Le 30 octobre, j'ai regardé le film de notre page « Notre histoire » et je me suis dit qu'il ne vendait rien. Il était joli. Il ne disait pas ce qu'on fait. J'ai demandé un autre film, avec une seule condition : qu'il soit fait par Orazaka, notre moteur d'IA. Pas par un service en ligne, pas à la main. Si on dit que nos logiciels montrent leur travail, le film devait le montrer lui aussi.
Trois jours plus tard, il était fini, et il remplace l'ancien sur krizaka.com à la prochaine mise en ligne du site. Ce chapitre raconte comment il a été fait, ce qui a raté en route, et ce que chaque raté nous a laissé. Il fait suite au chapitre 4, où notre premier film était beau et raté.
Comment c'est fait
- Modèle
- FLUX.2 [klein] 4B key frames, Wan 2.2 I2V A14B (4-step distill) clips, ACE-Step 1.5 XL turbo music · Apache-2.0 (FLUX.2 [klein] 4B, Wan 2.2) and MIT (ACE-Step)
- Moteur
- Orazaka Studio on dev.orazaka.com, rented GPUs (B200 and H100 for the stills, H200 for the clips and the music)
- Machine
- hébergé par le fournisseur (pas notre machine)
- Via
- Orazaka Studio for every picture, clip and the music; the cut, the grade and the titles assembled outside it from an edit decision list
- Taille
- 1920×1080, 31.5 s, shown here at 1280×720
- Durée
- non enregistré
- Coût
- 15.83 US$ (le prix du fournisseur)
- Run Sovkora
- non enregistré
- Note
- 7 shots, 12 clips rendered (about 114 s and $0.25 each on an H200), 2 lost to a broken upscaler. GPU spend of the whole film, read from the provider's balance before and after each batch: about $15.83, failures included. Titles set in @krizaka/fonts, no speech.
L'intention : montrer son travail
La phrase existait déjà sur notre site : un logiciel devrait montrer son travail. Le film devait la porter sans un mot. Pas de voix, pas de narrateur, des titres posés à la main dans nos propres polices. Le premier scénario, sorti du module de scénario d'Orazaka, faisait 36 secondes et neuf plans. Il avait de belles images et trop d'idées : un faucon, des pigeons, des oiseaux en formation, des noms de produits joués par des personnes.
Avant de tourner quoi que ce soit, je l'ai fait relire par quatre agents, chacun dans un rôle : la marque, le marketing, ma voix et ce blog, la direction artistique. Ils ont coupé beaucoup. Il est resté trois animaux, un par promesse : le hibou qui lit, le castor qui tient la boutique, le canard qui fait tourner le moteur. Une seule journée de fin octobre après la pluie, une seule optique, un seul étalonnage. Au bout, sept plans et 31 secondes.
La chaîne
- Fiches de référence (FLUX.2 [klein])Le hibou, le cahier, le castor et le canard, dessinés une fois, choisis à l'œil.
- Images clés (7 plans × 3 prises)Chaque plan est rendu avec ses références, pour que le hibou du plan 3 soit celui de la fiche.
- Critique (avant la vidéo)Chaque image est relue. Trois plans sont refaits.
- Vidéo (Wan 2.2 A14B, 4 étapes)Une image devient un plan de cinq secondes. Le prompt ne décrit que le mouvement.
- Bobine des transitions (avant le montage)Chaque coupe seule, 1,5 seconde de chaque côté, pour juger les raccords.
- Montage (titres, musique)La liste de coupes, un étalonnage, nos polices, une musique générée.
Les fiches de référence
Un modèle d'image ne se souvient de rien d'une image à l'autre. Si on lui décrit « un hibou » sept fois, on obtient sept hiboux. Alors on a d'abord rendu une fiche par personnage avec FLUX.2 [klein] 4B : le hibou, le castor, le canard, et le cahier, ouvert et fermé. Pour voir ce que ça change, on a aussi rendu les plans sans les fiches. Le hibou du plan 3 avait poussé des aigrettes et pris une face fauve. Le castor du plan 4 n'était plus le même. Les fiches ont eu une deuxième version : notre hibou dessiné a des aigrettes et de grands yeux ronds, et celui de la première fiche n'en avait pas. On a pris un petit-duc maculé gris, un hibou qui vit à Montréal et qui ressemble au nôtre.
