Reprise du message précédent :
ha, oui puis le benchmark automobile, important
 

Un nouveau venu

https://x.com/fal/status/2110795863861674073

juste pour tester, comme çà....  

'tite série SF, ça faisait longtemps, toujours Kroma
 
les textures sont un peu cramées, mais j'aime bien les compositions.
 
faudrait une 2ème passe avec un autre modèle peut-être
 







 

Bien la petite série vintage avec les voitures.  
Sur l'espace, la 5 est ouf avec ce point de vue planète/astronaute
 
Pour ne pas te laisser seul, quelques images lambda.
 

pour faire suite à l'annonce d'Elon Musk de cette nuit avec son nouveau Tesla Roadster volant équipé de propulseurs développés par SpaceX
https://x.com/elonmusk/status/2110913107094606330?s=20

C'est du image to image, tu lui as balancé les images de la version actuelle du Roadster présenté cette nuit ?

oui et ce matin à la première heure je n'avais que 3 pauvres images à donner pour compléter le prompt

on voit que c'est de l'IA les plaques sont pas raccord avec les modèles de voiture  

etant amoureux de SF, j'aime bien ce type de rendu.   . c'est indiscret de savoir comment vous réalisez cela ? prompt imaginaire ? rendu banana ou plutôt local ?.

 
double actu en une planche

au moins, avec le roadster, je ne suis pas ennuyé par les plaques....    
 

c'était un test de Kroma, entraîné sur Krea2, donc oui, c'est un modèle local.
 
Pour les prompts, je demande à chatGPT de me génèrer une série de prompts sur un thème, et, certainement basé sur l'historique des conversations de mon compte, me sort des trucs du genre :
 

 
sur ce prompt, Kroma sort ça:
 

 
autre prompt ChatGPT

 
Krea2 turbo ce coup là:
 

 
 
edit: mon prompt pour ChatGPT
 

Pour les ceusses qui veulent faire de la génération locale avec un modèle pas trop gourmand, Moss Image à l'air pas mal.
 
https://www.reddit.com/r/StableDiff [...] n_rtx5060/
 
https://huggingface.co/Comfy-Org/MOSS-Image

test rapide de Moss Image avec les prompts que j'avais sous la main
 
(clickable)  
 


 

, MOSS très rapide vs Krea2 ou Kroma sur ma 9070XT à résolution et prompt identiques. (moins d'1 mn pour MOSS)

Test d'image-to-video :
 
Image source :

 
Vidéo (lien cliquable) :

 
Franchement je trouve ça propre !
 
J'allais décrire ma stack mais finalement Claude a fait le travail directement avec le BBcode donc bon (c'est limite un tuto d'ailleurs)
 
Vidéo IA en local sur une RTX 5070 Ti 16 Go : LTX-2.3 (image + son), retour d'expérience
 
TL;DR : 5 à 15 s de vidéo en 720p avec le son (bruitages, voix, dialogues synchronisés, même en français), à partir d'une simple image, en 3 à 6 minutes sur une carte de 16 Go. La clé, c'est d'avoir 64 Go de RAM.
 
Config
- GPU : RTX 5070 Ti 16 Go (Blackwell)
- RAM : 64 Go DDR4 (indispensable, voir plus bas)
- Stockage : ~45 Go pour les modèles, sur SSD de préférence
- Logiciel : ComfyUI (installé via Stability Matrix), version récente (0.21+), aucun nœud custom nécessaire
 
Modèles à télécharger
- ltx-2.3-22b-distilled-fp8.safetensors (29,5 Go) -> models/checkpoints
- gemma_3_12B_it_fp4_mixed.safetensors (9,5 Go) -> models/text_encoders
- ltx-2.3-spatial-upscaler-x2-1.1.safetensors (1 Go) -> models/latent_upscale_models
 
Workflow
Partir du template officiel : Template Library > Video > LTX-2.3 I2V (ou T2V). Deux modifs pour 16 Go :
1. Remplacer le checkpoint dev-fp8 par le distilled-fp8 (dans les 3 loaders : checkpoint, audio VAE, text encoder).
2. Bypasser (Ctrl+B) le nœud LoRA « distilled » : il ne sert à rien avec le checkpoint distillé (8 pas, CFG 1).
Le workflow génère en demi-résolution puis upscale x2 dans l'espace latent : c'est ce qui le rend jouable sur 16 Go.
 
Temps mesurés (720p, 25 i/s)

Le premier rendu prend ~1 min de plus (chargement des modèles). Au-delà de 15 s, je n'ai pas trouvé de solution propre.
 
Pourquoi 64 Go de RAM ?
ComfyUI ne met pas tout le modèle (22B, ~25 Go) dans la VRAM : il le garde en RAM et l'envoie à la carte par morceaux (« dynamic VRAM »). La VRAM est donc toujours pleine (c'est normal), et la RAM monte à ~60 Go pendant le chargement, quelle que soit la durée. Avec 32 Go, ça ne passe pas. Fermez le navigateur et les jeux pendant un rendu.
 
