Pour chaque besoin, en image et en vidéo : ce qu'on fait dans Firefly, ce qui a marché quand il ne suffit pas, et ce qu'il vaut mieux éviter.
« Dans Firefly » : ce qu'on peut faire dans l'outil sous contrat d'entreprise, c'est par lui qu'on commence. « Quand Firefly ne suffit pas » : ce qui a le mieux marché dans nos essais, à envisager au cas par cas avec votre organisation. « À éviter » : constaté en essai ou écrit par l'éditeur. Le détail besoin par besoin : la page Je veux.
Usage
Dans Firefly (sous contrat d'entreprise)
Quand Firefly ne suffit pas
À éviter
Image
Visage d'un personnage, réaliste
Firefly Image 5 ; Nano Banana Pro dans Firefly
Soul 2.0 ; Nano Banana Pro
Décor, repérage, image à grain cinéma
Firefly Image 5
Soul Cinema
Prompt et image de référence ensemble dans Soul Cinema (le prompt est désactivé)
Planche personnage (face, dos, visage)
Nano Banana dans Firefly
Nano Banana Pro (jusqu'à 5 personnages)
Firefly Image 5 (une seule référence)
Même personnage dans une nouvelle scène
Nano Banana Pro dans Firefly
Nano Banana Pro ; Seedream
Firefly Image 5 avec deux personnages (le second dérive)
Retouche locale (changer un objet)
Firefly « Prompt to Edit » ; remplissage génératif de Photoshop
Nano Banana Pro, toujours en premier (2.1 pour une zone décrite)
Seedream (pas fait pour une retouche ponctuelle)
Retouche fine de dernier recours
GPT Image dans Firefly
GPT Image 2 ou 2.5 Sunburst
GPT Image sur toute l'image (dans nos essais, il retouche souvent tout)
Affiche, carton, titre lisible
GPT Image dans Firefly
GPT Image 2 ou 2.5
Seedream, Soul (texte peu fiable)
Série cohérente (storyboard, déclinaisons)
Nano Banana Pro dans Firefly
Seedream (« a series », « a set ») ; Nano Banana Pro
Vidéo
Plan sans acteur : paysage, météo, matière, objet
Firefly Video (seul modèle vidéo garanti par Adobe)
Veo 3.1 ; Kling
Animer une personne : un geste, un regard, un sourire
Veo 3.1 dans Firefly
Kling 3.0 ou 4.0 ; MiniMax H3 ; Veo 3.1
Firefly Video (visage qui dérive, jeu peu crédible)
Personnage qui parle, en anglais
Veo 3.1 dans Firefly
Seedance 2.5 ; Veo 3.1 ; Kling 4.0
Firefly Video (sans son)
Personnage qui parle, en français
Veo 3.1 (l'anglais d'abord, les autres langues variables)
Kling 4.0 (français pris en charge depuis le 14/10/2026)
Kling 3.0 (le français est traduit en anglais)
Scène à plusieurs plans, personnages récurrents
Aucune dans Firefly en entreprise (Kling : comptes individuels seulement)
Seedance 2.5 avec Elements ; Kling 4.0
Plans générés un par un (les raccords ne tiennent pas)
Action, choc entre deux personnages
Découper au montage : dans nos essais, seul Seedance 2.0 a réussi le choc
Tout en une seule génération
Passer d'une image de départ à une image de fin
Veo 3.1 ; Firefly Video pour un paysage
Kling 4.0 (images clés) ; Veo 3.1 ; MiniMax H3
Ce qui change d'un modèle à l'autre
Forme du prompt, longueur maximale, minutage, négations, références : modèle par modèle, en un tableau.
