un rendu VHS années 80 ou selfie avec flash, pas un éclairage cinéma. »
[ Consigne, sur la garde-robe ]
« Elle est trop classique. Accessoirise, et la mode ne doit pas être celle de 2026. »
Ambiance · les grands ensemblesToutes les fenêtres pareilles. Une seule est dorée.Essai n° 1 · écartéLa lumière de cinéma. Belle, mais trop film.
[ Essai n° 2 — deux pistes ]
VHS · l'image généréeDouce et terne, lumière plate de caméscope.VHS · après la passe de montageDéfinition basse, couleurs qui bavent, balayage, bruit de bande.Flash · selfie au litLumière plate et crue, fond noir, immeubles de l'Est par la fenêtre.
05
Par vagues de trois.
Aucune image n'est lancée sans accord. Chaque vague est regardée dès qu'elle arrive. On peut tout arrêter à chaque vague.
Les photos. Chaque plan a sa photo de départ : Sofia dans son décor, cadrée comme le plan. Les décors sans elle et les foules ont la leur. Elles arrivent par vagues de trois, et chacune est regardée en grand avant la suivante.
Certaines sont refaites : un téléphone qui ressemblait trop à un modèle connu, un dernier refrain sans or, des jambes trop courtes. Une plainte sur la qualité arrête tout, le temps de corriger.
Les lèvres. Avant les vidéos, un test sur une seule phrase de six secondes. Le générateur de vidéo reçoit la photo et la voix seule. La bouche suit la voix : fermée dans les silences, ouverte quand la voix sonne.
Les vidéos. D'abord, quatorze plans où elle parle face caméra, caméra fixe. Chaque vidéo ne reçoit que les mots qui commencent dans son plan. Ensuite, les plans encore faits de photos animées passent en vidéo. À la fin, chaque plan du clip est une prise de vue vidéo.
Le premier lot de photosPhotos de départ des plans, décors vides et groupes de supporters à détourer.
Test des lèvres · image par imageThe walls say good morning before I even wake. Une image tous les sixièmes de seconde, avec le mot entendu à ce moment.
[ Consigne, sur les tribunes ]
« Quand il y a les supporters, ils doivent être bien plus nombreux et bouger comme une foule. »
[ Consigne, sur la v3 ]
« Garde les mêmes concepts, mais fais bouger Sofia. Tout doit être une prise de vue vidéo. »
Plan refait · la caméra survole la fouleDes centaines d'hommes, des écharpes sombres sans lettres, la lumière d'or derrière eux.
[ Ce qui a raté, et ce qui l'a corrigé ]
Deux SofiaUne main gantée isolée au bord de la photo est devenue une deuxième Sofia. La photo a été recadrée, et la vidéo refaite n'en montre qu'une.Un sous-titre incrustéLa vidéo a écrit les paroles sur l'image. Chaque consigne interdit désormais les sous-titres en toutes lettres.Des voyageurs clonesSur le quai du métro, tous les voyageurs avaient son visage. La photo a été refaite.
06
Deux moteurs. Un même clip.
Nous avons monté le clip deux fois, pour comparer. Les deux montages ont d'abord fait leurs preuves sur un extrait de 30 secondes.
A · Notre studio interne
B · HyperFrames
Principe
Chaque image est dessinée en code sur une toile. Une scène par chapitre, dix scènes.
Une composition en HTML, montée avec les outils du moteur.
Look
Passes VHS et flash écrites sur mesure, d'après les essais validés.
Étalonnage, bande VHS, bavure, balayage et grain du moteur.
Textes
Paroles en ligne à côté d'elle. Le chant de la foule en pile, un mot par rang.
Paroles en ligne, et 35 mots clés en grand dans une zone vide de l'image.
Graphismes
Habillage technique, puis loquet, sonomètre, jauge et cadran quand la foule chante.
Habillage technique, et 50 flashs d'images de trois images chacun.
