Seedance 2.0 : guide pratique du modèle vidéo multimodal de ByteDance
Seedance 2.0 peut générer une vidéo à partir de texte, d’images, de clips vidéo et de références audio, avec un audio natif synchronisé et la prise en charge d’une sortie en 1080p.
Seedance 2.0 est le modèle de génération vidéo plus récent de ByteDance. Le changement principal n’est pas seulement un résultat plus beau. C’est la façon dont le modèle accepte différents types d’entrées dans la même génération : prompts texte, images de début, images de fin, images de référence, vidéos de référence et audio de référence.
Cela le rend utile au-delà d’un simple flux « saisissez un prompt, obtenez un clip ». Vous pouvez décrire le plan en texte, joindre une référence de personnage, ajouter une courte référence de mouvement et demander au modèle de générer une vidéo avec un dialogue synchronisé, des effets sonores ou une musique de fond.
Ce guide reste centré sur les contrôles actuels visibles par l’utilisateur. Pour le modèle phare le plus récent, voir Seedance 2.5 ou utiliser la page Famille Seedance 2.0 pour 2.0, Fast et Mini.
Ce que Seedance 2.0 prend en charge
Seedance 2.0 peut générer des vidéos à partir de texte, d’une image ou d’un mélange d’entrées de référence. Les entrées principales comprennent :
| Entrée | À quoi elle sert |
|---|---|
prompt | La description textuelle principale de la vidéo |
image | Une image de début pour la génération image vers vidéo |
last_frame_image | Une image de fin facultative, utilisée avec une image de début |
reference_images | Jusqu’à 9 images pour une référence de personnage, de style ou de composition |
reference_videos | Jusqu’à 3 vidéos pour le transfert de mouvement, le montage vidéo ou une référence de style |
reference_audios | Jusqu’à 3 fichiers audio pour une génération guidée par l’audio ou la synchronisation labiale |
Il y a une contrainte importante : les images de début et de fin ne doivent pas être mélangées avec les images de référence. Si vous contrôlez la première et la dernière image, utilisez cette voie. Si vous avez besoin de références de personnage ou de style, utilisez plutôt la voie des images de référence.
L’audio natif fait partie du modèle
Seedance 2.0 peut générer l’audio et la vidéo ensemble. Cela compte parce que le son n’est pas seulement une couche ajoutée une fois la vidéo terminée. Le modèle peut créer le dialogue, les effets sonores, l’ambiance et la musique dans la même passe de génération.
Pour le dialogue parlé, placez la réplique entre guillemets doubles dans le prompt. Par exemple :
Gros plan d’une femme debout près d’une fenêtre sous la pluie. Elle regarde vers la caméra et dit : "Nous devrions partir avant le lever du soleil." Ambiance douce de la pièce, tonnerre lointain, lent travelling avant.
Cela ne garantit pas une parole parfaite à chaque fois, mais cela donne au modèle un signal clair : le texte entre guillemets doit être traité comme un dialogue.
Les références multimodales sont le vrai changement de flux
L’amélioration la plus pratique de Seedance 2.0 est la possibilité de combiner plusieurs types de références :
- Utilisez des images de référence pour un personnage, un produit, une tenue ou un style visuel cohérent.
- Utilisez des vidéos de référence pour le mouvement, le comportement de caméra, le montage ou la continuation.
- Utilisez de l’audio de référence pour le rythme, la parole ou la direction de la synchronisation labiale.
Un prompt peut renvoyer directement à ces fichiers :
Le personnage de [Image1] traverse le décor de [Image2], en suivant le rythme de danse de [Audio1]. Gardez la même veste, la même coiffure et la même ambiance lumineuse. Caméra à l’épaule, plan moyen, mouvement naturel.
C’est une façon de travailler plus contrôlée que d’essayer de tout décrire à partir de zéro. C’est particulièrement utile pour les présentations de produit, les clips de présentateur, les courtes publicités, les changements de tenue et les scènes synchronisées sur la musique.
