ByteDance: Seedance 2.0 Fast

Seedance 2.0 Fast est le profil Fast nommé séparément, sélectionné avec doubao-seedance-2-0-fast-260128. Il permet la génération, la modification et le prolongement de vidéos à l’aide de texte, d’images et de références vidéo et audio. Ce profil convient lorsque la description de scène doit communiquer davantage qu’une description d’apparence : les médias existants peuvent aussi transmettre une interprétation, un langage de caméra et un son. Le nom Fast distingue l’identité de la requête ; il ne promet pas qu’une tâche asynchrone donnée se termine dans un délai fixe.

Commencez par l’élément qui doit définir le nouveau plan. Le texte peut à lui seul décrire une nouvelle scène. Une image peut établir un personnage, un produit ou une composition ; une vidéo peut fournir un mouvement ou une séquence existante à modifier ou à prolonger. Les combinaisons de contenu documentées comprennent des images avec de l’audio, une vidéo avec de l’audio et des images, une vidéo et de l’audio ensemble, avec du texte facultatif aux côtés des médias visuels. Ces combinaisons ne décrivent pas une requête autonome contenant uniquement de l’audio : associez donc les références sonores à la source visuelle qu’elles doivent guider.

Gardez les rôles de référence explicites dans le tableau content et dans la consigne. Les éléments image_url, video_url et audio_url peuvent porter les rôles reference_image, reference_video et reference_audio. Décrivez quelle image fournit le sujet, quelle vidéo fournit la caméra ou l’action et quel audio fournit la bande-son. Pour un plan de produit, une image peut définir l’emballage tandis qu’une vidéo illustre un mouvement le long de l’objet. Précisez la fin voulue afin que la courte séquence présente une vue finale utile au lieu de s’arrêter au milieu d’une action.

Pour une modification, identifiez la séquence source, le changement et la continuité à conserver. Un changement de décor ou d’éclairage doit garder clairement précisés le sujet et l’action voulus. Pour un prolongement, expliquez ce qui se passe ensuite et comment le nouveau mouvement se raccorde à la scène existante. Les références guident la génération ; vérifiez la jonction réelle et tout le clip pour l’apparence, la direction du mouvement et le déroulement temporel plutôt que de supposer que le prolongement préserve chaque détail de chaque image.

La plage documentée pour 2.0 Fast va de quatre à quinze secondes entières, avec -1 pour une durée choisie par le modèle dans cette plage. La durée par défaut est de cinq secondes. La résolution de sortie est 480p ou 720p, avec 720p par défaut et 1080p exclu. Choisissez parmi les cadrages fixes 16:9, 4:3, 1:1, 3:4, 9:16 et 21:9, ou le cadrage adaptatif. Le cadrage adaptatif suit le contexte du prompt ou de la référence pertinente ; un plan à partir d’une première image suit son image initiale, tandis que le cadrage multimodal peut donner priorité à la vidéo sur les images. Consultez les champs renvoyés par la tâche pour connaître la durée et le rapport d’aspect réels.

Utilisez generate_audio pour choisir si la vidéo générée comprend un son synchronisé. La valeur par défaut documentée est true ; false demande une vidéo sans son. Lorsque le son est activé, le profil génère des voix, des effets ou une musique de fond à partir du prompt et du contenu visuel, et le guide recommande de placer les dialogues entre guillemets doubles. Indiquez le locuteur et la relation voulue entre le son et l’action. Faites vérifier la parole par une personne qui maîtrise la langue et contrôlez l’alignement du son sur tout le clip, y compris tout segment modifié ou prolongé.

Le guide 2.0 Fast exclut les anciens réglages frames et camera_fixed et ne prend pas en charge le traitement hors ligne flex. Décrivez le comportement de caméra dans la scène et utilisez duration pour la longueur du clip. Les options de graine aléatoire et de filigrane restent documentées. La même graine ne garantit pas une sortie identique : conservez donc le résultat achevé pour comparer les révisions au lieu de vous appuyer uniquement sur les réglages de requête.

L’utilisation en jetons vidéo est calculée ainsi : (durée de la vidéo d’entrée + durée de la vidéo de sortie) × largeur de sortie × hauteur de sortie × cadence de sortie / 1024. Les requêtes contenant une vidéo d’entrée et celles sans vidéo d’entrée relèvent de catégories de facturation distinctes. La consultation de tâche rapporte usage.completion_tokens et usage.total_tokens ; conservez ces quantités rapportées avec le clip achevé.

La soumission renvoie un identifiant de tâche avant que la vidéo achevée soit disponible. Suivez l’état de traitement, puis récupérez content.video_url après réussite et gardez la durée, la résolution, le rapport d’aspect, la cadence et l’utilisation rapportés avec le résultat. Le délai d’expiration est mesuré depuis la création de la tâche, vaut 172 800 secondes par défaut et va de 3 600 à 259 200 secondes. Enregistrez le clip final avec ses références et son prompt, puis vérifiez l’identité du sujet, le contact entre les objets, la continuité de caméra et le placement du son dans le temps sur toute la séquence.