Écrire le prompt (le plus important)
- En anglais (sauf les répliques, voir plus bas).
- Un seul plan, des actions minutées : « 0-2s: ..., 2-4s: ..., 4-6s: ... ». Une action toutes les 2-3 s, sinon la fin de la vidéo traîne.
- Des verbes observables : « she tucks her hair behind her ear » plutôt que « she moves gracefully ».
- La caméra : static shot, slow push-in, camera tracks alongside...
- Une lumière cohérente avec l'image de départ.
- Le son à la fin : « Audio: wind, footsteps, distant eagle cry ».
- Les dialogues entre guillemets : « says in French, in a small excited voice: "L'aventure nous appelle !" ». 6-8 mots pour 2 s, et le personnage doit être immobile et face caméra pour que la synchro labiale soit visible. Le français marche très bien.
- JAMAIS de négation (« no text », « avoid subtitles »...) : avec CFG 1, il n'y a pas de prompt négatif, et le modèle fait apparaître ce qu'on nomme. Résultat garanti : du faux texte incrusté dans l'image. Décrivez seulement ce que vous voulez voir.
 
Exemple (image de départ : une souris en cape sur une falaise, 10 s)

 
Ce qui n'a PAS marché
Générer à 12 i/s puis interpoler à 24 i/s (RIFE) pour doubler la durée : c'est rapide (20 s en 5 min), mais le résultat est horrible. À 12 i/s, LTX génère déjà des mains étalées et floues (traînées de mouvement), et l'interpolation ajoute du dédoublement. Ça n'a rien à voir avec la Frame Generation du DLSS : dans un jeu, le moteur fournit les vecteurs de mouvement exacts et part de 60 i/s. Ici, RIFE devine tout à partir d'images déjà floues. À éviter.
 
Pistes à suivre
- LTX-2.5 (sorti en août 2026) : la doc annonce 16 Go minimum, mais ComfyUI recommande 32 Go. À tester.
- Les versions NVFP4 de LTX-2.3 : environ deux fois plus légères que le FP8, et accélérées nativement sur les cartes Blackwell (série 50).

Quel modèle tu as utilisé?

J'ai édité mon post

Edit : franchement j'avais laissé ça de côté mais ça a grave bien évolué, pour le même prix on a le son, la musique, des VFX et surtout des dialogues avec du lip sync

Bon, je m'en sers pas beaucoup avec ce genre d'animaux mais plus un autre félin, et ça fonctionne très bien

Curieux de voir d'autres exemples (photo + vidéo produite), en mp si nécessaire  

Je vais créer une page avec un tuto et toutes mes expérimentations

il est plus lourd LTX 2.5 ?
 
comme il est sorti en même temps que Minimax il s'est retrouvé un peu éclipsé

Tuto (plus lisible) : https://super-h.fr/tutos/ltx-2-3-video-ia-locale-16-go

Merci pour le partage  

Avec plaisir
 
Je précise pour ceux qui veulent tester : il faut 64 Go de RAM (je parle pas de VRAM hein). Ça doit être possible avec moins mais vla le swap même sur du NVMe... Mais à tester, et si quelqu'un se dévoue qu'il partage et je compléterai le tuto (avec une citation bien entendu)...

pour les infos.
Je testerai sur ma conf, je tourne actuellement avec des stages de 15s (en i2v ou t2v - mais je n'ai pas le modèle en tête - Minimax H3 ?), fusionnés (j'ai déjà été à 90s, pas au delà) avec une résolution de minitel, mais ça marche. Je testerai avec tes instructions et les modèles ComfyUI cités. Tout ça avec ma 9070XT, 64Go de ram et rocm10.1+pytorch2.14, cachyos
 
EDIT: wan 2.2 actuellement

 
 
Ca sent l'entrainement catalogue de la redoute

Super tuto  

Il me semble pas avoir vu passer ce clip ici, mais si c'est le cas il faut reparer cela :
 
Terrible ment parfait  

 
ClaudiaGI - C'est de l'IA
https://www.youtube.com/watch?v=D-VaEIHanQA

J'adore

Oui, c'est très réussi !

Le boulot est conséquent, mais le visage de la fille est différent à chaque plan, ça tue un peu le concept je trouve

Je trouve pas, le personnage est réussi et les changements de plan me choquent aucunement, modulo des changements de style oui, non ça rend vraiment super bien, la synchro labiale est top, à peu près tout le tps, pas grand chose à dire
 
Super boulot du gars, et quand je vois les com sur son boulot (sur reddit), il épate pas mal son petit monde
 
Quelques petits défauts qd même, après X visionnages on voit certains petits couacs dans l'arrière plan/figurants, notamment sur les plans qui durent un peu longtemps.
 
Il mérite d'être reconnu pour son boulot le gars, une bien belle réussite

C'est pas mal
La synchro labiale est plutôt de très bonne facture, même si on remarque un petit décalage très léger à certains moments
Par contre ouais sur les plans la tête et l'éclairage/texture de la peau on voit que c'est de l'IA , encore ce côté trop lisse trop parfait je trouve
Mais entre will Smith et les pâtes il y a 4-5 ans et ça, on avance à vitesse folle

Et bah, tiens, un nouveau tube de Claudia ce matin, pour le petit dej
 
https://www.youtube.com/watch?v=nZnGvNsB1yg
 
Clip et chanson encore fort réussis.
 
Vivement sur Spotify

Les paroles …  
On est vraiment sur du prompt IA en 10 secondes.
 
Y a pas de travail en fait. C’est ce qui manque un peu à cette nouvelle génération de création.

enfin un commentaire censé.  
J'espère vraiment que les commentaires sous les vidéos sont aussi des IA parce que ça fait flipper