Fabrication
Un code commun à toutes les scènes. Le plan du montage relu par deux agents avant le code.
Les graphismes de 24 plans faits par six agents en parallèle.
Montage A · une image par planLes 28 plans, avec leur temps de début.
Ce qui est commun
1920 × 1080, 24 images par seconde, 4 481 images.
Paroles et gros textes en Raleway, habillage technique en Geist et Geist Mono.
Aucun cadre dessiné autour de la lumière d'or : l'or reste celui des images.
Les contrôles automatiques
229 mots sur 229 paraissent sur l'image de leur début, jamais avant.
Rien ne couvre les paroles ni le visage.
Jamais plus de trois flashs par seconde.
Les lèvres ont au plus une image d'avance sur le son, jamais de retard.
Le son et l'image ont la même durée, à l'image près.
[ Consigne, sur le premier montage ]
« Le glitch est trop gros, l'effet VHS doit être plus fin. Et les textes animés doivent avoir le grain et le glitch. »
Montage B · une image par planLes mots clés en grand : MEASURED, NEVER ASKED, BARE, DREAMS.
07
Décrire la lumière. Interdire le reste.
Les prompts sont écrits en anglais, en phrases simples. Ils décrivent ce que l'œil voit, et nomment ce qui doit manquer.
La tonalité
Concrète. On décrit des objets, des matières et des lumières : un caméscope, un flash, une lampe à vapeur de mercure, du nylon brillant.
Fidèle. Le texte d'identité est recopié mot pour mot, jamais reformulé. Une version longue sert aux gros plans, une courte aux plans larges.
Adulte. L'âge s'écrit en chiffres, avec un visage adulte décrit. Jamais young, jamais girl.
Sans nom. Aucun nom d'artiste réel, aucune marque, aucun logo.
Explicite sur l'absence. Un décor vide le dit de cinq façons. Le texte à l'image est interdit à la fin de chaque prompt.
Le même ordre, à chaque fois
Une photo de Sofia se construit toujours avec les mêmes phrases, dans le même ordre. Un script assemble les blocs : personne ne réécrit un prompt à la main.
Rôle de la référenceL'image de référence ne sert qu'au visage et aux cheveux.
LookCaméscope VHS, ou flash direct pour les gros plans.
PaletteNuit bleu-vert, l'or seule lumière chaude.
CadrageGros plan, plan moyen, place dans l'image.
IdentitéLe texte figé, version longue ou courte.
TenueCombinaison, haut argenté ou robe-chemise.
Décor et actionLe plan du storyboard, avec le rectangle d'or.
Lumière sur le visageLa lampe du caméscope ou le flash, tout le reste dans le noir.
a 28-year-old Scandinavian woman with Nordic features and fair pale skin, a grown-up oblong face, long and narrow, with high cheekbones, slim cheeks and a defined narrow jawline, never round; pale grey eyes, soft pale-brown brows, a sharp graphic eyeliner wing in electric blue on both eyes; a small, narrow mouth with thin, neat lips in matte pink, outlined with a slightly deeper pink lip liner; very pale buttery blonde hair (not platinum, not white) in a sleek, straight blunt bob that ends at her jaw, flat and smooth on top with slightly darker roots, the ends separating into fine strands that flick a little outward, and thin, wispy, see-through bangs that fall to just above her eyes; a clear in-ear monitor in her right ear with a coiled electric-blue cable running down her neck
Chaque trait est nommé, avec ce qu'il ne doit pas être : never round, not platinum, not white.
[ Le rôle de la référence ]
Image 1 is only a reference for this woman's face and hair: her eyes, brows, nose, mouth, the shape of her face and her haircut. It is never shown as a shot: do not copy its framing, its crop or its scale. Ignore the lighting, the clothes and the background of Image 1: the only light on her is the light of the scene described here.
La photo de référence est claire, prise en studio. Sans la dernière phrase, sa lumière rendait toutes les images trop propres.
