Seedance

Seedance 2.0 est le modèle vidéo de deuxième génération de ByteDance, conçu par l'équipe de recherche Seed de l'entreprise et lancé pour les utilisateurs chinois le 12 février 2026, suivi d'un accès API mondial le 9 avril via fal.ai. En juin 2026, il occupe la première place du classement ELO sur l'Artificial Analysis Video Arena dans les catégories texte-vers-vidéo avec audio (1 215), image-vers-vidéo avec audio (1 193) et image-vers-vidéo sans audio (1 344), devant Veo 3.1, Kling 3.0 et Runway Gen-4.5. Il ne s'agit pas d'un discours marketing, mais bien du classement voté par la communauté que toutes les équipes sérieuses d'IA vidéo surveillent de près.

Ce qui distingue mécaniquement Seedance de tous ses concurrents, c'est la flexibilité de ses entrées : une seule génération accepte jusqu'à 12 fichiers mixtes comprenant du texte, jusqu'à 9 images de référence, jusqu'à 3 clips vidéo et jusqu'à 3 pistes audio. Il génère des clips de 4 à 15 secondes dans une résolution allant jusqu'à 2K avec un son natif synchronisé (effets sonores, musique, dialogues avec synchronisation labiale en 8 langues) sans coût supplémentaire, gère des séquences à plans multiples avec des coupes naturelles en un seul rendu, et prend en charge six formats d'image allant du 9:16 au 21:9. L'accès se fait via l'application Jimeng en Chine, l'application Dreamina et CapCut Pro à l'international, l'API d'entreprise Volcano Engine, ainsi que les API tierces sur fal.ai, Replicate et Segmind.

Ce que Seedance produit en juin 2026

Seedance 2.0 génère des clips d'une durée comprise entre 4 et 15 secondes. La sortie native est en 480p et 720p, avec du 1080p sur le niveau Pro et de la 2K via le niveau Cinema sur Volcano Engine. L'audio est généré nativement plutôt qu'ajouté par la suite : la musique de fond, les effets d'ambiance et les dialogues parlés arrivent synchronisés dans le même rendu, et le modèle accepte les fichiers audio comme entrée de référence, ce que ni Veo 3 ni Kling ne peuvent faire. Fournissez-lui une piste de 30 secondes et demandez-lui de caler les visuels sur le rythme, et le résultat arrivera monté sur la musique.

La capacité multi-plans est plus importante qu'il n'y paraît. Demandez une séquence de thriller en trois plans et Seedance vous renvoie un seul clip avec des configurations de caméra distinctes et des coupes naturelles entre elles, plutôt que trois générations déconnectées que vous devez assembler manuellement. Associé au verrouillage des références (le même visage de personnage et le même produit maintenus cohérents sur un lot de générations), c'est ce qui se rapproche le plus d'un flux de travail de réalisation plutôt que d'une machine à sous parmi tous les modèles actuels.

La génération prend 90 à 120 secondes pour un clip standard, ce qui est plus lent que la plupart de ses concurrents. L'article arXiv (2604.14148) décrit l'architecture comme un cadre unifié pour la génération conjointe audio-vidéo multimodale, et un aperçu de Seedance 2.1 promettant une amélioration de la qualité de 20 % ainsi qu'un niveau Mini moins cher a été annoncé, bien qu'aucune date n'ait été précisée.

Où se situe Seedance par rapport à Veo 3 et Kling 3.0

Face à Veo 3, le compromis se situe entre contrôle et intégration. Veo 3 génère l'audio et la vidéo en une seule passe de bout en bout, de sorte que les dialogues et les sons d'ambiance émergent avec un positionnement spatial naturel ; Seedance génère l'audio sous forme de couche séparée coordonnée, ce qui offre plus de contrôle sur les éléments individuels mais un mélange légèrement moins organique. Veo 3 dispose d'une simulation physique spécialement conçue pour la gravité, les fluides et les collisions, tandis que Seedance reproduit le mouvement à partir d'une vidéo de référence. Cependant, Seedance accepte 12 fichiers d'entrée mixtes là où Veo prend un prompt et une image, exécute des clips de 15 secondes contre 8 pour Veo, et coûte environ $0.60 par clip 1080p de 10 secondes avec audio contre $2.50 pour Veo, le plus cher de sa catégorie.