Les images clés
Sept plans, trois prises chacun, chaque prise rendue avec ses fiches. Puis une critique, image par image, avant de payer la moindre vidéo. Trois plans ont été refaits. Dans le salon de barbier, les trois prises avaient des affiches couvertes de fausses lettres. À côté du canard, l'écran du portable montrait des lignes de texte et quelque chose qui ressemblait à un logo ; on l'a refait vu de dos. Dans le dernier plan, chaque prise avait un deuxième pied de lampe, juste là où devait aller le carton de fin. Une prise du hibou avait aussi viré au brun ; on a gardé celle qui restait grise.
Comment c'est fait
- Modèle
- FLUX.2 [klein] 4B · Apache-2.0
- Moteur
- image-generation through Orazaka Studio (dev.orazaka.com), with reference images, on a rented GPU
- Machine
- RunPod B200
- Via
- Orazaka Studio
- Prompt
Shot 2, 24 mm lens five centimetres above the stones. Ground level in an empty Old Montréal lane at dawn: wet dark cobblestones glistening, a still puddle in the foreground mirroring a pale dawn sky and grey-stone façades softly out of focus, a few red maple leaves on the stones; a single drop of deep blue ink frozen just above the centre of the puddle. Any shop sign or plaque far out of focus, soft and unreadable. Photorealistic 35 mm motion-picture still, full-frame camera, spherical prime lens, natural colour, fine 500T film grain, gentle halation on highlights, realistic exposure, Montréal in late October after rain, animals with real anatomy and real scale, behaving naturally, an empty scene with plain surfaces, no lettering anywhere.
- Graine (seed)
4192726256- Taille
- 1360×768
- Durée
- 6.7 s, telles qu'enregistrées par le run
- Coût
- non enregistré
- Run Sovkora
fa443859-b0ee-4706-8eea-aa6bb739bdac- Note
- Shot 2, the ink drop over the puddle, picked from three takes (Orazaka Studio run fa443859). Key frame of the film « Montrer son travail » (krizaka-internal#138). No person, no text, no logo.
Comment c'est fait
- Modèle
- FLUX.2 [klein] 4B · Apache-2.0
- Moteur
- image-generation through Orazaka Studio (dev.orazaka.com), with reference images, on a rented GPU
- Machine
- RunPod H100
- Via
- Orazaka Studio
- Prompt
Shot 4, 35 mm lens at f/2.8, medium wide. The beaver from the reference, same brown fur, size and flat scaly tail, sitting on the wooden counter of an empty small Saint-Henri barbershop at opening time: one vintage barber chair, a neat stack of folded white towels, a ceramic cup, a large window onto red-brick façades; bare plaster walls painted a plain warm cream, with no posters, no frames, no signs and no paper on them; raking low morning sun with dust motes in the beams, warm wood and cool shadows. Photorealistic 35 mm motion-picture still, full-frame camera, spherical prime lens, natural colour, fine 500T film grain, gentle halation on highlights, realistic exposure, Montréal in late October after rain, animals with real anatomy and real scale, behaving naturally, an empty scene with plain surfaces, no lettering anywhere.
- Graine (seed)
1876958809- Taille
- 1360×768
- Durée
- 7.7 s, telles qu'enregistrées par le run
- Coût
- non enregistré
- Run Sovkora
ee4259bd-eb4b-4b02-bdbe-47b7a2b04b5d- Note
- Shot 4, the beaver in the barbershop, re-rendered after the first three takes showed posters with fake lettering (Orazaka Studio run ee4259bd). Key frame of the film « Montrer son travail » (krizaka-internal#138). No person, no text, no logo.
La vidéo
Pour passer d'une image à un plan, on a donné le même test de deux secondes à trois réglages : le canard tourne la tête, puis s'envole. Wan 2.2 TI2V 5B sur une L40S : 232 secondes, environ 7 cents, et le colvert devient un oiseau blanc, une sorte de goéland. Il a perdu son identité. Wan 2.2 I2V A14B en version distillée à 4 étapes, sur une H200 : 77 secondes, environ 17 cents, la tête verte et le collier tiennent, l'envol est naturel. Le même A14B en 40 étapes : 341 secondes, 76 cents, et la tête passe du vert au bleu pendant que le corps gonfle. Plus lent, plus cher, et pas meilleur. On a pris le 4 étapes.
