La référence vers vidéo (Reference-to-Video, R2V) est une technique d’IA générative qui s’appuie sur une ou plusieurs images de référence pour guider la génération vidéo — non pas comme première image littérale, mais comme ancre d’identité. Le modèle étudie vos références (le visage d’un personnage, le design d’un produit, un style graphique) et génère de nouvelles scènes où cette identité reste constante.
Référence ou première image
C’est la distinction clé avec l’image vers vidéo :
- L’image vers vidéo traite votre image comme plan d’ouverture. La vidéo commence exactement là.
- La référence vers vidéo traite vos images comme la définition de l’apparence des choses. Le modèle peut alors placer ce personnage ou ce produit dans une scène, un angle ou une action entièrement nouveaux, décrits par votre prompt.
En bref : l’I2V prolonge une image ; la R2V la distribue dans un rôle.
(« R2V » est simplement l’abréviation de reference-to-video — vous la verrez aussi écrite reference2video ou ref-to-video.)
T2V, I2V et R2V en un coup d’œil
| Mode | Votre entrée | Ce que le modèle en fait | Idéal pour |
|---|---|---|---|
| Texte vers vidéo (T2V) | un prompt écrit seulement | le brief créatif complet | des scènes entièrement nouvelles |
| Image vers vidéo (I2V) | une image (plus une dernière image optionnelle) | le plan d’ouverture littéral | animer une image que vous avez déjà |
| Référence vers vidéo (R2V) | un jeu d’images, de clips et d’audio | des ancres d’identité et de style | des personnages, produits et séries cohérents |
Pourquoi c’est important
La cohérence est le problème le plus dur de la vidéo IA. Générez deux fois « une fille aux cheveux roux en imperméable jaune » à partir du texte seul et vous obtiendrez deux filles différentes. La référence vers vidéo règle ce problème :
- Cohérence des personnages — gardez le même protagoniste d’un plan, d’une scène et d’un épisode à l’autre.
- Fidélité produit — montrez votre vrai produit sous de nouveaux angles, dans de nouveaux environnements.
- Continuité de style — portez un style d’illustration ou une identité de marque sur toute une série.
Conseils de prompt
Donnez au modèle des références nettes et bien éclairées qui montrent clairement le sujet. Laissez ensuite le prompt faire la mise en scène : nouveau décor, nouvelle action, nouvelle caméra. Dites ce qui doit changer — les références disent déjà ce qui doit rester. Plus de détails dans notre guide d’écriture de prompts.
La référence vers vidéo sur Molyin
Sur Molyin, la référence vers vidéo est un mode standard de toute la gamme vidéo, pas la fonction d’un seul modèle. Budget de références par génération :
| Modèle | Budget de références | Notes |
|---|---|---|
| Seedance 2.5 / 2.0 | jusqu’à 9 images + 3 clips vidéo + 3 pistes audio | les références audio peuvent piloter la voix ou la musique |
| Wan 3.0 | jusqu’à 10 images + 5 vidéos + 5 audios | référence tout-en-un avec une sortie jusqu’à 30 secondes |
| Wan 2.7 | jusqu’à 5 images et vidéos combinées | pas d’emplacement de référence audio |
| MiniMax H3 | jusqu’à 9 images + 3 vidéos + 3 audios | clips de référence plafonnés à 15 secondes au total |
| Kling 3.0 | 2 à 4 images d’éléments | casting par éléments nommés |
| FLUX 3 | 3 à 10 images clés | sémantique de storyboard — les images clés fixent des instants dans le temps plutôt qu’une identité |
Choisissez un modèle, déposez vos références et mentionnez-les dans le prompt (« @Image1 traverse la ruelle de @Video1 ») pour diriger le plan.