Modèle
Forme du prompt
Longueur max
Minutage
Négations
Références
Image
Nano Banana
Prose descriptive, gabarits officiels
non publiée
sans objet
décrire ce qu'on veut
jusqu'à 14 (Pro : 6 objets, 5 personnages, 3 styles)
GPT Image 2 et 2.5
Tout format si l'intention est claire ; le décor d'abord
non publiée
sans objet
« change only X, keep everything else the same » ; exclusions explicites acceptées (« no extra text, no watermark »)
plusieurs, désignées par leur numéro et leur rôle
Seedream 4.5
Prose naturelle concise ; dire l'usage
non publiée
sans objet
dire ce qui reste inchangé
plusieurs (jusqu'à 14 en 5.0 Lite, 10 en 5.0 Pro, selon des sources tierces)
Soul Cinema
Scène, sujet, ambiance, en une ou deux phrases
non publiée
sans objet
non documenté
1 image, mais elle désactive le prompt
Firefly Image 5
Phrases courtes ou mots séparés par des virgules ; ne pas écrire « generate » ni « create »
≈ 1 000 caractères (Adobe ; 1 024 constaté)
sans objet
non documenté
1 image
Vidéo
Seedance 2.0
« Shot 1 / Shot 2 », dans l'ordre des événements
non publiée
non : jugé instable par l'éditeur
contraintes finales utiles (sous-titres, logo)
4 à 5 conseillées ; pas de planche multi-vues
Seedance 2.5
Références, résumé d'une phrase, déroulé, notes de cohérence
non publiée
oui, à la seconde (ou « Shot N »)
sous-titres et musique seulement
jusqu'à 50 ; multi-vues jusqu'à 5 sujets
Kling 3.0
Prose chronologique ; « Shot 1, … » en multi-plan
≈ 2 500 caractères (refusé ou tronqué au-delà selon l'outil)
dans la phrase (« At the 4th second »)
non documenté
éléments nommés @nom
Kling 4.0
Blocs : rôles des références, réglages, déroulé minuté, son
8 000 tokens
oui, par plages
seulement sous-titres et musique
15 au total
Veo 3.1
Prose : sujet, action, style, caméra, ambiance ; le son en phrases à part
1 024 tokens dans l'API Google
oui, par plages : « [00:00-00:02] … » (Google)
champ à part : lister sans « no »
3 images (8 s obligatoires)
MiniMax H3
Champs codifiés, plans avec heure de coupe
non publiée
heure de coupe (« At 00:03.500 »)
pas de champ négatif : décrire ce qu'on veut
images, vidéos, sons
Firefly Video
Un paragraphe, formule Adobe dans l'ordre
1 800 caractères
non
non documenté
image de départ et de fin
Le même plan, cinq grammaires
Un Gille qui mange une frite et nous sourit, écrit pour Firefly Video, Kling, Veo, MiniMax et Seedance.
L'image : un Gille assis sur le seuil d'une friterie, de nuit, un cornet de frites à la main, vu en contre-plongée au ras du trottoir. L'intention : il souffle, il mange une frite, il se tourne vers nous et sourit, l'air content et un peu festif. La même intention, écrite dans la grammaire de cinq modèles. Seule la version Firefly Video a été générée : visage et jeu peu crédibles. Les quatre autres sont des gabarits appliqués, à tester.
Firefly Video, formule Adobe (testé : peu crédible)
Realistic cinematic video of a tired Gille carnival dancer sitting on the doorstep of a glowing Belgian friterie late at night. Captured in a wide shot from a low angle at pavement level, with his worn wooden clogs large in the foreground, the camera slowly pushes in. He is a man in his late thirties with short dark hair, wearing a red, yellow and black costume embroidered with gold lions, a white lace collar, white socks and brass bells on his belt, holding a paper cone of fries in his left hand. Warm golden light spills from the open friterie door behind him and yellow street lamps glow along the dark street. He lets out a long, relieved sigh and his shoulders relax, then slowly eats a fry with his right hand, chewing with pleasure, and finally turns his head toward the camera with a warm, satisfied smile that crinkles his eyes. The overall tone is warm, festive and cosy, with natural skin texture, fine film grain and rich golden tones.
Kling 3.0 ou 4.0, sujet + mouvement
The carnival dancer sitting on the friterie doorstep lets out a long breath and his shoulders relax. He picks one fry from the paper cone with his right hand and chews it slowly with pleasure, then turns his head toward the camera and smiles warmly. The brass bells on his belt jingle softly. Static camera at pavement level. Quiet night street ambience. No subtitles. No background music.
Veo 3.1, le son à part
Live-action, cinematic portrait. A tired carnival dancer in a red and gold lion-embroidered costume sits on the doorstep of a glowing friterie at night. He lets out a long breath of relief, his shoulders drop, he slowly eats a fry with pleasure, then turns to the camera with a warm, satisfied smile. Static low-angle shot at pavement level, his wooden clogs large in the foreground. Warm golden light from the shop, dark street behind. Audio: quiet night street ambience. The soft jingle of the bells on his belt. Paper rustling as he takes the fry.
