CogVideoX est la version open source du modèle derrière QingYing. Cinq checkpoints vont de 720 sur 480 à 1360 sur 768, le besoin mémoire tombe de 18GB à 3.6GB avec INT8, et les poids 2B partagent la licence Apache 2.0 du code.

Opus Clip transcrit une longue vidéo, choisit les passages à publier, les recadre en vertical et les sous-titre, puis planifie la série sur plusieurs plateformes. ClipAnything et ReframeAnything sont ses propres modèles, chaque clip reçoit un score.

La version bureau de CapCut place l'IA en un clic à côté des outils manuels : détourage, étalonnage, réparation d'image, interpolation et retouche beauté voisinent quatre types de masque, les keyframes et le multicam. Le 4:2:2 et les RTX 50 sont pris en charge.

Un portrait et un script suffisent en entrée : pas de scan, pas de capture de mouvement, personne sur le plateau. Le même visage tient ensuite sur plus de 120 langues, et une seconde gamme en fait un interlocuteur qui répond en direct.

Ce qui coûte cher dans une vidéo d'intégration ou de conformité, c'est rarement le tournage. C'est de retrouver l'intervenant, de livrer six versions linguistiques et de passer le juridique — précisément la boucle que vise un studio dans le navigateur avec 240 avatars.

Quinze secondes filmées à la webcam suffisent pour un présentateur qui survit à un changement de décor, de tenue et de langue. Ce n'est pas un meilleur visage qui le permet, mais un signal d'identité relevé à travers les images et gardé distinct de l'apparence.

Deux experts d'environ 14B font 27B au total, mais un seul s'active par étape, donc le coût reste proche d'un modèle à expert unique. Une branche 5B garde le 720P à 24fps dans une seule carte grand public, et c'est la compression du VAE qui fait la place.

Effets, ambiance et répliques sortent d'une seule passe au lieu d'être posés après, et le clip arrive en 1080p ou 4K avec un cadre, un mouvement et même des objets modifiables. Une couche studio ajoute des outils et une allocation quotidienne de crédits.

Une génération rend désormais un quart de minute en pleine définition, avec plusieurs plans et son propre dialogue, ses effets et son ambiance, le format étant fixé avant le rendu au lieu d'être rogné après. Une autre gamme pousse le même moteur vers des mondes qui répondent encore aux entrées.

Dialogue, narration, effets et musique sortent dans le même export que l'image, ce qui supprime le rendu muet suivi d'un doublage. La seconde gamme couvre le direct : l'avatar répond en conversation, et décors comme tenues changent sans interrompre le flux.

Les consignes, les images fixes et le son sont lus d'un seul tenant, la stéréo naît dans le rendu au lieu d'être ajoutée après, et le 2K sert de point de départ. Le tarif mis en avant reste un prix à la seconde que l'éditeur place sous le tiers des modèles courants.

Le son se décide dans la même passe que l'image, un plan n'a donc pas besoin d'un rendu muet suivi d'un doublage. Le 4K natif occupe le haut de l'échelle tarifaire, et le côté développeur facture à la seconde.

Un plan porte jusqu'à 16 images clés, des rushes existants se réécrivent par tranches de 20 secondes, et la couleur 16 bits sort directement du modèle. L'argument tient là : une production qui entre dans une chaîne de finition ordinaire.

Photos, effets, imitation de tendances, un agent et une interface tiennent sur un seul site, et la formule gratuite accorde 80 crédits par mois. Cinq secondes en 1080p en coûtent 40, l'enveloppe gratuite en achète donc deux.

Génération, retouche d'image et finition partagent un compte et un espace de travail, si bien qu'un plan n'a pas besoin d'être exporté pour être corrigé. La formule gratuite offre 125 crédits une seule fois, les formules payantes partent de 12 dollars par mois en annuel.