CamVideo est un générateur personnel de vidéos par intelligence artificielle, conçu par le développeur béninois Camel Dagbegnon. Il anime une image de départ à partir d'une description textuelle grâce à Wan 2.2, un modèle de génération vidéo diffusé en accès libre1. Le calcul est confié à des processeurs graphiques (GPU) loués à la demande, et l'interface web propose aussi la création de voix off. Le projet porte en interne le nom technique « wanperso ».
Historique
Le projet a été développé à l'été 2026. Les premières vidéos de test datent du début du mois d'août 2026. L'objectif initial était de disposer d'un outil de génération vidéo personnel, accessible depuis un navigateur ou un téléphone même lorsque l'ordinateur de son concepteur est éteint, et dont le coût reste couvert par les crédits de calcul mensuels offerts par l'hébergeur.
L'interface reprend la charte graphique de CamellIA, un autre outil d'IA du même auteur : thème clair d'inspiration néo-brutaliste, couleur d'accent rose-rouge et police Outfit.
Fonctionnement
Image extraite d'une vidéo de test de trois secondes générée en 480p lors de la mise au point de CamVideo, en août 2026.
- L'utilisateur fournit une image de départ et une description de la scène à animer.
- Il règle le format (paysage ou portrait), la définition (480p, plus rapide et moins coûteuse, ou 720p), la durée, la qualité (nombre d'étapes de calcul) et éventuellement une « graine » aléatoire. Une même graine associée à la même description reproduit la même vidéo.
- La demande est transmise à une petite API web, qui démarre un GPU, lance la génération et renvoie un identifiant de suivi. L'interface interroge ensuite l'API jusqu'à ce que la vidéo soit prête, puis l'affiche.
- La vidéo produite est restituée dans l'interface web, hébergée sur Vercel.
Lors de la toute première génération, le modèle (environ 20 Go) doit être téléchargé, ce qui prend plusieurs minutes. Il est ensuite conservé dans un volume de stockage, et les générations suivantes démarrent plus vite.
Vidéos longues
Le modèle produit nativement des séquences d'environ cinq secondes. Pour obtenir des vidéos plus longues, jusqu'à 25 secondes, CamVideo enchaîne plusieurs segments : la dernière image d'un segment sert d'image de départ au suivant, puis les segments sont assemblés en une seule vidéo.
Voix off
L'interface comprend aussi un studio de voix off. Les textes sont convertis en parole par l'API d'ElevenLabs, avec par défaut son modèle multilingue2. L'accès à l'interface est protégé par un identifiant et un mot de passe.
Conception technique
Écran de connexion de l'interface web de CamVideo.
| Élément | Choix technique |
|---|
| Modèle | Wan 2.2 TI2V-5B, dans sa version pour la bibliothèque Diffusers |
| Calcul | GPU NVIDIA A10G (24 Go de mémoire) sur la plateforme Modal |
| API | Petite API web en Python, déployée sur Modal |
| Interface | Page web unique, hébergée sur Vercel |
Wan 2.2 est une famille de modèles de génération vidéo publiée le 28 juillet 2025 par l'équipe Wan, sous licence Apache 2.03. Les travaux de recherche sur lesquels elle repose sont décrits dans l'article Wan: Open and Advanced Large-Scale Video Generative Models4. CamVideo utilise la variante TI2V-5B, un modèle de 5 milliards de paramètres qui accepte un texte ou une image en entrée et produit de la vidéo en 720p à 24 images par seconde ; il peut fonctionner sur une carte graphique de 24 Go1. La génération passe par le pipeline Wan de la bibliothèque Diffusers5. Les variantes plus lourdes de la famille, à 14 milliards de paramètres, demandent des GPU de 80 Go et n'ont pas été retenues.
Le choix de Modal, une plateforme de calcul sans serveur, permet de ne payer le GPU que pendant la génération6. Le processeur graphique est allumé à la réception d'une demande et s'éteint automatiquement 90 secondes après la dernière tâche. Aucune machine ne tourne en continu, ce qui évite d'immobiliser un serveur GPU permanent.
Intérêt
CamVideo montre qu'on peut assembler un service de génération vidéo à partir d'un modèle libre et d'une infrastructure de calcul à la demande, sans dépendre d'un service commercial fermé de génération vidéo. Il complète Plis+, un autre projet du même auteur, consacré à la production automatique de vidéos verticales à partir d'un texte.
Voir aussi
Liens externes
