Kling 4.0 vs ByteDance Seedance 2.0 : trente secondes sans coupe, ou quinze avec six

Deux modèles vidéo peuvent tous deux annoncer quinze secondes et signifier des choses différentes. ByteDance Seedance 2.0 remplit sa fenêtre de 15 secondes avec plusieurs plans : une séquence de type storyboard, coupes comprises, générée en une seule passe avec un audio stéréo. Kling 4.0, sorti le 15 octobre 2026, double la fenêtre pour atteindre 30 secondes et maintient la caméra en marche : une seule prise continue, tenue par jusqu'à 10 images clés et un budget de 15 actifs de référence. La comparaison des durées est celle que toutes les fiches techniques mettent en avant. La grammaire des plans est celle qui détermine quel modèle convient à votre montage.

Il existe une seconde asymétrie sous-jacente. Seedance 2.0 est généralement disponible en Chine depuis février 2026, figure sur le classement text-to-video d’Artificial Analysis avec plus de 20 000 votes et publie un prix normalisé par minute. Kling 4.0 en est à son huitième jour de disponibilité générale dans l’application grand public, ne dispose d’aucun Elo indépendant ni de tarif par seconde fourni par le fournisseur. Un modèle a une position mesurée ; l’autre a une prise plus longue.

Le chiffre qui semble décisif et ne l’est pas

Trente contre quinze, c’est un doublement net, et c’est bien réel : Kling 4.0 génère de 3 à 30 secondes en une seule passe, tandis que Seedance 2.0 génère de 4 à 15 secondes avec une valeur par défaut de 5 secondes. Si votre plan est une démonstration produit continue de 25 secondes, Seedance 2.0 ne peut pas le produire nativement, et aucun travail d’ingénierie de prompt ne change un plafond absolu. L’extension côté Kling est annoncée jusqu’à deux minutes, mais marquée comme bientôt disponible ; la comparaison livrée est donc de 30 secondes contre 15.

Le nombre cesse d’être décisif dès l’instant où le plan est censé être coupé. Les 15 secondes de Seedance 2.0 sont conçues pour contenir plusieurs plans : ByteDance décrit une saisie de texte de type storyboard et une planification de caméra de niveau réalisateur — dolly zooms, rack focus, travellings, changements de point de vue — qui se produisent à l’intérieur de la génération plutôt que lors du montage. Les 30 secondes de Kling 4.0 sont conçues pour n’en contenir qu’un. La note de version de Kuaishou décrit les images clés comme un moyen de placer des états de personnage, des changements de scène et des moments clés du récit, ce qui relève du contrôle de continuité, et non d’un budget de nombre de plans.

Donc, la formulation honnête n’est pas « Kling est deux fois plus long ». C’est « Kling est deux fois plus long par plan, et Seedance vous offre plus de plans par génération ». Une prise unique de 30 secondes et une séquence de six plans de 15 secondes sont des produits différents qui se trouvent partager une colonne de durée.

Liaison de référence : une distribution vs un storyboard

L’Omni Reference de Kling 4.0 accepte jusqu’à 15 éléments dans une seule tâche, avec des limites de 10 images, 5 vidéos totalisant 30 secondes et 7 sujets, dont jusqu’à trois peuvent être basés sur vidéo. Chaque sujet peut être associé à une voix spécifiée, et le modèle accepte également jusqu’à 10 images de keyframe. Ce budget constitue l’allocation de références la plus généreuse de cette comparaison, et il vise à préserver l’identité, la garde-robe, le décor et le mouvement sur un long plan.

Seedance 2.0 accepte jusqu’à 9 images, 3 clips vidéo et 3 clips audio, et utilise une syntaxe d’adressage qui lie une référence nommée à un sujet spécifique et pondère son influence. C’est un budget plus restreint avec un contrôle plus fin par référence. Si votre problème est « ceci est le personnage A, ceci est le personnage B, et la veste de A doit correspondre à l’image 1 à l’image 300 », la syntaxe de liaison de Seedance est l’outil le plus direct. Si votre problème est « maintenir tout cet univers cohérent pendant une demi-minute », le budget plus important et la piste d’images clés de Kling sont plus adaptés.

Audio : les deux revendiquent le même terrain

La revendication la plus forte de Seedance 2.0 est un mixage stéréo à deux canaux — musique, ambiance et voix off en pistes séparées — généré conjointement avec la vidéo plutôt que doublé après coup, avec une synchronisation labiale multipersonne et multilingue. Kling 4.0 revendique une stéréo à deux canaux, une synchronisation labiale améliorée, des dialogues en neuf langues, ainsi que des accents et dialectes nommés en anglais et en mandarin. Ce sont dans les deux cas des affirmations de fournisseurs. Aucun des deux fournisseurs ne publie de nombre de pistes, et aucun test indépendant n’a comparé les deux pipelines audio. La différence, dans le marketing, tient à l’assurance affichée ; dans la documentation, elle est plus ténue que le marketing ne le laisse entendre.

Le matériel de lancement de ByteDance lui-même signale une distorsion audio occasionnelle ainsi que des limites de cohérence entre plusieurs sujets et de rendu du texte. Le matériel de Kuaishou ne mentionne pas de faiblesse comparable, ce qui constitue une différence de divulgation plutôt qu’une différence de qualité. Prévoyez une seconde prise sur le dialogue avec l’un ou l’autre des modèles.

