Plis+ est un logiciel en ligne par abonnement (SaaS)1 conçu par le développeur béninois Camel Dagbegnon. Il transforme automatiquement un texte brut en vidéo verticale au format 9:16 (1080 × 1920 pixels), destinée à TikTok, aux Reels Instagram et aux YouTube Shorts. Son interface le présente comme un outil qui passe « du texte à la vidéo, sans intervention humaine » : voix off, visuels, animation, sous-titres et montage sont produits par une chaîne de traitements automatisée.
Historique
Plis+ est un prototype réalisé en mai 2026. Le projet s'est construit en deux étapes.
- Première version (début mai 2026) : la voix off est produite par ElevenLabs, les illustrations sont générées image par image avec le modèle Stable Diffusion XL hébergé sur Replicate, puis animées par un effet de zoom et de déplacement lent (effet Ken Burns) réalisé avec FFmpeg.
- Seconde version (9 et 10 mai 2026) : le découpage du texte, la voix off et la génération des séquences vidéo passent par l'API de xAI. Le modèle de langage Grok découpe le texte, la synthèse vocale de xAI lit chaque scène, et le modèle Imagine produit directement un court clip vidéo pour chaque scène2.
Le projet n'a pas fait l'objet d'un lancement commercial public à la date d'octobre 2026.
Chaîne de production
Écran de connexion de l'interface web de Plis+.
La génération d'une vidéo suit les étapes suivantes :
- Texte : l'utilisateur fournit un texte ou une idée, puis choisit une voix, un format et la présence ou non d'une musique de fond.
- Découpage en scènes : un modèle de langage découpe le texte en scènes. Chaque scène correspond à une phrase ou à une idée forte, dure de 3 à 6 secondes et reçoit une tonalité (sombre, espoir, tension ou neutre) et un type (symbolique, narratif, descriptif ou dialogue). Si le modèle renvoie une réponse invalide, une règle de découpage simple prend le relais pour ne pas bloquer la production.
- Voix off : chaque scène est lue par synthèse vocale. La première version utilisait ElevenLabs3.
- Images ou clips : la première version générait des illustrations par IA via Replicate4 ; la seconde produit un clip vidéo par scène. La tonalité de la scène détermine le mouvement de caméra demandé au modèle (zoom lent pour une scène sombre, plan large lumineux pour une scène d'espoir, etc.).
- Montage : chaque clip est associé à sa voix off et mis au format demandé, puis les clips sont mis bout à bout avec FFmpeg, logiciel libre de traitement audio et vidéo5.
- Sous-titres : la piste audio est transcrite avec faster-whisper, une version optimisée du modèle de reconnaissance vocale Whisper d'OpenAI6, qui fonctionne sur le processeur du serveur. Les sous-titres sont ensuite incrustés dans l'image.
- Musique : une musique libre de droits peut être ajoutée en fond, choisie via l'API de Pixabay selon la tonalité dominante de la vidéo7.
- Stockage : la vidéo finale est déposée dans l'espace de stockage de l'application et apparaît dans l'historique de l'utilisateur.
Les étapes de voix off et de génération visuelle sont lancées en parallèle pour toutes les scènes, afin de réduire le temps d'attente.
Conception technique
| Couche | Technologie |
|---|
| Serveur d'application | FastAPI (Python)8 |
| Tâches de fond | Tâches d'arrière-plan de FastAPI, ou en option Celery avec Redis |
| Interface | Next.js 14 et Tailwind CSS |
| Données, authentification, stockage | Supabase |
| Sous-titres | faster-whisper |
| Montage | FFmpeg |
Le serveur expose une route qui crée une tâche de génération, une route de suivi de l'état des tâches et une route d'historique. Chaque tâche est enregistrée en base avec son statut (en attente, en cours, terminée ou échouée), le texte d'origine, la voix, le format choisi (9:16, 1:1 ou 16:9) et la liste des scènes. L'interface interroge régulièrement le serveur pour afficher l'avancement.
Toutes les fonctions coûteuses ou facultatives (musique, animation par IA, file de tâches Celery) sont activables par des variables de configuration. Le projet peut donc fonctionner en mode minimal comme avec toutes ses options. Un fichier Docker Compose permet de lancer localement l'API, un worker et Redis.
Public visé
Plis+ s'adresse aux créateurs de contenus et aux personnes qui publient des vidéos courtes sur les réseaux sociaux sans disposer de compétences en montage. Le projet illustre l'enchaînement de plusieurs modèles d'IA générative (texte, voix, image ou vidéo, transcription) dans une même chaîne de production.
Voir aussi