Face à Kling 3.0, l'écart s'inverse sur le mouvement brut. Kling est le maître du mouvement : une précision physique jugée excellente par les critiques, une 4K native à 60 ips, et les clips les moins chers de la catégorie à environ $0.50 pour 10 secondes. Seedance réplique avec son avance dans les benchmarks (1 215 ELO contre 1 099 pour Kling en texte-vers-vidéo avec audio), une entrée de référence audio dont Kling est totalement dépourvu, et le système multimodal à 12 entrées contre une ou deux images de référence pour Kling. Les équipes qui ont besoin de verrouiller la ressemblance d'un personnage et de contrôler la bande-son dans la même génération n'ont aucun équivalent chez Kling.

Face à Gemini Omni, la comparaison que les lecteurs de Vantaige demanderont : Seedance est en tête sur l'ELO global, l'anatomie et les cinématiques d'action intenses pour les clips courts, ce qui explique exactement pourquoi de nombreux critiques ont évalué Omni par rapport à lui lors de son lancement et ont trouvé qu'Omni était à la traîne. La riposte d'Omni est l'édition itérative conversationnelle sur plusieurs tours, ce que Seedance ne peut pas faire ; Seedance réplique avec des fonctionnalités d'édition natives telles que le remplacement de personnage, l'extension de scène et le transfert de style qui s'exécutent comme des opérations distinctes. Une mise en garde que le classement ne montre pas : dans les clips approchant les 12 à 15 secondes avec des interactions complexes entre plusieurs personnages, les critiques documentent systématiquement des micro-incohérences dans le mouvement des membres. L'avance sur l'anatomie est réelle mais plus forte en dessous de 12 secondes.

"Lors des tests de scènes d'action à grande vitesse, Seedance 2.0 a démontré des angles de caméra dynamiques, un flou de mouvement cinématographique, une physique réaliste, de solides détails environnementaux et une lisibilité claire du sujet." - Runbo Li, PDG de Magic Hour, avril 2026

Le coût réel de la génération avec Seedance

La tarification dépend entièrement de la porte par laquelle vous entrez. La voie sérieuse la moins chère est fal.ai : $0.022 par seconde sur le niveau Fast (un clip de 10 secondes pour environ 22 cents) et $0.247 par seconde sur le niveau Standard, avec audio synchronisé inclus. L'API officielle Volcano Engine fixe le prix du texte-vers-vidéo autour de $0.14 à $0.15 par seconde, ce que la presse financière chinoise a surnommé l'ère du yuan par seconde. Segmind se situe autour de $0.71 par clip de 8 à 10 secondes et se distingue comme le seul fournisseur exécutant le modèle sans la couche de modération supplémentaire.

L'accès grand public se fait via Jimeng en Chine pour environ $9.60 par mois, et à l'international via Dreamina avec des forfaits de crédits allant de $18 à $84 par mois, plus CapCut Pro, qui a commencé à intégrer Seedance à l'échelle mondiale en avril 2026. Des crédits de connexion quotidiens gratuits sur Jimeng et des crédits d'essai sur Dreamina existent, mais ce sont des rations d'évaluation, pas un niveau de travail. Le calcul comparatif par clip 1080p de 10 secondes avec audio : Seedance environ $0.60, Kling environ $0.50, Sora 2 environ $1.00, Veo 3.1 environ $2.50.

Où Seedance échoue systématiquement

Le filtre de contenu est la plainte dominante, et il est structurel. Sur la plupart des plateformes, le filtre intercepte les prompts avant que le modèle ne les voie, rejetant les références de visages, les descriptions de casques et de lunettes, les noms de célébrités, les logos et les demandes stylistiques que le propre marketing de ByteDance présente comme des fonctionnalités. Les chorégraphies de combat, les concepts d'horreur et les créations publicitaires audacieuses sont systématiquement bloqués.

