Le vidéo-vers-vidéo (video-to-video) est un flux de génération où un clip vidéo existant sert d'entrée principale et un modèle IA transforme, restyle ou réinterprète le plan selon des instructions textuelles ou des images de référence. Contrairement au texte-vers-vidéo qui génère from scratch, le vidéo-vers-vidéo utilise le mouvement et la structure temporelle du plan d'entrée comme fondation. Combiner vidéo-vers-vidéo et prompting textuel donne un contrôle sur la structure du mouvement et le traitement visuel de la sortie finale.