Le texte chinois dans les vidéos reste flou. Dreamina a confié la composition au code

Toutes les personnes qui produisent des vidéos pédagogiques connaissent la même douleur. L'image a beau être soignée, le texte à l'intérieur reste flou. Un titre de trois caractères dérive vers six, les indices d'une formule se décalent, une étiquette de données devient un autre nombre dès la deuxième seconde. Pour obtenir des sous-titres nets, tout le monde finit par faire la même chose : garder l'image générée comme fond, ouvrir CapCut et empiler du vrai texte, calque par calque.
Le studio d'animation lancé par Dreamina le 10 novembre, Motion Studio, prend un autre chemin. Il ne génère pas des images successives, il fait écrire du code au modèle, et ce code organise la mise en page, l'ordre d'apparition et le rythme des textes, des images et des formes. La formule officielle : décrire une idée en mots, compiler le visuel par le code.
Cela ressemble à un slogan, mais le sens technique est clair. Le texte est rendu par un moteur de mise en page, pas peint par un modèle de diffusion. Un caractère peint est flou, un caractère composé ne l'est pas.
Une vidéo de 60 secondes : 8 minutes 30, 82 crédits
Commençons par le coût, car c'est lui qui décide si l'outil entre dans un flux de travail quotidien.
Motion Studio s'ouvre aujourd'hui en se connectant à Dreamina dans un navigateur de bureau, par l'entrée à gauche de la page d'accueil. On y règle le format et la durée, l'estimation en crédits s'affiche avant la génération, et le fichier final se télécharge directement. Dreamina n'a pas publié de tarif propre à cette fonction, tout passe par des crédits.
Les mesures de Jiqizhixin sont précises : une vidéo explicative de 60 secondes a demandé environ huit minutes et demie et 82 crédits, une vidéo de 3 minutes environ 13 minutes. Le rythme ressemble à « va te faire un thé, reviens corriger la deuxième version ». Un clic et c'est prêt, non.
Cette attente est raisonnable, parce que l'outil fait plus que générer une séquence. Le pipeline comprend d'abord la compréhension de l'intention et la planification, puis la génération séparée de la voix et de l'image, le compositing et le rendu, enfin une vérification du fichier final. Quatre étapes dans un clic : huit minutes et demie, ce n'est pas lent.
Pourquoi la génération image par image perd sur le chinois
Pour saisir l'intérêt de cette approche, il faut admettre un fait : quand un modèle vidéo dessine du chinois, il dessine des formes, il n'écrit pas.
Un modèle de diffusion produit du texte par distribution de pixels. Les glyphes présents dans les données d'entraînement peuvent être imités, les combinaisons inédites sont devinées. Les mots anglais sont courts, comptent peu de lettres et reposent sur des combinaisons fréquentes, ce qui passe encore. Un caractère chinois est à lui seul une structure complexe, dense en traits et en composants, et le modèle n'a pas la notion de caractère, seulement celle de cette zone qui devrait être de l'encre. Résultat : de loin on lit un mot, de près c'est faux.
Voilà pourquoi tant de miniatures de vidéos IA semblent haut de gamme jusqu'au zoom, qui révèle un gribouillis. Voilà aussi pourquoi les équipes chinoises qui produisent des micro-drames IA ou des vidéos de présentation IA finissent par revenir au logiciel de montage pour retaper les sous-titres. Ce n'est pas une question de goût : la méthode de génération ne correspond pas à l'objet.
Motion Studio remplace précisément cette couche. Le texte passe à une composition par code : police, corps, graisse, interlignage et retours à la ligne sont fixés par des règles, et le modèle décide seulement quand l'élément apparaît, d'où il entre et combien de temps il reste. La répartition change, et le flou disparaît à la racine.
Ce que la composition par code règle, et ce qu'elle ne règle pas
Elle règle la netteté et le contrôle. Titres, formules, étiquettes de données, tout ce qui exige un glyphe défini dispose désormais d'un chemin de rendu défini. C'est particulièrement important pour le contenu chinois, dense en information, avec beaucoup de caractères par écran et peu de marge d'erreur.

Le contrôle compte davantage. La génération image par image est un tirage : vous voulez le titre qui glisse depuis la gauche à la troisième seconde, le modèle le fait apparaître en fondu par le bas, et trois nouveaux tirages coûtent cher. La composition par code est reproductible : changez un paramètre, seul ce paramètre bouge, le reste ne suit pas. Les retouches suivent la même logique, on corrige la partie fautive sans refaire toute la vidéo.
Ce qu'elle ne règle pas, c'est l'exactitude du contenu. Le test de Jiqizhixin le dit sans détour : dans une démonstration sur l'évolution des caractères chinois, la première version contenait des glyphes erronés, corrigés seulement après fourniture de références. Le code garantit que les caractères sont bien composés, pas qu'ils sont correctement écrits. Sur des sujets techniques, des caractères rares ou de la terminologie, il faut encore tout visionner image par image.
