Seedance 2.0

Présentation

Seedance 2.0 est un modèle de génération vidéo multimodal lancé par ByteDance, qui accepte en entrée une combinaison de texte, d'images, de vidéos de référence et d'audio de référence, et génère en une seule fois une vidéo de 4 à 15 secondes, jusqu'en 4K, avec audio natif. Le modèle met l'accent sur la narration multi-plans et la cohérence des personnages ; les images de première et dernière frame ainsi que les éléments de référence peuvent contraindre le déroulement de l'image. Il convient aux développeurs qui ont besoin de produire rapidement des spots publicitaires, des vidéos courtes pour les réseaux sociaux et des prévisualisations narratives, et s'appelle via l'interface unifiée de HiAPI.ai avec une facturation à la seconde de sortie.

Points clés

• Génération pilotée par des éléments multimodaux — possibilité de combiner texte, jusqu'à 9 images de référence, 3 vidéos de référence et 3 audios de référence, afin de contraindre le style visuel, les mouvements et le son à partir de contenus réels.
• Contrôle du début et de la fin du plan par les première et dernière frames — en spécifiant une image de première frame et une image de dernière frame, la vidéo générée commence et se termine sur les images désignées, ce qui facilite l'enchaînement des plans et les transitions précises.
• Génération d'audio natif synchronisé — l'audio synchronisé avec l'image est généré par défaut, et un audio de référence peut être superposé pour guider le timbre et le rythme, ce qui réduit le travail d'alignement audio-vidéo en post-production.
• Jusqu'à 4K et format adaptatif — la résolution va de 480p à 4k, le format prend en charge du 1:1 au 21:9 ainsi que le mode adaptive qui suit le ratio de l'image source, pour une seule requête adaptée à une diffusion multi-support.

Description des capacités

Trois modes de génération : prise en charge de la génération texte-vers-vidéo, image-vers-vidéo et référence-vers-vidéo ; la même interface bascule selon la combinaison d'éléments, ce qui permet de couvrir les besoins, du concept à la vidéo finale, dans un seul flux de travail.

Contraintes par plusieurs éléments de référence : les images, vidéos et audios de référence peuvent être transmis simultanément ; les images de référence et les première et dernière frames ne dépassent pas 9 au total, les vidéos et audios de référence ne dépassent pas 3 segments chacun, pour une durée totale n'excédant pas 15 secondes chacun.

Contrôle de la durée et de la résolution : la durée peut être spécifiée entre 4 et 15 secondes, la résolution peut être 480p, 720p, 1080p ou 4k, et la facturation se fait à la seconde de sortie, ce qui facilite le contrôle des coûts selon les spécifications de diffusion.

Renvoi de la dernière frame : lorsque return_last_frame est activé, la dernière frame de la vidéo générée est renvoyée et peut servir directement d'image de première frame pour le segment suivant, permettant d'enchaîner plusieurs générations.

Recherche web augmentée : l'option web_search permet d'activer une recherche en ligne lors de la génération afin d'ajouter au prompt des informations récentes, adapté aux contenus créatifs dépendant de l'actualité ou de l'information du moment.

Scénarios d'utilisation

• Équipes publicité et marque : script texte et images de référence — génération rapide de films de marque multi-plans, sortie de vidéos 1080p ou 4k avec audio, pour la diffusion sur les réseaux sociaux et les supports du site officiel.
• Créateurs de vidéos narratives courtes : première et dernière frames et images de référence de personnage — verrouillage du début et de la fin du plan par les première et dernière frames, maintien de la cohérence du personnage par les images de référence, production de segments de storyboard cohérents pour des mini-séries ou des contenus narratifs.
• Prévisualisation créative : vidéo de référence et audio de référence — utilisation de séquences existantes et d'une voix off pour guider le style et le rythme, génération de vidéos de prévisualisation dynamiques, afin que réalisateurs et clients valident la direction avant la production finale.
• Intégration développeur : production par lots facturée à la seconde — soumission par lots de tâches de génération via l'interface unifiée de HiAPI.ai, contrôle du budget selon les secondes de sortie, intégration dans la chaîne de production de contenus.

Limites et conseils de choix

La durée maximale d'une génération est de 15 secondes ; les vidéos longues doivent être générées par segments puis assemblées. Le nombre d'éléments de référence est limité : les images de référence et les première et dernière frames ne dépassent pas 9 au total, les vidéos et audios de référence ne dépassent pas 3 segments chacun avec une durée totale n'excédant pas 15 secondes chacun ; les projets complexes doivent être découpés. Le renvoi de la dernière frame nécessite l'activation de l'option, et la dernière frame dépend de la fourniture simultanée de la première frame. Si le besoin porte sur des plans continus très longs ou sur un flux de post-production traditionnel avec un contrôle précis image par image, il convient d'évaluer des solutions dédiées de montage et de compositing ; pour une vidéo finale plus longue, mieux vaut générer par segments puis monter.