Montage et extension vidéo
Seedance 2.0 prend aussi en charge les flux à partir d’une vidéo de référence. Vous pouvez fournir une vidéo et demander au modèle de changer quelque chose tout en gardant cohérentes d’autres parties du clip, comme le mouvement, la direction de caméra ou la structure de la scène.
Vous pouvez aussi lui demander de poursuivre une scène à partir d’une vidéo de référence. En pratique, les meilleurs prompts précisent ce qui doit rester identique et ce qui doit changer :
Prolongez [Video1] de cinq secondes. Gardez la même direction de caméra et le même personnage. Le personnage se tourne vers la porte, marque une pause, et les lumières de la pièce baissent. Conservez la teinte chaude d’origine.
Pour le montage, évitez les instructions vagues du type « améliore ça ». Indiquez au modèle quel objet, quel fond, quel style ou quelle action doit changer.
Résolution, durée et ratio d’aspect
Seedance 2.0 prend actuellement en charge 480p, 720p et 1080p. Il faut le distinguer de Seedance 2.0 Fast : la variante Fast prend en charge 480p et 720p, mais pas 1080p.
Le modèle prend aussi en charge des ratios d’aspect courants :
| Réglage | Valeurs prises en charge |
|---|---|
| Résolution | 480p, 720p, 1080p |
| Ratio d’aspect | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptive |
| Durée | 5, 10 ou 15 secondes |
L’option de ratio d’aspect adaptive laisse le modèle choisir la forme du cadre selon les entrées. La durée se choisit parmi les options fixes de 5, 10 et 15 secondes.
Pour les premiers tests, commencez par un court clip de 5 secondes. Passez à des durées plus longues et au 1080p lorsque le prompt et les références fonctionnent déjà.
Seedance 2.0 face à Seedance 2.0 Fast
Seedance 2.0 Fast partage le même flux général : texte vers vidéo, image vers vidéo, références multimodales, audio natif et ratio d’aspect adaptatif. La différence est l’arbitrage.
Utilisez Seedance 2.0 Fast lorsque vous voulez itérer plus vite et pouvez rester en 480p ou 720p. Utilisez Seedance 2.0 lorsque la qualité compte davantage, ou lorsque vous avez besoin d’une sortie en 1080p.
Conseils de prompt qui aident en général
Un bon prompt Seedance 2.0 n’a pas besoin de ressembler à une spécification technique, mais il devrait répondre à quelques questions concrètes :
- Qui ou quoi est le sujet principal ?
- Que se passe-t-il pendant le clip ?
- Que doit faire la caméra ?
- Que doit utiliser le modèle dans chaque fichier de référence ?
- Faut-il du dialogue, de la musique, une ambiance, ou pas d’audio ?
Par exemple :
Une tasse à café en céramique de [Image1] est posée sur une table de café en bois. La vapeur monte lentement. La caméra commence en gros plan, puis recule pour révéler un café tranquille le matin. Jazz doux en fond, lumière naturelle de fenêtre, faible profondeur de champ.
C’est plus utile que « pub de café cinématographique », parce que cela donne au modèle le sujet, le mouvement, la caméra, l’audio et l’ambiance.
Quand utiliser Seedance 2.0
Seedance 2.0 convient lorsque vous avez besoin de plus de contrôle qu’un modèle uniquement textuel ne peut en offrir. Il est particulièrement pertinent pour :
- Les vidéos de produit où l’objet doit rester reconnaissable
- Les clips de personnage où la cohérence du visage, de la tenue ou du style compte
- Les vidéos de présentateur face caméra avec une parole générée
- Les idées de transfert de mouvement fondées sur une courte vidéo de référence
- Les montages vidéo où vous voulez garder le mouvement d’origine tout en changeant une partie de la scène
Il ne remplace pas le jugement de montage. Vous devez encore tester les prompts, comparer les résultats et décider quand un prompt plus court ou plus simple fonctionne mieux. Mais, par rapport à un flux texte vers vidéo basique, Seedance 2.0 vous donne plus de leviers pour contrôler le résultat.
Articles connexes
GuidesGuidesGuides