Stable Virtual Camera : animer une photo en vidéo 3D

2 ans ago
Génération de vidéos , Vidéo & Animation

Stable Virtual Camera permet de générer, à partir d’une ou plusieurs photos, une vidéo où une caméra virtuelle tourne autour de la scène ou s’y déplace. Ce modèle de recherche de Stability AI se télécharge gratuitement, mais il s’installe sur un ordinateur équipé d’une carte graphique puissante. Il s’adresse surtout aux chercheurs, aux développeurs et aux créateurs à l’aise avec Python, pour un usage non commercial.

Découvrir Stable Virtual Camera

Stability AI a publié Stable Virtual Camera le 18 mars 2025. Cette société britannique est aussi à l’origine de Stable Diffusion. Son nom court est Seva. Il est né d’une collaboration avec l’université d’Oxford et l’université de Californie à Berkeley. Un article scientifique en décrit le fonctionnement. Stability AI le présente comme un aperçu de recherche. Une version 1.1 a suivi en juin 2025 : elle corrige des objets de premier plan qui se détachaient du décor dans la version 1.0.
Le modèle fait de la synthèse de nouvelles vues. Vous lui donnez des images d’une scène et une trajectoire de caméra, puis il calcule les images que verrait cette caméra en se déplaçant. Il produit une vidéo cohérente en profondeur et en perspective. Le modèle compte 1,3 milliard de paramètres et travaille en 576 pixels de résolution. Le code se trouve sur GitHub et les poids du modèle sur Hugging Face. Le site officiel rassemble l’article et des exemples. Aucune application web grand public ni aucune interface en français n’existe.

Prise en main

Tout commence sur Hugging Face. Vous créez un compte, puis vous acceptez la licence de Stability AI sur la page du modèle pour débloquer le téléchargement. Ensuite, vous clonez le dépôt GitHub et installez le projet avec Python 3.10 ou plus et PyTorch 2.6 ou plus. Sous Windows, il faut passer par WSL, l’environnement Linux de Windows, car une bibliothèque utilisée par le modèle n’y fonctionne pas nativement. La documentation ne précise pas la mémoire vidéo nécessaire, et les temps de calcul publiés viennent d’une carte Nvidia H100 de centre de données.
Une fois l’installation terminée, la commande de démonstration ouvre une interface Gradio dans le navigateur, en anglais. En mode simple, vous importez une seule image et vous choisissez un mouvement de caméra prédéfini. Le calcul se fait en deux passes. Sur une H100, la première passe prend environ 20 secondes et donne un aperçu de 80 images. La seconde demande environ 2 minutes et produit la vidéo finale. Si l’aperçu vous déçoit, vous arrêtez le calcul avant la seconde passe.

Fonctionnalités clés

Générer une vidéo 3D à partir d’une à 32 images

Le modèle accepte une seule photo ou jusqu’à 32 vues d’une même scène. Avec une seule image, il invente les zones cachées, et le résultat varie selon l’ambiguïté de la scène. À partir de plusieurs vues, il s’appuie sur davantage d’informations et reste plus fidèle au lieu réel. Stability AI annonce une cohérence 3D sur des vidéos de 1 000 images. L’article de recherche parle plutôt de séquences d’environ une demi-minute, qui peuvent boucler sans raccord visible.

Trajectoires de caméra prédéfinies ou personnalisées

Stability AI annonce 14 trajectoires, alors que la documentation de l’interface Gradio en liste 13 dans le mode simple. On y trouve le tour à 360 degrés, la spirale, le mouvement en huit, le zoom, le travelling compensé (dolly zoom) et les déplacements vers l’avant, l’arrière, le haut, le bas et les côtés. Le mode avancé ouvre une vue 3D interactive, dans laquelle vous dessinez votre propre trajectoire. Ce mode accepte plusieurs images en entrée. Sur une H100, il faut compter environ 4 minutes pour 134 images en 576 × 576.

Formats carré, portrait et paysage

Stability AI a entraîné le modèle sur des images carrées, mais il produit du portrait en 9:16, du paysage en 16:9 et des formats personnalisés. L’éditeur précise que ce changement de format ne demande aucun réentraînement. Vous pouvez préparer une vidéo verticale pour un réseau social ou une vidéo horizontale pour un site. La résolution reste en revanche modeste, puisque l’entraînement s’est fait en 576 × 576 pixels. Pour un grand écran, prévoyez un agrandissement dans un autre outil.

Ligne de commande et banc d’essai pour la recherche

Le dépôt fournit un script en ligne de commande pour traiter un dossier d’images avec un contrôle fin des paramètres. Il contient également un banc d’essai qui compare les modèles de synthèse de vues sur des jeux de données publics. Un module communautaire intègre le modèle à ComfyUI, mais son auteur ne l’a plus mis à jour depuis environ un an. Stability AI propose une démonstration hébergée sur Hugging Face, qui affiche une erreur d’accès au modèle. Un utilisateur a signalé la panne sur GitHub le 19 février 2026, et le ticket reste ouvert sans réponse de l’éditeur.

