Seedance 2.5 : ce qu'est réellement le modèle vidéo de ByteDance

Seedance 2.5 est le modèle de génération conjointe audio-vidéo de ByteDance Seed, annoncé le 31 juillet 2026, et c'est le modèle vidéo actuel de la gamme Seedance de ByteDance — son prédécesseur, Seedance 2.0, une série qui reste commercialisée à ses côtés plutôt que d'être remplacée par lui. Il génère de la vidéo et de l'audio en une seule passe, accepte jusqu'à 50 éléments de référence dans une seule requête et produit un clip cohérent pouvant aller jusqu'à 30 secondes, qui peut ensuite être prolongé lors de passes supplémentaires. Et la réponse à la question que la plupart des gens se posent en arrivant : les poids ne sont pas ouverts, et ByteDance n'a publié aucun projet de les ouvrir. Il n'existe ni licence, ni checkpoint, ni dépôt pour ce modèle — la seule chose que le fournisseur propose est une API hébergée et un ensemble d'interfaces grand public. C'est le fait le plus élémentaire concernant Seedance 2.5, et c'est celui que cette page a pour but d'énoncer, parce que les recherches qui vous ont conduit ici sont des variantes de « Seedance 2.5 open weight » et « Seedance 2.5 weights », et la réponse honnête est non.

Ceci est une page de référence plutôt qu’un rapport de lancement. Le modèle a environ onze semaines au moment où j’écris, ce qui est suffisamment ancien pour qu’une bonne partie de ce qui circule à son sujet — y compris sur ce blog — se soit éloignée de ce que ByteDance documente réellement aujourd’hui. Tout ce qui suit est rétabli à partir des propres documents du fournisseur : la page du modèle ByteDance Seed et l’article de lancement, ainsi que les tutoriels et les grilles tarifaires de BytePlus ModelArk. Là où le fournisseur ne publie rien, cela est dit plutôt que complété.

Ce qu'est Seedance 2.5

La propre description de ByteDance Seed est concise : « un modèle de génération conjointe audio-vidéo de nouvelle génération, conçu pour raconter des histoires de 30 secondes avec un contrôle précis des références et de puissantes capacités d’édition. » La publication de lancement de l’entreprise présente la génération comme une réponse à l’évolution des attentes — « passer de la simple génération d’un clip à l’achèvement d’une œuvre créative » — et met l’accent sur la narration longue, le référencement multimodal et l’édition plutôt que sur la fidélité visuelle brute.

Il repose sur l'architecture de Seedance 2.0, que ByteDance décrit comme une conception unifiée de génération conjointe audio-vidéo multimodale. Seedance 2.5 conserve cette colonne vertébrale et pousse trois axes à la fois. Ce n'est pas une nouvelle famille et ce n'est pas une modalité différente ; c'est la même ligne, avec le plafond relevé sur la durée, sur le volume de références et sur la précision avec laquelle vous pouvez piloter un plan une fois qu'il existe.

Ce que le fournisseur dit du nombre de paramètres : rien. La taille, les données d’entraînement et la puissance de calcul de Seedance 2.5 ne sont pas publiées, et aucun benchmark réalisé par ByteDance ne l’est non plus. Cette absence mérite d’être retenue, car elle signifie que toute affirmation sur la qualité de ce modèle provient de l’un de deux endroits — le langage marketing de ByteDance lui-même, ou un classement tiers basé sur les préférences humaines — et ces deux sources ne constituent pas le même type de preuve.

Les poids de Seedance 2.5 sont-ils ouverts ?

Non. Rien concernant Seedance 2.5 n'est téléchargeable.

La documentation du fournisseur ne mentionne jamais de poids, de checkpoints, de licence ni de publication en open source. Les appels à l'action de la page du modèle sont « Get API », « Try now » et « Compare now » ; le pied de page renvoie vers les modèles, les publications et le recrutement, et non vers un dépôt. BytePlus ModelArk sert le modèle sous le nom dreamina-seedance-2-5-260628, et sa page de tarification indique pour l'inférence hors ligne « Not supported yet » — il n'existe aucune voie auto-hébergée, uniquement de l'inférence en ligne sur le point de terminaison de ByteDance. Une recherche de ce nom sur Hugging Face ne renvoie aucun dépôt appartenant à ByteDance ; les résultats sont des pages tierces qui remballent l'accès à l'API sous des titres à la saveur Seedance, dont aucun n'est un checkpoint.