MiniMax H3, champs officiels
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a low-angle static shot at pavement level frames the carnival dancer shown in <Picture 1> seated on the friterie doorstep, preserving his face, costume, wooden clogs, the paper cone of fries in his left hand and the glowing shop behind him. He lets out a long breath and his shoulders relax against the door frame. He picks one fry with his right fingers and chews it slowly, eyelids half-closing with pleasure. He then turns his head toward the camera and breaks into a warm, satisfied smile. The camera pushes in with small amplitude at slow speed.
overall_soundscape: Quiet night street ambience, the soft jingle of brass bells on his belt as he settles, paper rustling, faint chewing.
non_diegetic_music: N/A
Seedance 2.5, déroulé minuté
Image 1 is the first frame.
Summary: a tired Gille carnival dancer rests on a friterie doorstep at night, eats a fry and smiles at the camera; realistic cinematic style; static low-angle camera.
0-2s: he lets out a long breath, tense shoulders completely relaxing, his back settling against the door frame; the bells on his belt jingle softly.
2-4s: he slowly takes one fry from the paper cone with his right hand and chews it, eyelids half-closing with pleasure.
4-6s: the corners of his mouth rise, his eyes reach the camera, then his head turns; he smiles warmly, still chewing.
Constant: same face and costume as Image 1, camera locked at pavement level, clogs large in the foreground, warm golden light from the shop.
Realistic cinematic look, natural skin texture, fine film grain. Only ambient street sound and the bells; no BGM, no music of any kind. No subtitles.
Ce que montre l'exemple : quand l'image de départ porte tout, la version la plus courte (Kling) suffit souvent.
Les guides des éditeurs
Les vingt pages des éditeurs d'où viennent les règles de cette page.
Les règles de cette page viennent de ces pages des éditeurs et des essais faits pour la formation, signalés comme tels.
La même gare, générée avec Nano Banana (Pro, 2, 2.1).
Nano Banana (Pro, 2, 2.1) Google
Décrire la scène en phrases, pas en liste de mots-clés (conseil de Google écrit pour la première version, toujours valable en pratique) : le modèle réfléchit avant de dessiner. Plus on est précis, plus on contrôle. Pour les références, dire le rôle de chacune (une pour la pose, une pour le style, une pour le décor).
Gabarit
A photorealistic «type of shot» of a «subject description» in a «setting description». «Description of the light». Shot from a «camera angle» with a «lens type».
Using the provided image, change only the «specific element» to «new element». Keep everything else in the image exactly the same, preserving the original style, lighting, and composition.
Ce qui marche
Les séries cohérentes et les planches de personnages (Pro : jusqu'à 5 personnages en référence).
La retouche : le reste de l'image ne bouge pas, la lumière s'ajuste seule.
Un autre angle d'un même décor, dans nos essais, à condition de dire où passe chaque objet (le canapé était à droite, il passe à gauche).
Limites
Petit texte et orthographe imparfaits, faits à vérifier sur les infographies (Google le dit).
Mélanges et changements de lumière parfois artificiels ; cohérence des personnages variable d'une retouche à l'autre.
Nano Banana 2 Lite n'est pas fait pour les références multiples.
Le décor d'abord, puis le sujet, les détails clés, les contraintes. Dire l'usage visé (affiche, maquette, infographie). Tout format est accepté, mais un gabarit stable vaut mieux qu'une syntaxe astucieuse. Pour le réalisme : écrire « photorealistic » et demander de la vraie texture. La 2.5 a son propre guide : mêmes principes, et un rôle pour chaque image de référence, désignée par son numéro.
Gabarit
Change only «element» to «new state». Keep everything else the same: «face, framing, lighting, saturation, contrast, surrounding objects».
A «poster / title card» for «project». The title "«EXACT TEXT»" in «font, size, color», placed «position».
Ce qui marche
Les affiches et cartons avec un texte lisible : texte exact entre guillemets, police, taille, couleur et place.
Les retouches chirurgicales, en dernier recours, et un autre angle d'un décor.
En 2.5 : Sunburst quand la qualité prime, Flare quand la vitesse prime. Pour le petit texte, qualité medium ou high (OpenAI).
Limites
Les personnages récurrents dérivent (OpenAI le dit) : redonner leurs traits à chaque prompt.
Des retouches répétées peuvent changer ce qu'on voulait garder (OpenAI) : redonner chaque fois la liste complète de ce qui ne bouge pas. Dans nos essais, il retouche souvent toute l'image.
