ByteDance: Seedance 2.0 Mini

Seedance 2.0 Mini est un modèle nommé séparément dans la famille audiovisuelle Seedance 2.0 de ByteDance. Son fabricant documente le texte-vidéo, l’image-vidéo à première image et à première et dernière images, la génération par références multimodales, la modification vidéo et la prolongation vidéo. Le son peut être généré avec l’image. Choisissez le mode de création selon le matériau déjà disponible : un cahier des charges écrit, une image d’ouverture fixe, deux images limites ou un extrait nécessitant une modification ou une continuation.

Mini possède son propre profil de sortie. Le fabricant répertorie de la vidéo en 480p et 720p avec des couleurs de 8 bits, 24 images par seconde et une sortie MP4. Ses rapports d’aspect pris en charge sont 21:9, 16:9, 4:3, 1:1, 3:4 et 9:16 ; la durée documentée de génération est de 4 à 15 secondes. La commande de durée du producteur autorise aussi une sélection automatique dans cette plage. Les options 1080p et 4K du modèle Seedance 2.0 complet sont distinctes ; ce ne sont pas des réglages Mini. Le tableau des capacités de la famille répertorie le renvoi de la dernière image générée, tandis que le mode Draft n’est pas pris en charge.

La référence omni crée une nouvelle scène en utilisant des informations choisies dans les matériaux fournis. Une image peut définir l’apparence d’un sujet, la composition ou le traitement visuel. Une vidéo peut établir une action, un mouvement de caméra ou un effet ; une référence audio peut établir le timbre vocal, la mélodie ou le contenu parlé. Indiquez au modèle ce qu’il doit prendre dans chaque référence, plutôt que de lui demander de copier toutes les propriétés. Par exemple, utilisez une photographie produit pour la forme et la couleur, un court extrait de mouvement de caméra pour l’approche et une référence sonore pour l’atmosphère.

Le processus de la famille autorise jusqu’à neuf images de référence, trois extraits vidéo et trois extraits audio. Les références vidéo durent de 2 à 15 secondes chacune, avec au maximum 15 secondes au total ; les références audio utilisent les mêmes limites par extrait et au total. L’audio seul et le texte avec audio sans référence visuelle ne sont pas des combinaisons de références prises en charge. La création exclusivement textuelle est un mode distinct pris en charge. Pour une séquence, fournissez les éléments dans l’ordre visé et désignez-les de manière cohérente comme Image 1, Video 1 ou Audio 1, selon l’ordre au sein de chaque type de média. Ne remplacez pas une référence numérotée par un identifiant d’élément dans le prompt écrit.

Une première image définit l’ouverture d’un plan guidé par l’image. Le mode première et dernière images définit les deux limites. Si ces images limites exactes importent, choisissez ce mode dédié plutôt que de décrire des références comme une ouverture et une fin dans un prompt à références omni. Ce dernier est un effet dirigé par prompt et n’équivaut pas au choix strict d’images limites. Préparez les images selon la composition de sortie et indiquez l’action reliant les situations initiale et finale.

La modification vidéo transforme un extrait existant au lieu de l’utiliser seulement comme inspiration. Identifiez la vidéo à modifier, l’objet ou la zone à changer, son instant et sa position d’apparition et les détails à préserver. Un cahier des charges utile est : « Dans Video 1, remplacez la tasse par le récipient montré dans Image 1 ; préservez le mouvement de la main, le cadrage, l’éclairage et la disposition de la table. » Pour une suppression, nommez l’objet indésirable et les éléments environnants qui doivent rester. Le fabricant conseille de désigner directement la vidéo cible pour une modification ou une prolongation ; la décrire comme une référence peut plutôt communiquer une demande de scène nouvellement générée.

La prolongation vidéo ajoute des événements avant ou après un extrait existant. Décrivez la direction de continuation et ce qui se passe ensuite ou auparavant. Le processus documenté peut aussi relier deux ou trois extraits par des transitions générées ; les trois vidéos d’entrée doivent toujours tenir ensemble dans le budget de référence de 15 secondes. Le tutoriel distingue une continuation comprenant surtout les images limites de l’extrait d’origine d’une demande conservant explicitement le contenu d’origine. Indiquez la composition souhaitée du résultat : seulement la continuation ou une scène contenant l’extrait fourni et la nouvelle action.

Pour une direction claire, séparez la description stable de la scène de la séquence d’événements. Définissez chaque sujet avec deux ou trois caractéristiques visuelles distinctives et un libellé cohérent. Décrivez ensuite les actions, le décor, l’éclairage, le mouvement de caméra, le style visuel et les contraintes. Dans un dialogue, associez chaque phrase à son locuteur et à l’action pertinente. Utilisez des libellés de plans ordonnés, plutôt que de traiter les horodatages exacts comme des commandes fiables : le fabricant précise que le calage précis peut être instable. Un cahier des charges produit mis en scène pourrait dire : « Image 1 définit Product A. Shot 1 : approchez lentement Product A sur le comptoir. Shot 2 : une main le tourne vers la lumière. Shot 3 : arrêtez-vous sur l’étiquette avant. Ambiance sonore douce de la pièce ; préservez le lettrage imprimé. »

Préparez les références selon les règles d’entrée documentées de la famille. Les formats d’image pris en charge comprennent JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC et HEIF ; chaque image est inférieure à 30 MB. Le guide spécifie des largeur et hauteur d’image strictement comprises entre 300 et 6000 pixels et un rapport d’aspect strictement compris entre 0.4 et 2.5. Les références vidéo utilisent MP4 ou MOV avec de la vidéo H.264 ou H.265 et de l’audio AAC ou MP3, ne dépassent pas 200 MB chacune et ont de 24 à 60 images par seconde. Leurs largeur et hauteur vont de 300 à 6000 pixels, le rapport d’aspect de 0.4 à 2.5 et le nombre total de pixels de 407 696 à 8 295 044. Les références audio utilisent WAV ou MP3 et ne dépassent pas 15 MB chacune. Ce sont les spécifications de préparation d’entrée du fabricant, distinctes des commandes de téléversement d’une application particulière.

Le processus de portrait du fabricant exige une préparation précise pour les images ou les vidéos contenant de vrais visages humains : le téléversement direct de références n’est pas la voie standard prise en charge. Il documente les sorties de modèles de confiance, les personnages numériques prédéfinis et un processus autorisé d’élément de personne réelle comme des solutions distinctes. La correspondance vocale, la prononciation et le son à la limite d’un extrait nécessitent aussi une vérification. Le guide de prompts recommande de décrire les caractéristiques vocales visées et de garder le style de dialogue proche de la référence audio. Vérifiez l’artefact final pour la cohérence des sujets, les mots exacts prononcés, la temporalité des actions, les transitions d’images et le son final ; affinez l’élément précis qui diffère du cahier des charges.