[ Le décor vide ]
A completely empty place: nobody at all, no person, no figure, no silhouette, no human presence anywhere.
En tête de chaque décor sans Sofia, avant tout le reste.
[ Le look VHS ]
A frame from a 1980s VHS camcorder home video: low resolution, soft and slightly blurry, washed-out colours, muddy dark blacks, blooming highlights; amateur handheld framing, slightly tilted; not cinematic, no film look, no dramatic or studio lighting. No on-screen text, no timestamp, no date stamp.
Le défaut est voulu : flou, couleurs lavées, cadrage d'amateur. Le prompt écarte aussi la date incrustée des vieux caméscopes.
[ Le flash ]
A phone selfie taken at arm's length from slightly above, with the phone's flash firing. A candid snapshot taken at night with a direct on-camera flash: harsh flat flash, overexposed skin, glossy highlights, a hard shadow just behind her, the background falling off into black; amateur point-and-shoot framing, slightly tilted, not cinematic, no film-set lighting.
Pour les gros plans de Sofia. La première phrase ne sert qu'aux selfies : au lit et dans le miroir de l'ascenseur.
[ La foule ]
every one of them a man, no women; plain dark scarves held stretched above their heads, no clenched fists; plain dark clothes; strong backlight so their faces are dark and unreadable; no lettering, no club colours, no badges, no logos
Des supporters sans club : écharpes unies, visages dans le contre-jour, aucun poing levé.
[ La synchro des lèvres ]
Image 1 is the shot: keep its framing, the set, the light and the warm golden window-shaped patch of light exactly as in Image 1; the camera stays locked off. Audio 1 is her own voice and the whole soundtrack. She says these words, her lips in sync with Audio 1 word by word: "The walls say good morning before I even wake" A flat, bored, deadpan delivery; she lies still and recites; at most one slow blink. Her mouth rests closed whenever Audio 1 is silent. One woman only, natural anatomy. No music, no other voices. Never show the words as subtitles or captions: no text of any kind appears on screen.
La vidéo reçoit la photo du plan et la voix seule. La caméra reste fixe : les mouvements se font au montage.
[ Une vidéo sans voix ]
Image 1 is the shot: keep its framing, the set and the light of Image 1; the camera stays locked off, mist drifting. She keeps moving the whole time: she slowly turns her head to look up over her shoulder at the terraces behind her, holds there, then turns back toward the lens, breathes deeply, her hair moving. Behind her the packed crowd of men sways and waves plain dark scarves above their heads, a sea of moving bodies; the warm golden light on the steps behind them slowly grows brighter. One woman only. No sound. Never show any words, subtitles or captions: no text of any kind appears on screen. Motion is clearly visible from the very first second. Keep the cold, murky 1980s camcorder look of Image 1.
Le plan 18, dans les tribunes. La consigne ne parle ni de chant ni de bouche : elle décrit un geste.
[ Le style de la chanson ]
Deadpan female spoken-word vocal over hard techno: a youthful, bored, jaded woman's voice reciting every lyric in a flat monotone, laid-back like a calm rap flow on the beat, barely following the melody, close and dry, every word crisp, no vocoder, no reverb. She alone delivers every lyric; male voices appear only as a group crowd chant in the breakdown and under the final chorus, never solo. 150 BPM, minor key, 4/4. Very short intro: her voice starts almost at once.
Le début du style retenu. La suite décrit les basses, le breakdown et la fin chuchotée.
[ Ce que la chanson exclut ]
male lead vocal, male solo vocal, duet, male verse, belting, soaring vocals, vibrato, melisma, operatic, gospel, autotune, vocoder, mumbled vocals, slurred vocals, aggressive rap, trap, rock guitar, acoustic guitar, lo-fi, big room EDM, dubstep, happy major key, children's choir, childlike voice
Les voix d'homme ne sont pas exclues en bloc : cela aurait supprimé le chant de la foule.
