Seedance 2.5 de ByteDance rend la vidéo par IA contrôlable : 30 s en 4K native, 50 références et retouche directe

ByteDance a dévoilé Seedance 2.5 le 23 juin lors de sa conférence FORCE de Volcano Engine à Pékin. Sur le papier, le bond est considérable : un seul plan continu de 30 secondes en 4K native, avec des couleurs sur 10 bits et un son synchronisé, généré en une seule passe. Mais la caractéristique qui compte vraiment n’est ni la résolution ni la durée. C’est la possibilité de le diriger. Seedance 2.5 accepte jusqu’à 50 références multimodales par génération, permet de retoucher directement un plan terminé au lieu de le régénérer et met d’abord en place la scène en 3D avant de lancer le rendu.

Un aperçu pratique des changements apportés par Seedance 2.5

Les chiffres, en bref

Le bond par rapport à Seedance 2.0 est bien réel. Les plans individuels passent de quelques secondes à 30 secondes en continu. La sortie passe d’un plafond de 1080p à une 4K native avec des couleurs sur 10 bits, sans mise à l’échelle. L’audio est généré conjointement dans la même passe latente que la vidéo, au lieu d’être ajouté après coup, ce qui permet une véritable synchronisation. Et le nombre de références passe d’environ une douzaine d’entrées à 50 références multimodales mêlant images, plans vidéo, audio et styles. ByteDance annonce en outre une amélioration d’environ 20 % du respect des instructions.

Voilà pour les gains en capacité. Ils sont impressionnants et, il y a un an, chacun d’eux aurait suffi à faire toute l’actualité. Ce n’est plus le cas.

Le contrôle est la nouvelle frontière

Pendant deux ans, la course à la vidéo par IA a porté sur les capacités. Quel modèle produit de la 4K, lequel synchronise l’audio, lequel préserve un personnage d’un plan à l’autre. Cette course est en grande partie réglée. Kling 3.0 a lancé la 4K avec audio en mars, LTX 2.3 l’a proposée en open source, et les modèles de pointe sont désormais suffisamment proches pour que leurs différences relèvent du débat plutôt que d’un véritable écart. Puis la discussion s’est déplacée vers les coûts, avec des modèles distillés divisant par dix le prix d’une seconde de vidéo.

Seedance 2.5 désigne le prochain axe : le contrôle. Trois fonctionnalités le démontrent. Premièrement, la retouche ciblée. Si la couleur des cheveux d’un personnage est incorrecte dans une prise de 30 secondes, vous corrigez cette zone au lieu de régénérer tout le plan et de perdre le jeu, l’expression et l’éclairage qui vous plaisaient. Deuxièmement, les 50 références. C’est assez pour fixer simultanément le visage d’un personnage, l’apparence d’un décor, un accessoire et un style de mouvement, et ainsi obtenir une cohérence entre les plans plutôt que de jouer à la machine à sous. Troisièmement, une étape de prévisualisation 3D en volumes blancs permet de définir la disposition de la scène, le cadrage de la caméra et les mouvements avant de consacrer la moindre ressource à un rendu complet.

Pris ensemble, ces éléments donnent un modèle que l’on peut diriger, et pas seulement solliciter avec un prompt. Le passage de « peut-il générer quelque chose de beau ? » à « pouvez-vous obtenir exactement ce que vous aviez en tête dès le deuxième essai ? » est ce qui transforme ces outils de machines à démos en outils de production.

Ce que cela signifie pour les créateurs

Si votre produit intègre de la génération vidéo, trois conséquences découlent de cette sortie.

Le coût des nouvelles tentatives était la taxe invisible de toute fonctionnalité de génération vidéo. Quand le seul moyen de corriger un détail erroné consistait à régénérer l’intégralité du plan, avec le risque de ne pas retrouver tout le reste à l’identique, les utilisateurs épuisaient autant leurs crédits que leur patience. La retouche directe s’attaque précisément à ce problème. L’unité facturée pour une modification passe d’un plan entier à une simple zone.

Les références sont la clé de la cohérence en production. Un personnage qui conserve la même apparence sur dix plans, un décor dont l’esthétique reste stable, un accessoire qui reste bien le même accessoire. Cinquante emplacements de référence suffisent pour réellement verrouiller ces éléments, et c’est la cohérence qui distingue une chaîne de production de ressources exploitable d’un simple gadget.

La prévisualisation avant rendu applique la même leçon que celle des coûts, mais sous un autre angle. Mettre en place une scène dans une 3D peu coûteuse avant de lancer une passe 4K onéreuse permet de consacrer les ressources de calcul aux prises déjà cadrées, plutôt qu’à des billets de loterie.

Pour Cinevva, c’est le modèle sur lequel nous continuons de miser. Les outils de génération de la plateforme ne peuvent devenir une activité viable que si les créateurs obtiennent rapidement et à moindre coût ce qu’ils avaient en tête, sans devoir relancer une douzaine de générations pour corriger un seul élément. Les capacités se sont rapidement banalisées. Les coûts diminuent. C’est sur le contrôle — obtenir volontairement le résultat exact — que se jouera la prochaine vague de produits réellement utiles.

Seedance 2.5 est désormais disponible dans le monde entier en bêta pour les entreprises, avec un lancement public plus large prévu début juillet. Aucun calendrier de disponibilité aux États-Unis n’a encore été annoncé.

Références

• The Next Web : ByteDance dévoile Seedance 2.5, un modèle vidéo par IA en 4K native de 30 secondes acceptant 50 références
• Digital Applied : Seedance 2.5, le modèle vidéo par IA de 30 secondes de ByteDance
• MindStudio : explication des vidéos de 30 secondes, de la 4K et des 50 références multimodales de Seedance 2.5
• Kie.ai : sortie de Seedance 2.5, ce que ByteDance vient de lancer