"Les créateurs passent un temps excessif à reformuler les prompts pour contourner les filtres plutôt que de se concentrer sur leur véritable travail créatif, luttant contre le filtre au lieu de créer ce qu'ils avaient prévu de faire." - Rohit Rao, blog Segmind, 8 avril 2026

Trois autres schémas documentés. Les frictions d'accès : de février à avril 2026, l'application complète Jimeng nécessitait un numéro de téléphone et un moyen de paiement chinois, les solutions de contournement par VPN étant fréquemment bannies ; l'API fal.ai et le déploiement mondial de Dreamina ont résolu ce problème pour les développeurs, mais ces mois perdus ont coûté à ByteDance son élan initial en Occident. La vitesse : 90 à 120 secondes par clip signifie qu'une session d'idéation produit 6 à 12 clips par 15 minutes, là où des concurrents plus rapides font le double. La complexité d'utilisation : le système d'entrée multimodal récompense ceux qui pensent comme des réalisateurs et punit les prompteurs occasionnels ; des références faibles produisent des résultats faibles, et les critiques le signalent systématiquement comme n'étant pas adapté aux débutants par rapport aux outils axés sur les prompts comme Kling Standard ou Runway.

Le lancement lui-même a été l'incident marquant de l'année dans le domaine de la vidéo IA. Dans les 48 heures suivant la sortie du 12 février, des clips de Tom Cruise combattant Brad Pitt et des duels au sabre laser ont inondé X et Reddit. Disney a émis une mise en demeure le 13 février, Paramount a suivi le 14, la Motion Picture Association et la SAG-AFTRA ont condamné le modèle le 15, et ByteDance a ajouté le filigrane C2PA et renforcé les mesures de sécurité le 16. ByteDance avait également suspendu une fonctionnalité de visage-vers-voix deux jours avant le lancement après qu'un critique a montré qu'elle pouvait reconstruire la voix parlée d'une personne à partir d'une photographie. Le scénariste Rhett Reese (Deadpool and Wolverine) a posté cette semaine-là : "Je déteste le dire. C'est probablement fini pour nous." Le filtre agressif qui frustre les créateurs aujourd'hui est le résidu direct de cette cascade juridique.

Meilleurs cas d'usage versus scénarios à éviter

Seedance est actuellement le choix le plus solide pour le marketing à la performance à grande échelle : verrouillez une image de produit et un talent de marque sur un lot de variantes 9:16, 16:9 et 1:1 avec la musique intégrée au rendu, sans avoir à retourner de scènes ni à ajouter d'audio en post-production. Il est tout aussi performant pour la prévisualisation, où une séquence scénarisée en trois plans avec un mouvement de caméra de référence renvoie une ébauche prête à être présentée en un seul rendu, et c'est le seul modèle de premier plan pour le contenu piloté par l'audio, puisqu'il accepte la bande-son comme entrée. Les développeurs qui construisent des pipelines vidéo obtiennent le leader des benchmarks aux prix de fal.ai, et les équipes multilingues bénéficient d'une synchronisation labiale en 8 langues que ni Hailuo ni Pixverse n'égalent.

Évitez-le si vous voulez taper une phrase et obtenir une vidéo ; Kling Standard et Runway sont nettement plus conviviaux. Évitez-le pour la 4K native (Kling), pour une liberté créative sans restriction (Veo 3 via AI Studio, ou le Seedance non filtré de Segmind si vous acceptez le risque lié aux tiers), pour une itération rapide où la latence de 90 secondes s'accumule, et pour les clips de plus de 15 secondes sans assemblage. La note de 4.4 reflète la même équation d'un bout à l'autre : le modèle vidéo objectivement le meilleur selon des mesures indépendantes, dont le prix est inférieur à celui de ses concurrents, mais qui est empêché d'aller plus haut par un filtre qui lutte contre ses propres utilisateurs, des rendus lents et une physique qui vacille sur la fin des clips longs. Modèles connexes valant la peine d'être comparés sur Vantaige : WAN pour les poids ouverts et Jimeng pour le pendant grand public de ByteDance.