Seedance 2.5 référence-vers-vidéo : pour les clips courts TikTok et Reels

seedance-2.5/reference-to-video ne part pas d'un prompt vide : il génère un nouveau clip à partir de vos propres éléments. Pointez-le vers une vidéo de référence et il conserve le mouvement de caméra, le rythme et l'action du clip, tout en vous permettant de remplacer le sujet, de changer le style ou de superposer une piste audio de référence. Pour la création de contenus courts, cela fait toute la différence entre retourner une idée TikTok ou Reels et transformer un bon plan en plusieurs montages. Voici trois clips réels générés de cette façon (avec les prompts complets) et les champs qui comptent vraiment pour une sortie verticale et courte.

Pourquoi c'est particulièrement adapté aux montages de contenus courts

Trois points correspondent parfaitement à la production TikTok/Reels :

• aspect_ratio: "9:16" est un champ réel configurable, et non un recadrage a posteriori — le modèle rend directement en vertical.
• reference_video_urls porte la chorégraphie de caméra. Si vous avez déjà un plan dont le rythme, le montage et la composition conviennent, inutile de reconcevoir les prises de vue pour essayer un autre sujet ou un autre style.
• La durée est courte par conception.duration est plafonnée à 30 secondes et liée à la longueur de la vidéo de référence fournie — ce modèle est fait pour des clips, pas pour des sorties longues.

Exemple 1 : remplacer le sujet, conserver le trajet de caméra

La référence source est une publicité pour une chaussure de trail. Le prompt conserve l'ordre des travellings et remplace entièrement le produit :

Utilise @video1 strictement comme référence pour l'avancée de caméra, la rotation du produit, le trajet de caméra, le rythme, les gros plans macro et les transitions lumineuses. Remplace entièrement la chaussure par le flacon de parfum de @image1. Conserve dans chaque plan le contour exact du flacon, la teinte du verre ambré, les proportions du bouchon, la position de l'étiquette et l'aspect matériau haut de gamme. Présente-le comme une publicité de parfum de luxe sur un socle en obsidienne sombre, avec un rétroéclairage ambré chaleureux, des reflets maîtrisés, une fine brume ambiante et des détails macro précis. Suis le rythme visuel et la chorégraphie de caméra de @video1 tout en gardant le même flacon de parfum du début à la fin. Ne transfère pas les lacets, la semelle, la texture du tissu ni la géométrie de la chaussure sur le flacon. N'ajoute aucun produit supplémentaire, texte de marque lisible, logo, main ou personne.

@video1 et @image1 sont des marqueurs de référence dans le texte du prompt — ils indiquent au modèle quel fichier téléversé joue quel rôle. Ici @video1 (le clip de la chaussure, transmis via reference_video_urls) fournit le mouvement et la caméra ; @image1 (le flacon de parfum, transmis via reference_image_urls) fournit l'identité du sujet. Les consignes négatives finales (« ne transfère pas les lacets… ») sont aussi importantes que la description positive — sauf exclusion explicite, la référence-vers-vidéo reprend les détails parasites du clip source. Ce clip a été rendu en 480p, 9:16, 4 secondes, avec un audio généré nativement et synchronisé par le modèle (aucune référence audio distincte n'a été fournie pour ce clip).

Exemple 2 : transférer uniquement le mouvement, changer tout le reste

Celui-ci n'utilise que reference_video_urls — aucune référence d'image ou d'audio — pour transposer le mouvement dans un style visuel totalement différent :

Utilise @video1 comme unique référence visuelle. Conserve les marques reconnaissables du corgi, le rythme de course, la cadence des foulées, l'orientation du corps, l'élan vers l'avant et le travelling latéral bas. Réimagine toute la scène en animation en volume artisanale, faite de feutre, de laine, d'herbe miniature et de décors en papier peint à la main. Conserve le contre-jour chaud de coucher de soleil et le rythme de poursuite continu, avec une texture artisanale fine et une profondeur de champ naturelle. Garde le même corgi cohérent, des pattes à l'anatomie stable, un mouvement vers l'avant fluide et un trajet de caméra continu pendant tout le plan. N'introduis aucun animal supplémentaire, texte, logo, coupe brutale ou objet sans rapport.

C'est le mode le plus facile à comprendre : une vidéo de référence, une consigne claire qui distingue ce qu'il faut conserver (rythme, trajet de caméra) de ce qu'il faut changer (toutes les surfaces, matières et choix d'éclairage). C'est un bon choix par défaut lorsque l'objectif est de retourner le style d'un plan existant plutôt que d'en remplacer le sujet.

Exemple 3 : combiner vidéo, image et audio

Le mode le plus exigeant superpose les trois types de référence et demande au modèle de synchroniser la sortie sur les repères temporels de l'audio :

Utilise @video1 comme référence pour les gestes des mains de l'artisan, le travail à l'atelier, la chorégraphie de caméra, la composition macro et la progression de la matière première jusqu'à la révélation finale. Remplace l'objet en verre d'origine par la sculpture de renard en cristal de @image1. Conserve tout au long de la séquence le corps géométrique à facettes semi-transparent, les oreilles pointues, la queue recourbée, la teinte du cristal et les proportions élégantes du renard. Montre l'artisan façonnant soigneusement le renard en cristal dans un atelier de verre chaleureux, avec de vrais outils, un four incandescent, des reflets maîtrisés et des mains physiquement crédibles. Utilise @audio1 à la fois comme musique et comme guide du rythme temporel. Synchronise les éclats du four avec la pulsation grave d'ouverture, les contacts importants des outils avec les sons cristallins du verre, et la révélation finale du renard en cristal avec le dernier crescendo scintillant. Garde le renard comme une sculpture de verre inanimée, ne le transforme pas en animal vivant. Conserve le même atelier, la même sculpture et une continuité temporelle fluide. N'ajoute pas de texte, logo, sculpture supplémentaire, main déformée ou changement de scène sans rapport.