La classification d'un tiers abonde dans ce sens, et c'est le signal le plus utile, car il n'a pas été écrit par ByteDance. Artificial Analysis applique un filtre « Open weights » explicite sur ses classements vidéo, et sa propre FAQ nomme les leaders à poids ouverts du tableau texte-vers-vidéo : MiniMax H3 (768p) à 1137 Elo, puis LTX-2.5 Fast à 946 et LTX-2.5 Pro à 943. Dreamina Seedance 2.5, qui affiche 1143 Elo et occupe la troisième place au classement général du même tableau, n'en fait pas partie. La cohorte à poids ouverts du tableau et son entrée Seedance 2.5 forment des ensembles disjoints.

Il vaut la peine d'être précis sur ce que cela signifie et ne signifie pas. Des poids fermés ne rendent pas le modèle moins bon, et pour un très grand nombre d'équipes la question est théorique : elles n'allaient de toute façon jamais faire tourner un modèle de diffusion vidéo sur leur propre matériel. Ce que des poids fermés signifient, en revanche, c'est que vous ne pouvez pas auditer le modèle, ne pouvez pas le fine-tuner sur vos propres séquences, ne pouvez pas figer une version et continuer à l'appeler après que le fournisseur l'a dépréciée, et ne pouvez pas produire de résultat sans envoyer vos prompts et vos ressources de référence à ByteDance. Si l'une de ces quatre contraintes est rédhibitoire pour votre travail, Seedance 2.5 n'est pas votre modèle, quel que soit l'aspect du résultat. Les options à poids ouverts sur ce même classement — MiniMax H3, LTX-2.5 — sont là où cette recherche devrait plutôt s'arrêter.

Ce qu’il génère, à quelle longueur, à quelle résolution

Le tutoriel Seedance 2.5 de BytePlus ModelArk est l'endroit où réside la véritable spécification, et il est nettement plus précis que l'article de lancement. Le modèle détermine son type de tâche à partir des ressources d'entrée et de l'intention du prompt, et il existe cinq formes reconnues :

• Texte vers vidéo — une invite textuelle seule, sans contrainte particulière sur le rapport d’aspect ou la durée.

• Vidéo à image de début, ou à images de début et de fin — une seule image comme image d'ouverture, ou deux images comme première et dernière, avec le format d'image de sortie calé sur celui de l'image de début.

• Référence vers vidéo — au moins une image, une vidéo ou un fichier audio de référence, sans contrainte de durée sur la sortie.

• Montage vidéo — une vidéo de référence plus une intention de montage dans le prompt : remplacer un sujet, ajouter ou supprimer des objets, ou repeindre une partie de l’image. La sortie conserve le rapport d’image et la durée de la source ; la vidéo de référence doit durer entre 4 et 30 secondes, et le ratio doit être défini sur adaptatif avec une durée de -1.

• Extension vidéo — une vidéo de référence plus une intention d’extension, poursuivant la séquence vers l’avant ou vers l’arrière. La publication de lancement décrit une extension en plusieurs tours tout en gardant stables les personnages, les environnements et le rythme narratif.

Sur les chiffres que donne le tutoriel :

• Durée — 4 à 30 secondes en une seule passe, ou -1 pour laisser le modèle choisir une durée dans cette plage. La série Seedance 2.0 plafonne à 4–15 secondes, il s'agit donc d'un doublement, et ByteDance affirme qu'il se fait sans assemblage multi-segments.

• Résolution — 480p et 720p en profondeur de couleur 8 bits, et 1080p en 10 bits. C'est la liste complète pour Seedance 2.5. Pas de 4K. Le palier 4K existe dans la série Seedance 2.0, pas ici, et c'est l'un des chiffres qui a dérivé : plusieurs articles tiers — et l'explication antérieure de ce blog lui-même — décrivaient Seedance 2.5 comme un modèle 4K. Le tableau de capacités actuel de BytePlus ModelArk n'indique pas la 4K pour dreamina-seedance-2-5-260628. Vérifiez le tableau du fournisseur par rapport à votre propre spécification de livraison avant de promettre à qui que ce soit de la 4K avec ce modèle.

• Ratios d'aspect — 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 et adaptatif.