Langage naturel : sujet + action + décor, puis style, couleur, lumière, composition. Dire l'usage. Un prompt concis et précis plutôt qu'un empilement de vocabulaire orné. En retouche : une instruction courte, sans pronom vague, en disant ce qui ne change pas. Guide publié pour 4.0-4.5, appliqué ici à la 5.0.
Gabarit
Replace the character in Image 2 with the character from Image 1, and generate the result in the style of Image 3.
Generate four film storyboard images, corresponding to the following scenes: «scene 1», «scene 2», «scene 3», «scene 4».
Ce qui marche
Assembler plusieurs références dans une même scène.
Les séries cohérentes : écrire « a series », « a set » ou un nombre d'images.
Raviver une peau ou un tissu qui fait « plastique ». Pour une zone difficile à désigner, dessiner une flèche ou un cadre sur l'image.
Limites
Pas pour une retouche ponctuelle (notre méthode).
Absent de Firefly : jamais couvert par la garantie Adobe.
Une couverture de série, générée avec Soul Cinema.
Soul Cinema Higgsfield
Pas de guide publié. Consigne du centre d'aide : décrire la scène, le sujet et l'ambiance ; le look cinéma est dans le modèle. Notre pratique : une seule ligne de grain et de pellicule suffit.
Gabarit
«Shot and angle in plain words» of «subject» in «place», «time of day and light». «One line: fine grain, shallow depth of field, color grade». «Mood in three words».
Ce qui marche
Les gros plans à ambiance et les décors texturés.
Les images de départ pour la vidéo (Higgsfield le recommande pour Kling et Seedance).
Le format 21:9 (constaté).
Limites
Avec une image de référence, le champ de prompt est désactivé : référence ou texte, pas les deux.
Réglages caméra et prompt enrichi seulement sur le site de Higgsfield.
Au moins trois mots, un langage simple et direct : un sujet, des descripteurs, des mots-clés. Ne pas commencer par « generate » ou « create ». Ajouter sentiment, style, lumière. Les exemples d'Adobe acceptent les mots séparés par des virgules.
Gabarit
«Subject with its features», «action», «place», «light», «style or photo register», «mood».
Ce qui marche
L'option couverte par un contrat d'entreprise Adobe, pour une image destinée à la diffusion.
Un visage et une tenue qui tiennent d'une planche à une scène.
Limites
Une seule image de référence : un second personnage ou un décor ne peut être que décrit.
Conseil d'usage : ne pas contredire dans le prompt les réglages de l'interface (type, style, composition). Modération stricte.
La même image de départ, animée avec Seedance 2.0 et 2.5.
Seedance 2.0 et 2.5 ByteDance
2.0 : sujet précis, action, décor, lumière, caméra, style, qualité, contraintes ; découper en « Shot 1 / Shot 2 » sans durée par plan (le minutage précis est jugé instable) ; un seul mouvement de caméra par plan ; des gestes lents et continus. 2.5 : quatre parties, avec un minutage à la seconde.
Gabarit
Image 1 is the first frame. «Character» corresponds to Image 2: use it for the face and costume only.
Summary: «subject» in «place», «event», «style», «camera».
0-3s: «action, camera, sound».
3-6s: «action, camera, sound».
Constant: «face, costume, position, light, angle».
«Look: realism, natural skin, grain». No BGM; only ambient and action sounds. No subtitles.
Ce qui marche
Les scènes dialoguées avec personnages ; la 2.5 tient jusqu'à 30 s et plus de 10 langues.
Le son (syntaxe du guide 2.0) : musique entre ( ), bruitages entre < >, répliques entre { }.
En 2.5, les répliques s'écrivent entre guillemets : « Réplique de X (émotion) : "…" ».
La 2.0 est le seul modèle qui a réussi un vrai choc entre deux personnages dans nos essais.
Limites
2.0 : pas de planche multi-vues en référence (risque de jumeaux) ; un gros plan du visage et une photo en pied, séparés.
Sous-titres parasites si l'on répète une réplique ; yeux qui brillent sur une émotion trop forte (écrire « normal human eyes »).
Le style de la 2.5 diffère de celui de la 2.0 : ne pas les mélanger dans un projet. Dans Firefly, Seedance refuse les visages humains réalistes en référence.
La même image de départ, animée avec Kling 3.0 et 4.0.
