ByteDance: Seedance 2.5

Seedance 2.5 crée une vidéo à l’aide d’une scène écrite et de références multimodales. Le sélecteur exact doubao-seedance-2-5-260628 possède sa propre opération documentée et son propre exemple. Cette opération décrit la génération, la modification et le prolongement de vidéos, avec des images, de la vidéo, de l’audio et du texte comme médias d’entrée. Utilisez les références pour communiquer l’apparence du sujet, l’action, le mouvement de caméra, le style et le son, puis expliquez le résultat à créer à partir de ces éléments.

Les combinaisons d’entrée comprennent le texte seul, des images ou une vidéo avec du texte facultatif, des images avec de l’audio, une vidéo avec de l’audio et des images, une vidéo et de l’audio ensemble. Les combinaisons répertoriées associent l’audio à des médias visuels plutôt que de décrire une requête contenant uniquement de l’audio. Organisez chaque élément selon son rôle : une image établit un sujet ou un style visuel, une vidéo montre un mouvement ou une scène existante, et l’audio fournit une référence sonore. Indiquez quel rôle compte pour le plan demandé afin qu’une référence d’arrière-plan ne soit pas confondue avec le personnage principal.

L’exemple propre à 2.5 est une séquence publicitaire de produit. Il fournit une image et plusieurs références vidéo, puis décrit un point d’intérêt initial, des dispositions ordonnées de produits, des plans de détail, une action au ralenti et une composition finale de marque. La requête attribue les rôles reference_image et reference_video et utilise les différentes références pour la composition, le mouvement, le travail de caméra et l’impact. Cela donne une structure pratique pour un concept de campagne : planifiez les temps forts visibles, identifiez la référence de chacun et précisez la disposition finale.

Une séquence écrite peut distinguer ce qui se passe de la manière dont cela est filmé. Décrivez d’abord l’action du produit, puis l’échelle de plan, le trajet de caméra, le rythme et la transition vers la vue suivante. Si une référence définit le produit et une autre montre un mouvement de caméra, nommez ces responsabilités distinctes. Pour une scène avec plusieurs objets, expliquez leurs positions et l’ordre des interactions. Vérifiez la forme, la disposition et le mouvement réels du produit dans le résultat généré plutôt que de supposer que chaque détail de référence apparaît sans changement.

Pour une modification, identifiez la vidéo existante et l’élément à réviser, comme le décor, une action ou le style visuel, tout en indiquant la continuité à conserver. Pour un prolongement, décrivez comment la scène doit continuer à partir de la séquence fournie. Vérifiez la jonction ainsi que le nouveau segment : l’apparence du sujet, la direction du mouvement, la position de caméra et le placement du son dans le temps déterminent tous si le résultat se lit comme une seule scène. Gardez ensemble la vidéo d’origine et la révision achevée pour vérifier le changement par rapport à la continuité voulue.

L’exemple multimodal documenté de 2.5 définit generate_audio=true et demande une séquence de quinze secondes avec un cadrage 16:9. Ces valeurs décrivent cet exemple, et non un plafond universel de durée ou une limite de ressources de référence. Donnez à la scène demandée une intention sonore claire, notamment la relation entre la musique, les effets et l’action visible, puis évaluez la sortie audiovisuelle réelle. Une référence sonore et la bande-son générée doivent être vérifiées ensemble pour le rythme et l’interprétation voulus.

Choisissez la durée, le cadrage et la résolution parmi les réglages proposés pour ce profil exact. Gardez la configuration demandée avec le prompt et comparez-la aux champs réellement renvoyés par la tâche. Utilisez la durée, la résolution et le rapport d’aspect renvoyés pour préparer le clip achevé à sa destination. Préservez l’identifiant exact du profil dans l’historique de révision afin qu’une comparaison ultérieure utilise la même édition sélectionnée.

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 génération est asynchrone. La soumission renvoie un identifiant, et le processus de tâche configuré fournit l’état, puis content.video_url après réussite. Enregistrez le clip achevé avec les médias sources et la description de la séquence. Vérifiez tous les temps forts prévus, les interactions entre objets, l’apparence des personnages, le cadrage et l’alignement du son sur tout le résultat. Pour une révision, identifiez le détail concret manquant et préservez les parties réussies de la scène au lieu de remplacer toute la consigne par des instructions sans rapport.