Google présente un cadre multi-agents pour la vidéo

OOndine

Google Research présente jeudi un cadre multi-agents de co-réalisation vidéo, conçu pour planifier la continuité visuelle de récits à plusieurs plans et limiter les changements involontaires de personnages ou de décors. Le système orchestre des modèles comme Gemini et Veo : il transforme une consigne créative en étapes de génération, de l’écriture des prompts à l’enchaînement des plans, puis à leur amélioration en boucle. Cette architecture peut aussi fonctionner avec d’autres modèles génératifs. Le cadre rassemble plusieurs travaux : Co-Director, annoncé pour COLM 2026, CANVAS, annoncé pour EMNLP 2026, ainsi que A²RD et VQQA. D’après AlphaSignal, Co-Director explore des stratégies créatives, des structures narratives et des styles visuels sur plusieurs plans, avec un algorithme de bandit manchot pour explorer et optimiser ces choix. CANVAS garde en mémoire l’apparence des personnages, les lieux et l’état des objets, afin de réutiliser ces repères visuels lorsqu’ils réapparaissent. A²RD génère des vidéos de plusieurs minutes en alternant extrapolation et interpolation pour équilibrer progression et cohérence ; VQQA s’appuie sur les critiques d’un modèle vision-langage pour réviser les prompts et corriger certaines erreurs de composition. Les évaluations présentées font état d’une meilleure cohérence entre les plans, de personnages plus persistants et d’une réduction des dérives visuelles et des erreurs propagées dans la chaîne de production. Le cadre hérite aussi de mécanismes de sécurité des modèles utilisés, dont le filigrane SynthID. La durée de dix minutes évoquée dans un titre n’est toutefois pas confirmée comme une capacité établie du cadre.