L'asymétrie du benchmark

Sur le classement texte-vidéo d’Artificial Analysis relevé le 18 septembre 2026, Dreamina Seedance 2.0 720p occupe la cinquième place avec un Elo de 1 210, un intervalle de confiance de 95 % de ±6 sur 20 345 échantillons, au tarif de 9,07 $ par minute. Les cinq premiers sont séparés par 23 points Elo ; la cinquième place est donc une position dans la file d’attente plutôt qu’un verdict, mais la mesure est réelle et le nombre d’échantillons est élevé.

Kling 4.0 n’a aucune ligne dans aucun des trois classements vidéo au 23 octobre 2026. Ce n’est pas un score faible ; c’est une absence. Les lignes de la génération précédente figurent toujours dans les classements et ne doivent pas être empruntées. Quiconque place aujourd’hui un nombre Elo à côté de Kling 4.0 cite soit Kling 3.0, soit l’invente.

La conséquence pratique est que le modèle évalué est le choix par défaut le plus sûr pour une équipe qui doit justifier sa décision, tandis que le modèle non évalué est celui que l’on teste en pilote plutôt que celui que l’on standardise. Cela concerne les preuves, non la qualité.

Accès, géographie et coût

Seedance 2.0 est officiellement disponible en Chine depuis le 12 février 2026, l’API ayant atteint sa pleine disponibilité générale le 14 avril. Hors de Chine, le tableau est plus inégal. La voie grand public via CapCut a d’abord atteint un ensemble limité de marchés — le Brésil, l’Indonésie, la Malaisie, le Mexique, les Philippines, la Thaïlande et le Viêt Nam — et les États-Unis ont été explicitement exclus de ce déploiement, tout comme une grande partie de l’Europe. La voie de l’API pour les entreprises a la couverture géographique la plus large. ByteDance applique également des restrictions de contenu sans équivalent direct chez Kling : aucune génération à partir d’images ou de vidéos contenant des visages réels sans vérification d’identité ou autorisation préalable, ainsi qu’un filigrane invisible sur les contenus générés.

Kling 4.0 est disponible dans l'application et sur le site web Kling AI à l'échelle mondiale, l'annonce du lancement mondial étant datée du 16 octobre 2026. L'API est en accès anticipé et aucun tarif à la seconde n'est publié par le fournisseur. Kling est donc plus facile à essayer mais plus difficile à acheter, tandis que Seedance est plus difficile à atteindre sur certains marchés mais plus facile à chiffrer une fois l'accès obtenu.

Côté coût, les 9,07 $ par minute de Seedance 2.0 relèvent d'une normalisation d'Artificial Analysis et non d'un tarif annoncé : ByteDance facture au token sur Volcano Engine, à 46 RMB par million de tokens pour la génération pure et 28 RMB par million avec une entrée vidéo pour le montage. Un clip de 15 secondes représente environ 308 880 tokens, soit près d'un yuan par seconde — le chiffre « un yuan, une seconde » retenu par la presse chinoise. Les variantes Mini et Fast appartiennent à la même famille de modèles, à environ la moitié du tarif du modèle phare, pour le travail de première ébauche. Kling 4.0 n'offre pas de chiffre comparable ; l'application fonctionne avec des crédits, l'API n'est pas tarifée et les montants à la seconde affichés par les revendeurs ne sont pas ceux du fournisseur.

Aucun des deux modèles n'est une route OrcaRouter aujourd'hui. La génération Kling que nous proposons est Kling 3.0, à 0,084 $ par requête pour les niveaux flagship et Omni, 0,112 $ pour Turbo et de 0,042 $ à 0,28 $ pour les anciens modèles 2.x. Cela compte si vous pilotez Kling 4.0 : le chemin de repli existe déjà sur la même clé compatible OpenAI que plus de 200 autres modèles, à le prix catalogue du fournisseur, sans marge ajoutée, de sorte qu'un appel en accès anticipé échoué peut basculer vers une génération de production au lieu de faire échouer le lot.

Lequel fait partie de la chronologie ?

• Choisissez Kling 4.0 si le plan ne doit pas être coupé : un mouvement de caméra continu, une démonstration en une seule prise, un monologue qui doit tenir un visage pendant 25 secondes. La passe de 30 secondes et la piste de 10 images clés sont conçues exactement pour cela, et aucun autre modèle de cette comparaison n’offre cette durée.

• Choisissez Seedance 2.0 si l'unité de travail est une séquence : un drame court, une publicité construite à partir de six plans, un storyboard qui exige un langage caméra au sein même de la génération. Sa conception multi-plans et sa syntaxe d'adressage par référence correspondent plus directement.

• Choisissez Seedance 2.0 si vous avez besoin d'une note et d'un prix aujourd'hui. Il a les deux ; Kling 4.0 n'a ni l'un ni l'autre.

• Choisissez Kling 4.0 si vous avez besoin du budget de références le plus large et d'une piste d'images clés distincte, et si vous pouvez accepter une API en accès anticipé alors que la grille tarifaire fait défaut.

• N’en choisissez aucun si vous avez besoin de pistes audio séparables avec un nombre de pistes publié. Les deux annoncent la stéréo ; aucun ne documente l’architecture des canaux.

Ce qu’il faut surveiller, ce n’est pas la colonne de durée, mais le premier score indépendant de Kling 4.0 et le premier tarif d’API publié. Si Kling 4.0 se situe près de Seedance 2.0 au classement, le choix se portera sur la grammaire des plans et le prix. S’il se situe bien en dessous, la prise de 30 secondes sera une fonctionnalité spécialisée plutôt qu’un avantage généraliste. Quoi qu’il en soit, la décision doit être prise en fonction de la forme du montage, et non selon le modèle dont le chiffre est le plus élevé dans un communiqué de presse.