Avec Gemini, j’ai généré trois séquences d’avatar numérique, puis je les ai montées de manière semi-manuelle avec Codex. J’ai ainsi créé une vidéo de 39 secondes sans faire appel à l’API d’un modèle de génération vidéo.

Le principal défaut de la première version n’était pas la qualité d’image, mais le manque de naturel de la synchronisation labiale lorsque l’avatar parlait en plein écran, ainsi que les détails des mains qui trahissaient le rendu.

Après quelques ajustements, j’ai raccourci les passages où l’avatar parlait en plein écran et davantage utilisé des visuels accompagnés de texte pour faire passer le contenu, en évitant les plans où les mains posaient problème. Le résultat est plus agréable à regarder, mais cela ne signifie pas que la synchronisation labiale a été réellement corrigée.

Ce que j’en retiens : avec une solution à petit budget, il n’est pas nécessaire de montrer l’avatar numérique à l’écran en permanence. Il faut d’abord déterminer quels problèmes peuvent être atténués au montage, puis décider s’il est nécessaire de refaire les séquences.