Cas d’usage

Chercheur en vision par ordinateur : il compare Seva à ses propres méthodes grâce au banc d’essai fourni. Il peut également entraîner une variante du modèle pour ses travaux, dans le cadre de la licence.

Développeur ou technicien 3D curieux : il installe le modèle sur sa machine pour tester des mouvements de caméra sur des photos d’objets ou de pièces. Il évalue la technique avant de choisir un outil commercial.

Étudiant ou enseignant : il s’en sert pour montrer concrètement ce qu’est la synthèse de nouvelles vues. L’interface Gradio rend la démonstration visuelle, à condition de disposer d’une carte graphique adaptée.

Créateur amateur : il transforme une photo de paysage ou d’architecture en court travelling pour un projet personnel. La licence lui interdit en revanche d’utiliser ces vidéos dans un cadre commercial.

Tarifs

Stable Virtual Camera est gratuit : le code et les poids du modèle se téléchargent sans abonnement, pour la recherche ou un usage non commercial. Ensuite, le vrai coût est matériel, puisque le calcul exige une carte graphique puissante ou une machine louée dans le cloud. Enfin, un usage commercial passe par une licence distincte à demander à Stability AI, dont le prix n’est pas public.

Analyse des points forts et limites

Points forts

Gratuit et téléchargeable : le code et les poids sont accessibles après acceptation de la licence, sans quota ni abonnement.
Mouvements de caméra précis : les trajectoires prédéfinies et le mode avancé donnent un contrôle que peu de générateurs vidéo offrent.
Une à 32 images en entrée : plusieurs vues d’une scène améliorent la fidélité du résultat.
Formats variés : le carré, le portrait et le paysage sortent du même modèle.
Travail documenté : l’article de recherche, le banc d’essai et le code ouvert permettent de vérifier les résultats annoncés.

Limites

Usage non commercial : la licence de Stability AI interdit toute exploitation commerciale sans accord séparé.
Installation technique : il faut Python, PyTorch, une carte graphique puissante et WSL sous Windows.
Démonstration officielle en panne : l’espace Hugging Face de Stability AI affiche une erreur, signalée en février 2026 et toujours sans correctif.
Sujets vivants mal rendus : l’éditeur signale une qualité moindre avec des humains, des animaux ou de l’eau, et des scintillements sur les scènes ambiguës.
Projet à l’arrêt : les poids n’ont pas bougé depuis la version 1.1 de juin 2025, et aucune suite n’a été annoncée.

Notre recommandation

Stable Virtual Camera intéresse les chercheurs et les profils techniques qui veulent tester la synthèse de vues sur leur propre machine. Pour eux, le modèle reste une référence documentée et gratuite. Un créateur sans compétences techniques n’en tirera rien, car la seule interface simple, la démonstration officielle, ne fonctionne plus. Pour animer une photo avec un mouvement de caméra, un générateur vidéo en ligne comme Kling ou Runway sera plus simple et utilisable commercialement selon son offre.

Questions fréquentes sur Stable Virtual Camera

Stable Virtual Camera est-il gratuit ?

Oui, le code et les poids se téléchargent gratuitement après acceptation de la licence sur Hugging Face. Cette gratuité couvre seulement la recherche et l’usage non commercial. Il faut en revanche une carte graphique puissante ou une machine louée pour faire tourner le modèle.

Peut-on utiliser Stable Virtual Camera sans compétences techniques ?

C’est difficile. L’interface Gradio reste simple, mais elle suppose d’installer le projet en Python sur une machine dotée d’une carte graphique puissante. La démonstration en ligne de Stability AI aurait évité cette étape, or elle affiche une erreur d’accès au modèle. Une copie communautaire de cette démonstration, que nous avons consultée, était également en panne.

Peut-on utiliser les vidéos de Stable Virtual Camera dans un projet commercial ?

La licence gratuite ne le permet pas. Le texte de Stability AI vous reconnaît la propriété des images produites, mais il limite l’usage du modèle à la recherche et aux projets non commerciaux. Une exploitation commerciale demande une licence séparée à négocier avec l’éditeur.

Stable Virtual Camera crée-t-il un modèle 3D ?

Non, il produit une vidéo, c’est-à-dire une suite d’images vues depuis une caméra en mouvement. Le résultat donne une impression de profondeur, mais vous n’obtenez aucun fichier 3D à importer dans un logiciel. Pour un objet 3D exploitable, un outil comme Meshy AI répond mieux au besoin.

Quelle différence avec Kling ou Runway ?

Kling et Runway sont des services en ligne, gratuits avec limites ou payants, qui animent une image sans installation. Stable Virtual Camera se concentre sur le déplacement de la caméra dans une scène fixe et cherche avant tout la cohérence 3D entre les vues. Pour comparer les solutions accessibles au grand public, consultez aussi notre sélection des IA pour animer vos images.

Pour aller plus loin : retrouvez notre guide pour créer des vidéos avec l’IA.
Mise à jour : 30 septembre 2026