Lancement officiel de Seedance 2.0

• Le modèle de génération vidéo multimodale de nouvelle génération dévoilé par l’équipe ByteDance Seed prend en charge de manière unifiée les entrées texte, image, audio et vidéo
• La précision physique et le réalisme ont été renforcés, garantissant une grande stabilité et une bonne cohérence même dans des scènes complexes d’interaction entre personnages et de mouvement
• Jusqu’à 9 images, 3 vidéos et 3 pistes audio peuvent être fournies simultanément pour refléter la composition, le mouvement, les effets spéciaux et le son, avec un contrôle précis grâce aux fonctions de montage et d’extension vidéo
• La prise en charge d’une sortie multi-caméras haute qualité de 15 secondes et d’un audio stéréo améliore fortement l’efficacité de production de contenus industriels pour le cinéma, la publicité, le jeu vidéo et plus encore
• Lors des évaluations globales, le modèle a affiché une qualité de génération et un respect des consignes parmi les meilleurs du secteur, avec des améliorations prévues sur la stabilité fine et la cohérence multi-personnages

---

Aperçu de Seedance 2.0

• Seedance 2.0, dévoilé le 12 février 2026, est le modèle unifié de génération audio-vidéo multimodale de ByteDance
  • Il traite simultanément quatre types d’entrée : texte, image, audio et vidéo
  • Par rapport à la version 1.5, la qualité de génération, la précision physique, le réalisme et la contrôlabilité ont tous progressé
• Le modèle vise la production vidéo industrielle et prend en charge des vidéos de 15 secondes, le multi-caméras et l’audio stéréo
• Il est actuellement possible de l’essayer sur des plateformes comme Jimeng AI et Doubao (豆包)

Fonctions principales et caractéristiques techniques

• Renforcement de la stabilité pour les mouvements et interactions complexes
  • Reproduction naturelle des mouvements de plusieurs personnages et des règles physiques
  • Par exemple, dans une scène de patinage artistique à deux, les sauts, rotations et réceptions sont rendus de façon réaliste
• Extension des entrées multimodales
  • Mélange possible de jusqu’à 9 images, 3 vidéos, 3 pistes audio et des consignes en langage naturel
  • La génération reflète les éléments de composition, mouvement, travail de caméra, effets spéciaux et son des éléments fournis
• Fonctions de contrôle précis et de montage
  • Meilleure cohérence avec les consignes, avec une reproduction fidèle même de scripts complexes
  • Les fonctions d’extension vidéo et d’édition partielle permettent de modifier scènes, personnages et actions
• Génération audio de haute qualité
  • Génération simultanée d’ambiance, d’effets sonores et de narration en stéréo à deux canaux
  • Restitution de textures sonores fines et de synchronisation visuelle dans des scènes comme l’ASMR ou les séquences wuxia
• Applicabilité à l’échelle de l’industrie
  • Adapté à des environnements de production variés, comme la publicité, le cinéma, le jeu vidéo ou les vidéos de commentaire
  • Grâce à l’IA, il permet de réduire les coûts d’effets spéciaux et de tournage tout en raccourcissant les délais de production

Évaluation des performances

• Qualité de génération vidéo
  • Niveau de pointe du secteur en stabilité des mouvements, respect des consignes et qualité esthétique
  • Expression précise des mouvements complexes, des expressions faciales et de la mise en scène caméra
  • Certains aspects de la stabilité fine et du dynamisme restent à améliorer
• Qualité de génération audio
  • Amélioration de la stratification du son stéréo et de l’adaptation sonore aux scènes
  • Meilleure cohérence visuelle entre dialogues, musique et effets sonores
  • Quelques limites subsistent sur la synchronisation labiale multi-personnages et la distorsion vocale
• Génération à partir de références multimodales
  • Compréhension et restitution précises de diverses combinaisons d’entrées
  • Grande cohérence et fort réalisme dans les tâches de montage et d’extension
  • La cohérence multi-personnages et la précision de restitution du texte nécessitent encore des améliorations

Évaluation globale et orientation future

• Seedance 2.0 évolue de la « génération synchronisée son-image » vers la « génération multimodale unifiée »
• En résolvant les problèmes de respect des lois physiques et de cohérence à long terme, il élargit la liberté créative des créateurs
• À l’avenir, grâce à une stabilisation plus fine de la qualité et à un alignement fondé sur les retours humains, il devrait devenir un outil de création vidéo par IA encore plus efficace et créatif