• Conteneur — mp4 ou mov. Le format mov utilise le H.264 avec un échantillonnage de chrominance yuv444p et de l'audio PCM, que ByteDance présente comme l'option de plus haute fidélité pour le montage et les travaux d'extension.

• Références — jusqu’à 50 éléments en une seule requête : 30 images, 10 vidéos et 10 clips audio. La série 2.0 en autorise 15 au total, répartis en 9/3/3. Les vidéos de référence peuvent totaliser au maximum 30 secondes d’entrée, chacune doit faire 200 Mo ou moins, et les fréquences d’images d’entrée acceptées vont de 24 à 60 fps.

• Non publié — la fréquence d'images de sortie. Le tutoriel précise la plage de fréquences d'images qu'il accepte en entrée, et ne dit rien sur ce qu'il émet. Si votre pipeline présuppose une fréquence d'images de sortie fixe, il s'agit d'une supposition, et non d'une valeur documentée.

Un autre détail qui n'a pas d'équivalent dans la série 2.0 : Mode brouillon. Vous générez un aperçu en 480p pour vérifier la structure des scènes, l'ordonnancement des plans, le mouvement du sujet et l'alignement du prompt, puis vous transmettez l'ID de tâche de ce brouillon pour effectuer le rendu de la version finale à votre résolution cible, en réutilisant le modèle, le prompt, les ressources d'entrée, la graine, les paramètres audio, le rapport d'aspect et la durée. Seuls les brouillons en 480p sont autorisés. Les deux étapes sont facturées séparément.

L'audio est généré, non joint

Seedance 2.5 est un modèle conjoint de génération audio-vidéo, et la distinction n'est pas un argument marketing. L'API comporte un flag generate_audio, et les exemples du post de lancement sont eux-mêmes écrits comme du design sonore : un « ding » de découverte sur la réaction d'un personnage, un craquement lorsque la peau d'un pamplemousse se fend, un bruit sourd suivi d'une demi-seconde de silence, une voix off lisant une phrase de marque sur un cadre blanc. Ceux-ci sont conçus dans le cadre du prompt qui produit le clip, et non ajoutés après coup.

Le côté référence a lui aussi changé. Les références audio de Seedance 2.0 étaient conditionnelles — une référence audio nécessitait une image ou une vidéo d'accompagnement. Seedance 2.5 accepte reference_audioà lui seul, et permet de combiner l'audio avec une image, avec une vidéo, ou les trois ensemble. Les ressources de référence audio et vidéo ne totalisent pas plus de 30 secondes au total.

L'ajout de filigrane est un paramètre plutôt qu'un comportement fixe : watermark vaut false par défaut, et le définir sur true appose un marqueur généré par IA dans le coin inférieur droit. Les langues prises en charge nativement sont au nombre de onze — le chinois, l'anglais, l'espagnol, l'indonésien, le malais, le thaï, l'arabe, le portugais, le vietnamien, le japonais et le coréen.

Ce que ByteDance affirme, et ce que mesurent les conseils indépendants

ByteDance ne publie aucun benchmark pour Seedance 2.5. Ni sur la page du modèle, ni dans l'article de lancement, ni dans le tutoriel ModelArk. Les affirmations de l'entreprise sont qualitatives et se lisent au mieux comme une liste d'intentions : un mouvement plus fluide et plus cohérent, des visuels plus réalistes, des transitions de plans et des changements de scène plus solides, une meilleure gestion de la texture des objets et de la peau, de l'éclairage et de la saturation des couleurs, ainsi qu'une réduction des sous-titres et de la musique de fond incontrôlés qui donnent à la vidéo générée par IA son aspect synthétique. L'article de lancement livre aussi volontairement une limite, ce qui est suffisamment inhabituel pour être cité : ByteDance reconnaît qu'il reste « encore des marges d'amélioration, notamment en ce qui concerne la plausibilité physique des mouvements complexes et la stabilité des scènes impliquant des interactions entre plusieurs sujets ».

Le tableau indépendant provient d'Artificial Analysis, qui classe les modèles vidéo par Elo à partir de votes par paires en aveugle émis par un panel humain recruté. Sur AA-Video-T2V v2.0, le classement pour le texte-vers-vidéo avec audio, Dreamina Seedance 2.5 affiche un Elo de 1143 avec un intervalle de confiance de 95 % allant de 1134 à 1152, sur 8 264 votes, ce qui le place troisième. Devant lui : Wan 3.0 à 1156 et Utopai X à 1149. Derrière lui : MiniMax H3 (768p) à 1137 et MiniMax H3 Max à 1130.