Comment c'est fait
- Modèle
- Wan 2.2 TI2V 5B and Wan 2.2 I2V A14B (4-step distill) · Apache-2.0
- Moteur
- video-generation through Orazaka Studio (dev.orazaka.com): the 5B on an L40S, the A14B on an H200
- Machine
- hébergé par le fournisseur (pas notre machine)
- Via
- Orazaka Studio
- Taille
- two frames of 640×352, one from each test clip
- Durée
- non enregistré
- Coût
- non enregistré
- Run Sovkora
- non enregistré
- Note
- The same 2-second test of shot 5 from the same key frame, one frame of each clip. Left: TI2V 5B (Orazaka Studio run 8be06e55), 232 s, about $0.07: mid-flight, the mallard has turned white like a gull. Right: I2V A14B in 4 steps (Orazaka Studio run 15a6e688), 77 s, about $0.17: just before the take-off, the green head and the white collar hold, and they hold through the flight.
Chaque plan a ensuite été rendu en 1280×720, 81 images à 16 par seconde, en un peu moins de deux minutes sur une H200 : entre 111 et 115 secondes, environ 25 cents le plan. Pour le plan 1, une seule prise sur trois montrait une goutte qui quitte vraiment la plume et tombe. C'est celle-là qui ouvre le film.
Les raccords
Avant le vrai montage, on a fait une bobine qui ne contient que les transitions : chaque coupe, 1,5 seconde de chaque côté, séparée par du noir. C'est là qu'on voit si un raccord marche, sans se laisser porter par le reste. La goutte qui tombe du cahier tombe dans la flaque : un raccord sur le geste. La flaque passe au hibou par un fondu de huit images. Le castor regarde vers sa fenêtre à droite, le canard vers la sienne à gauche : une coupe sur le regard. Le canard s'envole, et c'est un canard qui traverse le canal : une coupe dans l'action. La bobine a aussi montré ce qui ne marchait pas. Le raccord du papier du hibou vers les serviettes blanches du castor était faible, les deux blancs n'étaient pas au même endroit ; c'est la lumière qui porte cette coupe. Et la première bobine elle-même était fausse : elle gardait le début des plans du milieu au lieu de leur fin. On l'a refaite.
Les titres et la musique
Les modèles ne savent pas écrire : les fausses lettres du salon de barbier le montraient encore. Alors aucun mot n'est généré. Les trois titres sont posés après coup dans nos polices, celles de @krizaka/fonts, avec les espaces de la typographie française : « Montrer son travail » sur la page de gauche du cahier, « Montréal · canal de Lachine » dans le ciel, « Krizaka » sur le carton de fin. La musique vient de ACE-Step, sous licence MIT, générée sur la même H200 : 40 secondes, sans voix, la moins écrasée de deux prises. L'agent qui a monté le film l'a mesurée, son volume, l'absence de silence et de saturation. Il ne pouvait pas l'écouter, et il l'a écrit.
Ce qui a raté, et ce que chaque raté a laissé
Chez nous, un bug veut dire qu'il manquait une garde ; je le racontais au chapitre 20. Ce film en a eu quatre qui ont coûté de l'argent.
Le moteur n'a jamais répondu
Le 31 octobre au soir, on loue une H200 pour les fiches. Pendant une vingtaine de minutes, chaque demande reçoit la même réponse : le modèle d'image ne tourne pas, son moteur est injoignable. 1,80 $ pour rien. Le contrôle gratuit d'avant le lancement était passé : il vérifiait seulement que le modèle existait dans le catalogue. La cause : la machine louée installait tout avant le moteur d'image, environ 49 Go de modèles vidéo sur un disque de 60 Go, une compilation pour trois générations de cartes, et le moteur d'image arrivait en dernier, trop tard. Depuis, une machine qui ne fait que des images ne charge que les images. Et surtout, avant la première demande, le lot prouve que le moteur répond à travers le Studio, et il s'arrête au bout de 15 minutes s'il ne répond pas. Trois « injoignable » de suite, ou cinq minutes d'affilée, et la machine est rendue. Le premier essai après ça, une petite carte avec un plafond de 2 $, a coûté 9 cents et rendu son image.
