Modèles IA vidéo gratuits : lequel choisir

La réponse en une phrase : Wan 2.2 pour la qualité de mouvement, LTX-2 si vous voulez le son avec l’image, Wan 2.1 1.3B si votre carte graphique est modeste.

Un avertissement d’abord. Les modèles vidéo de Tencent — HunyuanVideo et ses variantes — sont souvent cités comme les meilleurs modèles ouverts. Leur licence communautaire définit pourtant son territoire comme « le monde entier, à l’exclusion de l’Union européenne, du Royaume-Uni et de la Corée du Sud ». Depuis la France, vous n’êtes pas censé les utiliser, même sans but commercial. C’est pourquoi ils ne figurent pas ici.

LTX-2 — Lightricks

• À quoi il sert : Générer une vidéo et son audio en même temps, dans un seul modèle. C'est sa singularité.
• Ce qu’il fait bien : La vitesse, et le son synchronisé qui évite tout le travail de post-production que Wan impose.
• Ce qu’il fait mal : Il demande davantage d'ajustement de prompt. Sur l'animation d'une image fixe, il a longtemps produit des artefacts caractéristiques — image qui bouge à peine, ou faux travelling lent tenant lieu d'animation. Il adoucit les micro-textures quand la scène s'agite, et peine sur les mouvements de caméra complexes.
• Il tourne sur : 24 Go de VRAM.
• Licence : Usage commercial gratuit sous un seuil de chiffre d'affaires annuel fixé par l'éditeur ; licence payante au-delà.

Wan 2.1 T2V 1.3B — Alibaba

• À quoi il sert : La même idée que Wan 2.2, dans un format assez léger pour une carte graphique ordinaire.
• Ce qu’il fait bien : La porte d'entrée de la vidéo locale — 1,3 milliard de paramètres, ça tient là où le reste ne tient pas.
• Ce qu’il fait mal : La contrepartie de la taille — moins de détail, mouvements plus simples, et la même absence de son que le reste de la famille.
• Il tourne sur : 8 Go de VRAM.
• Licence : Apache 2.0 — usage commercial autorisé.

Wan 2.2 — Alibaba

• À quoi il sert : Générer une vidéo depuis un texte ou une image.
• Ce qu’il fait bien : La cohérence du mouvement et le respect du prompt. Le modèle ouvert le plus éprouvé en local, et celui qui tient le mieux les micro-textures quand la scène s'agite.
• Ce qu’il fait mal : Aucun son — il faut ajouter l'audio après coup, à chaque fois. Et la génération est plus lente que celle de ses concurrents.
• Il tourne sur : 24 Go de VRAM pour la version 14 milliards de paramètres.
• Licence : Apache 2.0 — usage commercial autorisé, sans condition. Le plus permissif de la catégorie.

Retour au sommaire de tous les modèles.