Trois mises en garde concernant ce chiffre. Le nom donné au modèle par le classement lui-même est « Dreamina Seedance 2.5 », et sa sortie annoncée est juillet 2026 — il s’agit bien de ce modèle, pas de son prédécesseur. La note est une mesure de préférence, pas un score de capacité : elle indique que les gens ont choisi ses clips plus souvent lors de comparaisons à l’aveugle, ce qui est un jugement sur le résultat à l’œil et à l’oreille, et rien sur la contrôlabilité, l’ergonomie de l’API, le coût ou la fiabilité. Et les intervalles se chevauchent largement — 1143 contre 1137 n’est pas un classement sur lequel quiconque devrait fonder une décision.

Deux autres positions complètent ce tableau. Sur AA-Video-T2V-Silent v2.0, le tableau sans audio, Seedance 2.5 se situe à l'Elo 1105 en quatrième position, derrière Wan 3.0, MiniMax H3 Max et MiniMax H3 (768p) — une position cohérente mais peu remarquable. Sur AA-Video-I2V v1.0, le tableau image-to-video, il n'apparaît pas du tout ; les entrées Seedance y sont Dreamina Seedance 2.0 720p et Seedance 1.5 pro. Rien ici n'étaye l'affirmation selon laquelle Seedance 2.5 est en tête de son domaine. Rien ici ne la contredit non plus — la troisième place au classement général du tableau text-to-video incluant l'audio est un début véritablement solide, et la note du tableau lui-même indiquant que six modèles ont été ajoutés au cours des trente derniers jours montre que le classement est encore en mouvement.

Ce que ça coûte, et comment y accéder

L'accès passe par deux portes totalement différentes. Côté consommateur, l'article de lancement de ByteDance cite Jimeng AI et Doubao Pro — sélectionnez Seedance 2.5 dans le menu de génération vidéo — avec le playground BytePlus sur ai.byteplus.com et Dola répertoriés comme points d'entrée supplémentaires sur la page du modèle. Côté développeur, l'API est BytePlus ModelArk, ID de modèle dreamina-seedance-2-5-260628, servi depuis le point de terminaison Asie-Pacifique. Avant même que le modèle puisse fonctionner, BytePlus exige l'un des éléments suivants : un solde de compte supérieur à 30 USD, un AI Savings Plan dédié au niveau 30 USD ou plus, ou un pack de ressources de la série Seedance 2.5 acheté. Une clé API seule ne suffit pas, et cette condition vaut la peine d'être connue avant de planifier un pic d'utilisation.

La tarification est publiée et est calculée en fonction de la consommation estimée de tokens plutôt que par clip. Les tarifs des tokens, d'après la page de tarification de BytePlus ModelArk, en USD par million de tokens :

• Sortie 480p et 720p — 10. sans entrée vidéo, 6,40 avec entrée vidéo.

• Sortie 1080p — 11,70 sans entrée vidéo, 7,00 avec entrée vidéo.

• Inférence hors ligne — non prise en charge.

La consommation de tokens évolue avec la durée, la résolution et la fréquence d'images, et les exemples détaillés de BytePlus rendent la tendance concrète. Pour un clip 16:9 de 5 secondes sans entrée vidéo, l'estimation du fournisseur est de 0,514 USD en 480p (0,103 par seconde), 1,156 USD en 720p (0,231 par seconde) et 2,843 USD en 1080p (0,569 par seconde). Une fois qu'une vidéo est fournie en entrée, la même sortie de 5 secondes coûte de 0,553 à 2,152 USD en 480p, de 1,244 à 4,838 USD en 720p et de 3,062 à 11,907 USD en 1080p, la borne inférieure correspondant à une entrée de 2 à 4 secondes et la borne supérieure à une entrée de 30 secondes. Notez que l'ajout d'une entrée vidéo abaisse le tarif par token tout en augmentant le total, car la durée de l'entrée consomme elle-même des tokens. Artificial Analysis normalise le même modèle à 34,12 $ par minute de 1080p avec les paramètres par défaut, ce qui est cohérent avec le chiffre par seconde en 1080p du fournisseur lui-même lorsqu'on le multiplie par 60 secondes.