Le prompt complet, et son imageLa photo de départ du plan 6, sur l'esplanade. Tous les blocs sont là, dans l'ordre.
[ Plan 6 — le prompt assemblé ]
Image 1 is only a reference for this woman's face and hair: her eyes, brows, nose, mouth, the shape of her face and her haircut. It is never shown as a shot: do not copy its framing, its crop or its scale. Ignore the lighting, the clothes and the background of Image 1: the only light on her is the light of the scene described here.
A frame from a 1980s VHS camcorder home video: low resolution, soft and slightly blurry, washed-out colours, muddy dark blacks, blooming highlights; amateur handheld framing, slightly tilted; not cinematic, no film look, no dramatic or studio lighting. No on-screen text, no timestamp, no date stamp. Night, cold blue-green mercury-vapour light; the warm golden window-shaped light is the only warm light in the frame. Medium wide shot, she stands on the left third. She is a tall, slender 28-year-old Scandinavian woman, 1.73 m with long legs and adult proportions, her head about one eighth of her height, fair pale skin, a sleek jaw-length very pale blonde bob with thin wispy bangs, an electric-blue eyeliner wing and a clear in-ear monitor with a coiled electric-blue cable. She wears a glossy grey-green nylon jumpsuit inspired by East German nylon workwear, with sharply squared, exaggerated shoulders and a high stand-up collar up to her jaw (never covering her mouth), a black harness belt with small metal buckles, long black rubber gloves, a blank white ID badge clipped to the chest with nothing written on it, an electric-blue visor pushed up on top of her head with her bangs still visible, a thin metal choker, wide trousers rolled at the ankle, barefoot; no logos, no lettering. Standing barefoot on a vast wet concrete plaza at night between rows of East-German-style prefabricated concrete housing blocks, cold mercury-vapour lamps in the fog behind her, empty all around; she stands inside a warm golden patch of summer sunlight shaped like a window with its cross bars lying on the wet ground, an impossible warm light in the cold night. She looks into the lens. The flat, harsh light of the camcorder's own lamp hits her from the front; everything behind her falls into murky darkness. An adult woman with natural anatomy, hands with five fingers. Strictly no text anywhere in the image: no letters, no words, no numbers, no labels, no logos, no watermark.
[ Ce que les prompts ont appris ]
Une phrase de trop fait apparaître des inconnues.La phrase An adult woman with natural anatomy fermait tous les prompts. Elle a mis une femme dans les décors vides, et une femme dans le groupe d'hommes. Elle ne sert plus qu'aux photos de Sofia.
Le texte seul ne tient pas un visage.Deux essais avec le texte seul ont donné deux femmes différentes. Avec le visage de référence, c'est toujours Sofia.
Un long portrait recadre sur le visage.Avec le texte long, le générateur la cadre de près. Pour les plans larges, un texte court donne sa taille et ses proportions.
Parler de chant fait chanter.Même avec lips closed, la vidéo la faisait chanter avec la foule. La consigne qui marche décrit un geste : elle se retourne vers la foule, puis revient vers nous.
Un détail au bord de l'image devient un personnage.Une main gantée isolée a créé une deuxième Sofia. On corrige la photo de départ, pas le prompt.
Ce qui doit manquer s'écrit en toutes lettres.Sous-titres, logos, couleurs de club, date du caméscope : tout ce qui est interdit est nommé.
[ Ce que nous retenons ]
Une méthode. Des contrôles.
Les générateurs font les images. La méthode fait le clip.
Le journal
Chaque décision écrite
Mot pour mot, avec sa raison. Une décision nouvelle s'ajoute, aucune ne se réécrit.
La validation
Un accord avant chaque lot
Puis chaque image regardée en grand avant la suivante.
Le texte figé
Une identité, mot pour mot
Avec un visage de référence, dans chaque prompt de Sofia.
Le montage
Des contrôles automatiques
Chaque mot sur son image, aucun flash dangereux, le son calé à l'image près.
