Midjourney V8.1 Alpha /
HeyGen Avatar V, quinze secondes pour cloner /
Suno V5.5 et l’ère des modèles personnels

Ouverte le 14 avril sur alpha.midjourney.com, la version V8.1 Alpha ramène l’aspect visuel dans la continuité de V7 — les moodboards et les srefs redeviennent stables — après une V8 que la communauté trouvait trop rigide. Le mode HD est trois fois plus rapide et trois fois moins cher, la résolution standard est 50% plus rapide et 25% moins chère, et les images sont désormais générées en 2K par défaut sans passer par un upscale. L’interface alpha regroupe réglages, références image, profils de personnalisation et moodboards dans un seul panneau à droite de la barre d’Imagine — un geste que Midjourney n’avait pas osé depuis la migration Discord vers le web. Les productions V8.1 Alpha ne sont pas encore visibles dans la galerie publique ni dans Discord : l’environnement reste cloisonné pour absorber les itérations massives que l’équipe annonce sur les semaines à venir. Pour un directeur artistique qui cale une direction visuelle d’album, la bascule immédiate est esthétique : V8.1 rend de nouveau des images qu’on peut signer.

Publié le 8 avril, HeyGen Avatar V reconstruit un avatar parlant à partir d’une simple séquence webcam de quinze secondes, avec dix secondes supplémentaires pour le clonage vocal — le seuil d’entrée est tombé à ce qu’un téléphone capte en pause café. Le modèle retient les micro-expressions, la géométrie des lèvres, la silhouette faciale et la démarche de la personne, puis les maintient stables à travers chaque vidéo générée, quels que soient la durée, l’angle, la tenue ou le décor. HeyGen revendique un score de 0,840 en Face Similarity, ce qui dépasse nettement Google Veo 3.1 (0,714) et place le modèle au premier rang des benchmarks d’avatars publiés. L’architecture sépare l’identité de l’apparence, ce qui permet de changer habillage et arrière-plan sans re-filmer, et de générer des vidéos jusqu’à trente minutes en 175 langues avec lip sync phonémique. Pour un musicien qui produit un clip ou un directeur artistique qui construit une mise en scène de sortie, le verrou du tournage recule d’une échelle : l’identité peut être acquise en quinze secondes et déployée en une après-midi.

Suno V5.5, annoncée fin mars et étendue en avril, introduit la fonction Voices qui permet à un utilisateur de téléverser ou d’enregistrer sa propre voix chantée ou rappée, puis de s’en servir comme matériau pour générer de nouveaux morceaux. En parallèle, Custom Models entraîne Suno sur la discographie personnelle de l’utilisateur — le modèle apprend un style, une signature, un grain — et My Taste calibre la recommandation interne comme un moteur de playlist. La société a atteint deux millions d’abonnés payants et un ARR de 300 millions de dollars, avec un bureau neuf ouvert à San Francisco le 3 avril. Le dialogue avec l’industrie s’est déplacé : le CEO Mikey Shulman positionne V5.5 comme la préparation d’une prochaine génération de modèles lancée « en partenariat avec le monde de la musique », après l’accord Warner Music qui a redessiné les conditions de licence. Pour un producteur qui travaille avec des sessions vocales réelles, le changement est concret : la voix cesse d’être une prise à mixer et devient un matériau de synthèse dirigé.