Les références lues chiffrées, puis perdues
Le lot suivant échoue en une seconde, 21 fois sur 21 : « une image de référence doit être PNG, JPEG ou WebP ». Le serveur servait pourtant ces images comme des PNG. Le vrai problème : nos fichiers sont chiffrés au repos, et le service lisait les octets chiffrés pour deviner leur format. 3,03 $ de B200 sans une image. On a écrit d'abord un test qui reproduisait l'erreur exacte, puis le correctif : la référence passe par le même chemin que les autres fichiers, celui qui déchiffre. Après le déploiement, nouvel échec : un redéploiement efface le disque, et le service ne cherchait la référence que sur le disque, pas dans le stockage durable. 83 cents de plus. Deuxième test rouge, deuxième correctif.
Le lot qui changeait de carte
Pendant ce temps, mon script de lot faisait une chose idiote : quand un travail échouait, il pensait que la carte était en cause et en louait une autre, une H200, puis une H100, puis une H100 NVL. 1,03 $ pour refaire la même erreur sur trois machines. Le script ne change plus de carte que s'il n'y en a aucune de libre. Et trois échecs d'une même demande rendent maintenant la machine.
L'agrandisseur cassé
Sur la machine vidéo, l'outil qui devait passer les plans en 1080p avec SeedVR2 plantait à cause de deux bibliothèques en versions incompatibles. Deux plans perdus après leur rendu, environ 58 cents. Le film est passé en 1080p autrement, par une mise à l'échelle classique au montage. Celui-là n'a pas encore sa garde : elle est écrite dans une issue, un essai d'agrandissement au démarrage de chaque machine, avec deux autres trous trouvés le même jour. Je ne la compte pas tant qu'elle n'est pas là.
- Un échec payé (1,80 $, 3,03 $…)On note le coût lu chez le fournisseur, avant et après.
- Pourquoi rien ne l'a arrêté (la vraie cause)Le contrôle gratuit regardait le catalogue, pas le moteur.
- Un test rouge (sur main)Il reproduit l'erreur exacte, avant tout correctif.
- Le correctif (le test passe au vert)Une petite PR, qui prend le train comme les autres.
- La garde reste (au prochain lot)Le lot suivant prouve le moteur avant de payer.
Les vrais chiffres
Tout le film, échecs compris, a coûté environ 16 $ de GPU : 15,83 $, lus sur le solde du fournisseur avant et après chaque lot, avec zéro machine allumée après chacun. Les cartes : une A100 ou une H100 pour le premier storyboard, une H100 pour les premières fiches, une B200 pour les fiches et les images clés, une H100 pour les images refaites, une L40S pour le test du 5B, une H200 pour les plans vidéo et la musique, et une RTX 4090 pour l'essai à 9 cents.
Le chiffre qui m'apprend le plus, c'est l'autre : environ 7 $ de ces 16 $ sont partis dans les quatre échecs. Presque la moitié. Les images réussies, elles, coûtent quelques cents chacune.
Ce que vous pouvez en prendre
Si vous louez des GPU pour générer des images ou des vidéos, mettez une garde avant de payer : prouvez que le moteur répond, avec la vraie requête, et arrêtez la machine dès qu'il ne répond plus. Donnez des références à vos modèles dès que vos personnages doivent revenir d'un plan à l'autre. Faites la critique sur les images, avant la vidéo, parce qu'une image refaite coûte des cents et un plan refait coûte des dollars. Et regardez vos transitions seules, avant le montage : c'est là que se voient les raccords qui ne marchent pas.
Le reste, c'est ce que dit le film : montrer son travail. Celui-ci, je l'ai montré jusqu'aux échecs.
Questions fréquentes
Le film est-il vraiment fait par une IA ?
Les images, les plans vidéo et la musique sont sortis d'Orazaka, notre moteur, avec des modèles ouverts. Le choix des prises, le montage, l'étalonnage et les titres ont été faits ensuite, à partir d'une liste de coupes écrite à la main. Aucun mot n'est généré.
Pourquoi pas le plus gros réglage du modèle vidéo ?
Parce qu'on l'a mesuré. En 40 étapes, l'A14B coûtait 4,4 fois plus pour le même plan, et le canard changeait de couleur. Le 4 étapes gardait le canard.
Combien a coûté le film ?
Environ 16 $ de GPU loués, échecs compris, dont environ 7 $ perdus dans des échecs qui ont chacun laissé une garde, sauf le dernier, encore en cours.