J'ajoute un jugement personnel : beaucoup de gens manqueront cette limite. Plus un outil est facile, plus on suppose que sa sortie est juste. Motion Studio résout le fait qu'on ne dirait pas de l'IA. La question restante, on dirait fait par un humain, ne le concerne pas.
Son vrai rival n'est pas Seedance
En termes de positionnement, Motion Studio et la gamme Seedance ne se substituent pas. Seedance vise le proche du tournage réel : lumière, matière, mouvement naturel. Motion Studio travaille le graphisme et la mise en page, avec l'accent sur le style, le rythme, l'accord du son et de l'image. L'un fabrique des plans, l'autre compose une page.
Le vrai rival, c'est la bibliothèque de modèles de CapCut, et les flux de travail qui combinent Canva ou Figma avec une composition manuelle. Ces outils répondent au même besoin : je veux un clip court, rythmé, avec un texte lisible et une musique adaptée. Leur force est la certitude, leur faiblesse est qu'il faut tout monter à la main chaque fois.
Motion Studio attaque par une phrase qui entre et une structure qui se monte seule. Donnez un nom, l'outil assemble l'architecture explicative, le rythme du récit et la voix. Côté modèles, on trouve animation de caractères, pixel rétro, animation géométrique et collage créatif, avec des langages visuels allant de l'abstraction géométrique à l'ASCII, au pop et au Y2K. La sélection remplit des prompts d'exemple, on change le thème, le texte, les couleurs, et on peut importer ses propres éléments.
Cette combinaison convient à un type de contenu en particulier : l'explication. Les vidéos de savoir vibe qui circulent sur Douyin et Bilibili, qui transforment l'entropie ou l'auto-amélioration récursive en animation narrée et musicale, sont exactement la cible. Forte densité d'information, besoins visuels clairs, aucune texture de tournage : le cas où la génération image par image est la moins rentable et la composition par code la plus rentable.
La studialisation : emballer le flux de travail en produit
Avant Motion Studio, Dreamina a lancé le 26 octobre un studio de micro-drames, et annonce un studio marketing pour l'e-commerce et les marques.
Les trois studios, côte à côte, dessinent une logique simple : vendre un résultat par usage plutôt qu'une capacité par modèle. L'utilisateur n'a pas à connaître la différence entre Seedance et un moteur d'animation, il lui suffit de savoir qu'il veut une micro-drame, une explication ou une image produit. Le produit absorbe le reste.
C'est le choix commun des outils vidéo chinois cette année. Les écarts de capacité se resserrent, et celui qui propose le chemin le plus court, avec moins de changements d'écran et moins d'allers-retours d'export, reste. Motion Studio compresse en un clic les quatre ou cinq étapes d'avant : le modèle écrit du code, le navigateur l'exécute, on enregistre l'écran, on exporte, on ajoute voix et musique.
Ce qui ne me convainc pas encore
D'abord, huit minutes et demie pour 60 secondes reste lent pour de la production en volume. Les équipes qui sortent des dizaines de vidéos par jour devront lancer plusieurs tâches en parallèle ou réserver l'outil aux pièces importantes.
Ensuite, la transparence des crédits est insuffisante. Voir une estimation avant de générer est une bonne chose, mais la valeur de 82 crédits dépend du forfait acheté, ce qui rend le coût par vidéo difficile à établir au moment de planifier.
Enfin, le point le plus concret : les vidéos d'animation issues de modèles se ressemblent vite. Quand les jeux géométrique, ASCII et Y2K se répandent, le spectateur reconnaît l'outil en trois secondes. La plateforme donne un point de départ, la différenciation reste à ajouter.
Si vous voulez essayer, commencez par une explication de 60 secondes sur un sujet que vous connaissez et que le modèle ignore, par exemple un processus interne à un secteur. Vous verrez deux choses d'un coup : si la composition est vraiment nette, et à quel point le contenu peut se tromper.
Articles associés
Une feuille de calcul communautaire de clics pour couper les publicités des Android chinois
Il ne touche pas au système, ne déverrouille rien, ne flashe rien. Il bascule un à un les interrupteurs que les fabricants ont déjà prévus. Le prix à payer, c'est la liste qu'il faut continuer d'écrire.
GPT Image 2.6 a tenu le prix des tokens et fait monter la facture
GPT Image 2.6 reprend chaque tarif au token de 2.5 et coûte malgré tout plus cher par image, parce qu'une part plus grande du travail se paie en tokens de sortie. Onze jours après le lancement, la grille tarifaire dit plus que le classement.
Quelqu'un a reconstruit IDM de l'extérieur et a écrit ce qu'il n'a pas touché
Une réimplémentation en Rust d'Internet Download Manager revendique 5 fois la vitesse et 86 langues. Le document le plus intéressant est le paragraphe qui explique comment elle a été construite sans rien copier.
Rune est un framework UI Rust conçu pour qu'un agent puisse vérifier son propre travail
Rune rend en headless, vide son arbre d'éléments et accepte des entrées scriptées, ce qui donne à un agent de codage un signal différable qu'aucune capture d'écran ne fournit. Le framework est en préversion et n'accepte pas de pull requests.