EN DIRECT
Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|
AppAttentionéditeur officiel

RIFE

App : Un produit que vous utilisez directement

Interpolation d'images vidéo par IA, en local.

Le moteur de l'interpolation fluide, intégré à Flowframes et Video2X.

Score global
6.6 /10
Sécu : rien à signaler
Utilité
8.0
Fiabilité
2.0
Sécurité
Aucune réserve recensée
Facilité
Technique · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Les vidéos tournées à faible cadence ou les séquences d'animation manquent souvent de fluidité. RIFE (Real-Time Intermediate Flow Estimation) résout ce problème en générant automatiquement des images intermédiaires entre deux images existantes, augmentant ainsi le nombre de frames par seconde d'une vidéo.

Le moteur repose sur l'estimation de flux optique intermédiaire : il analyse le mouvement entre deux images consécutives et calcule une image synthétique plausible à n'importe quel instant entre les deux. Il supporte l'interpolation à pas de temps arbitraire, ce qui permet par exemple de passer d'une vidéo 24 fps à 48 ou 96 fps en quelques commandes.

RIFE s'adresse aux développeurs, monteurs vidéo et passionnés d'animation qui souhaitent fluidifier leurs vidéos en ligne de commande ou intégrer le moteur dans leurs propres outils. Il est également utilisé en post-production de vidéos générées par des modèles de diffusion.

En revanche, il n'est pas conçu pour les utilisateurs non techniques : il n'existe pas d'interface graphique officielle et son installation nécessite Python, Git et la gestion de dépendances. Les utilisateurs grand public préféreront les logiciels tiers qui l'intègrent, comme Flowframes.

Ce que ça propose

  • ·Interpolation vidéo par IA : génère des images intermédiaires pour multiplier le nombre de frames par seconde (x2, x4, x16, etc.).
  • ·Interpolation à pas de temps arbitraire : produit une image synthétique à n'importe quel instant entre deux images sources.
  • ·Traitement en local : tout le calcul s'effectue sur la machine de l'utilisateur, sans envoi de données vers un serveur.
  • ·Support des vidéos haute résolution : un paramètre de mise à l'échelle permet de traiter des vidéos 4K en réduisant la résolution de traitement du flux optique.
  • ·Interpolation d'images fixes : génère une séquence d'images intermédiaires entre deux photos PNG, jusqu'à 16 images interpolées.
  • ·Modèles optimisés pour l'animation : des versions spécifiques (v4.7 à v4.10) sont disponibles pour les scènes animées.
  • ·Intégration dans des logiciels tiers : le moteur est utilisé par Flowframes, SVFI, Waifu2x-Extension-GUI, Autodesk Flame et d'autres.
  • ·Exécution via Docker : un conteneur officiel permet de lancer RIFE sans configurer l'environnement Python manuellement.

En pratique

Prix
GratuitGratuit, MIT.
Usage commercial
Usage commercial : oui
Disponible sur
cli, windows
Licence
MIT
En local
Oui, 4 Go de VRAM conseillés
Interface FR
Non

Sécurité et données

Pastille
Sécu : rien à signaler
Vos données
Données en local
Permissions
Local.
Maintenance
Inactive depuis plus de six mois

Liens et dépôt vérifiés le 25 octobre 2026 · ajoutée le 1 novembre 2020

Comment installer RIFE

1. Clonez le dépôt : git clone git@github.com:megvii-research/ECCV2022-RIFE.git 2. Accédez au dossier : cd ECCV2022-RIFE 3. Installez les dépendances Python : pip3 install -r requirements.txt 4. Téléchargez les modèles pré-entraînés HD depuis le lien Google Drive indiqué dans le README et décompressez-les dans le dossier train_log/ 5. Lancez une interpolation x2 : python3 inference_video.py --exp=1 --video=votre_video.mp4 6. Tout le traitement s'effectue en local : aucune donnée n'est envoyée vers un serveur externe.
git clone git@github.com:megvii-research/ECCV2022-RIFE.git && cd ECCV2022-RIFE && pip3 install -r requirements.txt

Dans la même catégorie

Toute la catégorie Vidéo →