Kling 3.0 et 4.0 Kuaishou
Pour animer une image : « Sujet + Mouvement ». L'image porte déjà la scène, on dit seulement qui bouge et comment. 3.0 : prose chronologique, une phrase par action. 4.0 : langage concret, peu de termes abstraits, et des blocs officiels.
Gabarit
[Asset Roles] @Image1 defines «___»; preserve its «___». @Video1: reference the «___».
[Overall Settings] Scene and texture: «___»; visual style: «___»; camera tone: «___».
[Sequence of Events] 0–X s: «visuals + action + emotion». X–Y s: «camera movement + details». Y s–end: «closing shot».
[Audio] «dialogue or voiceover + ambient sound + music + sound effects».
Ce qui marche
Animer une personne : un geste, un regard, un sourire. Exemple officiel : « The little boy smiles at the camera ».
Kling 4.0 : 30 s, 4K, et le français pris en charge depuis le 14/10/2026.
Kling 4.0 : les termes concrets plutôt qu'abstraits, « premium look » devient « contre-jour latéral qui détoure l'objet, grain mat fin ». Seules négations utiles selon Kuaishou : « No subtitles. No background music. »
Limites
Kling 3.0 traduit en anglais toute réplique écrite dans une autre langue que le chinois, l'anglais, le japonais, le coréen ou l'espagnol.
Kling 3.0 ne tient pas une scène dialoguée avec action. Enseignes et journaux souvent faux.
Une description trop éloignée de l'image de départ provoque une coupe.
Sujet, action, style ; puis, si besoin, position et mouvement de caméra, composition, focus, ambiance. Le mot « portrait » améliore le détail du visage. Le son dans des phrases à part : répliques entre guillemets, bruitages, ambiance. Pour plusieurs plans dans une même génération, Google propose des plages minutées (« [00:00-00:02] … »).
Gabarit
«Style». «Subject» «action, in full sentences». «Shot, angle, camera movement». «Light and mood».
Audio: «ambience». «Sound effects». «Character» says: "«line»".
Ce qui marche
Animer une image validée en plan court qui parle : voix et lèvres justes.
Disponible dans Firefly comme modèle partenaire.
Limites
4, 6 ou 8 s ; 1 024 tokens ; l'anglais pleinement pris en charge, les autres langues variables ; en Europe, seulement des adultes.
Les préversions de Veo 3.1 dans l'API Gemini ont fermé le 22/10/2026 : vérifier dans Firefly que la version proposée n'est pas marquée préversion.
Des champs nommés, en anglais. Image de départ : la décrire d'abord, puis le début de l'action, son développement, le résultat. Caméra : type, amplitude, vitesse. Plans suivants : « [Shot 2] At 00:03.500, the camera cuts to… ».
Gabarit
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, «shot and composition of the first frame». «What stays from the image». «Action onset», «development», «result or reaction». The camera «movement» with «small / large» amplitude at «slow / fast» speed.
overall_soundscape: «ambience, action sounds».
non_diegetic_music: N/A
Ce qui marche
Le plan fixe avec un geste simple, pour trois à quatre fois moins cher que Seedance 2.5 en 720p.
Les répliques en balises, avec un identifiant de voix par personnage.
Limites
Pas de champ négatif : décrire seulement ce qu'on veut voir.
Les plans suivants se calent sur une heure de coupe, pas sur une plage de temps.
La même image de départ, animée avec Firefly Video.
Firefly Video Adobe
Un paragraphe, avec dans l'ordre : style visuel, taille de plan, angle, mouvement de caméra, sujet, lumière, action, lieu, ambiance. De 8 mots à 1 800 caractères. Avec une image de départ, les réglages de plan, d'angle et de style sont coupés : le prompt doit les porter.
Gabarit
«Realistic / cinematic» video of «subject» in «place». «Action, with a pace word». «Light and color». Captured in a «shot size» from a «angle», the camera «movement». The overall tone is «mood», with «texture and palette».
Ce qui marche
Un seul sujet, des actions simples : paysages, météo, matières, objets, vues aériennes.
Le seul modèle vidéo couvert par la garantie Adobe sans clause partenaire.
Limites
Cinq secondes, sans son. Plus de quatre sujets brouillent le modèle (Adobe).
Un acteur qui joue sonne faux : dans un essai, un personnage qui mange une frite et se tourne vers la caméra n'était pas crédible. La galerie Firefly ne dit pas quel modèle a produit les vidéos qu'elle montre.