@audio1 (transmis via reference_audio_urls) sert ici de piste temporelle explicite — le prompt indique au modèle quel temps visuel doit correspondre à quel instant de l'audio, au lieu de simplement demander « de la musique ». C'est ce niveau d'instruction qui rend la synchronisation nettement perceptible plutôt qu'approximative.

Les champs clés pour les contenus courts

• reference_video_urls (obligatoire, tableau) — au moins une URL de vidéo publique. Elle fournit le mouvement, le trajet de caméra et le rythme. Les trois exemples ci-dessus en utilisent exactement une.
• reference_image_urls (facultatif, tableau) — remplace le sujet tout en conservant le mouvement de la vidéo de référence, comme dans l'exemple 1.
• reference_audio_urls (facultatif, tableau) — audio de référence pour le son, le timbre ou une synchronisation temporelle explicite, comme dans l'exemple 3.
• duration — entier, de 4 à 30 secondes. Les trois exemples ci-dessus utilisent la limite basse de 4 secondes, suffisante pour un seul temps de contenu court ; la longueur totale de la vidéo de référence plafonne la durée que vous pouvez réellement demander.
• resolution — "480p", "720p" ou "1080p".
• aspect_ratio — l'une des valeurs 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, adaptive. Pour TikTok/Reels, réglez directement "9:16" — aucune étape de recadrage séparée, comme le montre l'exemple 1.

Le schéma est strict : les champs hors de cette liste (seed, ratio, image_urls, audio_urls) sont rejetés avant le début de la génération. Pour la structure complète requête/réponse et la gestion des erreurs, voir le guide de l'API référence-vers-vidéo.

Soumettre une requête de contenu court

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-api-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.5/reference-to-video",
    "input": {
      "prompt": "Use @video1 for camera path and pacing only. Replace the subject with the product from @image1, keep lighting and framing consistent with the source.",
      "reference_video_urls": ["https://your-cdn.example.com/reference-clip.mp4"],
      "reference_image_urls": ["https://your-cdn.example.com/subject-ref.jpg"],
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'

Cela renvoie immédiatement un taskId ; interrogez GET /v1/tasks/{taskId} jusqu'à ce que status vaille "success", puis téléchargez depuis output[0].url avant expiration. Pour la configuration complète de l'authentification, voir la documentation de démarrage rapide, et pour la référence des paramètres de ce modèle, la page de documentation Seedance 2.5.

Le coût des lots de contenus courts

Dans les données tarifaires actuelles, le 720p est à 0,2715 $ par seconde — le 480p à 0,1215 $/s, le 1080p à 0,68 $/s. La facturation se fait en secondes de la vidéo de référence plus la durée de sortie : générer une sortie de 4 secondes à partir d'un clip de référence de 5 secondes coûte donc environ 2,44 $ en 720p. Veillez à recadrer le clip de référence sur la portion de mouvement nécessaire. Si vous testez plusieurs remplacements de sujet ou variantes de style à partir de la même vidéo de référence pour un lot de contenus courts, le coût par clip grimpe vite — gardez la durée de test à la limite basse de 4 secondes pendant l'itération sur les prompts, puis allongez une fois les réglages de référence au point.

Questions fréquentes

Ai-je besoin d'une vidéo de référence, ou puis-je partir uniquement d'une image de référence ? reference_video_urls est obligatoire — au moins une URL de vidéo. reference_image_urls et reference_audio_urls sont des couches supplémentaires, elles ne le remplacent pas.

Puis-je obtenir une vraie sortie 9:16 sans recadrage ? Oui — réglez aspect_ratio: "9:16" dans la requête, comme dans l'exemple 1 ci-dessus. C'est une valeur d'énumération réelle sur ce modèle, non contrainte par le ratio du clip source.

L'audio provient-il de reference_audio_urls ou est-il généré ? Les deux sont possibles. L'exemple 3 ci-dessus utilise une référence explicite @audio1 pour piloter le timing ; l'audio de l'exemple 1 est généré nativement, sans référence audio distincte. Si vous avez besoin d'une synchronisation temporelle précise avec une piste existante, fournissez-la via reference_audio_urls et citez-la explicitement dans le prompt.

Quelle longueur peut avoir la vidéo de référence ? La longueur totale d'entrée de la vidéo de référence est plafonnée à 30 secondes, et la duration de sortie l'est aussi à 30 secondes — ce modèle est conçu pour des clips courts, pas pour des sources longues.

Utiliser plus d'entrées de référence (vidéo + image + audio) coûte-t-il plus cher ? Non — les images et audios de référence n'ajoutent pas de frais. Le tarif 720p est de 0,2715 $ par seconde, facturé sur la longueur de la vidéo de référence plus la durée de sortie.

Si vous construisez un pipeline de contenus courts autour de cela, le guide de l'API référence-vers-vidéo couvre tout le cycle de vie de la requête, y compris les callbacks et la gestion des erreurs, et la page du modèle propose un bac à sable en direct pour tester un clip de référence avant d'écrire votre script.