À titre de comparaison, la série Seedance 2.0 est moins chère sur toute la ligne : 0,07 par seconde en 480p, 0,15 en 720p, 0,37 en 1080p et 0,78 en 4K sur la même page tarifaire. Le tarif 1080p de Seedance 2.5 est environ 1,5 fois celui de son prédécesseur, et son tarif 480p également environ 1,5 fois. Vous payez pour la durée, la capacité de référence et le contrôle d'édition, pas pour un compteur moins cher.

Une remarque pratique sur la facturation, car elle change ce que vous devez mesurer : BytePlus ne facture que les vidéos générées avec succès et ne facture pas une génération échouée en raison de la modération du contenu. Dans un flux de travail de montage, où la durée de sortie est héritée du clip source, cela compte davantage que dans un flux piloté par des prompts — une modification rejetée ne vous coûte rien d'autre que la nouvelle tentative, ce qui n'est pas vrai de toutes les API vidéo. Évaluez ce modèle sur le coût par clip accepté, et non sur le coût par seconde de sortie nominale.

La question du routage, franchement

Seedance 2.5 n’est pas routé sur OrcaRouter. Une vérification de notre liste de modèles en direct le 13 octobre 2026 ne renvoie aucune entrée Seedance, toutes générations confondues, donc cette page n’affirme pas qu’il est possible de l’appeler via nous, et vous devez considérer toute publication qui laisse entendre le contraire comme obsolète.

Là où OrcaRouter trouve sa place, c'est dans le reste du pipeline. Un modèle de génération vidéo est rarement la seule chose dans le chemin de la requête — il y a la rédaction de prompts, le sous-titrage de références, la génération de listes de plans, les passes de modération et l'orchestration agentique autour de tout cela, et ce travail n'a pas sa place sur le point de terminaison de ByteDance. OrcaRouter vous donne un point de terminaison compatible OpenAI sur plus de 200 modèles, avec 0 % de majoration, en répercutant le prix catalogue du fournisseur sans modification, de sorte qu'une baisse de prix d'un fournisseur apparaît de notre côté le jour même où elle est appliquée. Le basculement automatique en cas d'échec permet à une étape de rédaction de prompts de continuer à fonctionner lorsqu'un fournisseur connaît un après-midi difficile, et le DSL de routage vous permet d'exprimer quel modèle gère quel appel sous forme de code plutôt que comme une pile de conditions if. Apportez votre clé BytePlus pour la génération vidéo et acheminez tout ce qui l'entoure via un seul point d'entrée.

Qu'est-ce qui est encore ouvert ?

Les questions qu'une page de référence ne peut trancher, et celles qui méritent d'être suivies :

• Si la 4K arrive. La série 2.0 dispose d'un palier 4K, contrairement à Seedance 2.5, une inversion étrange pour un modèle plus récent, qui pourrait relever d'un déploiement progressif plutôt que d'un plafond. Surveillez le tableau des capacités de BytePlus, pas les articles de blog.

• Si les poids seront un jour ouverts. ByteDance n'a rien dit ni dans un sens ni dans l'autre. La lignée Seedance n'a jamais publié de checkpoint, et la présence de rivaux réellement ouverts sur le même classement — MiniMax H3 est le leader des poids ouverts sur le tableau texte-vers-vidéo — constitue l'argument commercial qui s'oppose à un tel changement.

• Si l'Elo tient.La troisième place sur AA-Video-T2V v2.0, avec un intervalle chevauchant celui du modèle classé quatrième, est une position de départ, pas un verdict, et 8 264 votes constituent une base réduite à côté des entrées plus anciennes des classements.

• Ce sur quoi la surface d'API finit par se stabiliser.L'inférence du type de tâche à partir de l'intention du prompt est élégante dans les exemples et fragile en production — BytePlus documente deux codes d'erreur, InvalidParameter.TaskTypeMismatch et InvalidParameter.TaskTypeConstraint, précisément pour le cas où vous vouliez une modification et où le modèle a compris une nouvelle génération. Définir omni_reference_task_type explicitement déplace la validation plus en amont, et toute intégration réelle devrait le faire.

• Que ByteDance livre la physique. L'entreprise a désigné la plausibilité des mouvements complexes et la stabilité des interactions entre plusieurs sujets comme ses propres points faibles. Ce sont ces deux éléments qui déterminent si un clip de 30 secondes est exploitable ou seulement impressionnant.