Seedance 2.5 est un modèle de génération d'intelligence-artificielle développé par ByteDance, l'entreprise technologique chinoise. Sorti en 2025, le modèle génère du contenu vidéo et image à partir de prompts textuels, le positionnant dans le domaine plus large de l'ia-generative. Début 2026, 1 095 prompts sur la plateforme Wikirating référencent Seedance 2.5, indiquant son adoption parmi les utilisateurs de ce service.
Le modèle s'appuie sur les travaux antérieurs de ByteDance en IA multimodale, qui incluent la série Seedance de modèles de génération vidéo. Seedance 2.5 représente une itération qui affine la synthèse texte-vers-vidéo, une tâche qui implique de produire des séquences d'images temporellement cohérentes à partir de descriptions en langage naturel. Le modèle prend également en charge la génération d'images, ce qui en fait un outil à double usage pour les créateurs de contenu.
Capacités
Seedance 2.5 accepte des prompts textuels et produit soit un clip vidéo, soit une image statique. La capacité de génération vidéo prend en charge des durées variables, avec des longueurs de sortie rapportées allant de quelques secondes à plus d'une minute, selon la configuration. Le modèle traite des prompts dans plusieurs langues, dont l'anglais et le chinois, reflétant la base d'utilisateurs internationale de ByteDance.
Pour la génération d'images, Seedance 2.5 produit des images fixes haute résolution, avec des résolutions de sortie allant jusqu'à 4K. Le modèle utilise une architecture d'apprentissage-profond qui intègre un encodeur de texte basé sur un transformeur avec un décodeur visuel basé sur la diffusion, une conception courante dans les modèles génératifs contemporains. Cette combinaison permet au modèle d'aligner la sémantique textuelle avec les détails visuels, tels que le placement des objets, l'éclairage et le mouvement.
Architecture technique
Bien que ByteDance n'ait pas publié d'article technique complet pour Seedance 2.5, le modèle est compris comme utilisant un cadre de réseau-de-neurones qui inclut un mécanisme d'attention-multi-têtes pour le traitement du texte et un réseau de débruitage de style U-net pour la synthèse des trames vidéo. Le modèle applique des couches d'attention-croisée pour conditionner la génération visuelle sur le texte d'entrée, permettant un contrôle précis de la composition de la scène.
Seedance 2.5 intègre également des techniques de augmentation-de-données pendant l'entraînement pour améliorer la robustesse face à des prompts diversifiés. L'ensemble de données d'entraînement comprend des corpus vidéo et image sous licence, bien que les sources spécifiques et les tailles n'aient pas été divulguées. Le modèle utilise l'échantillonnage-top-p et la mise-à-l-échelle-de-température pendant l'inférence pour contrôler la diversité et le déterminisme de la sortie, permettant aux utilisateurs d'ajuster la créativité par rapport à la fidélité.
Sortie et disponibilité
Seedance 2.5 a été publié en 2025, suite au modèle Seedance initial lancé en 2024. ByteDance propose le modèle via sa plateforme cloud Volcano Engine, qui fournit un accès API pour les développeurs et les entreprises. La sortie comprend à la fois une version standard et une variante plus légère optimisée pour une inférence plus rapide sur du matériel grand public.
La tarification de l'API est basée sur l'utilisation, avec des coûts calculés par seconde de vidéo générée ou par image. En 2026, le modèle est disponible dans certaines régions, notamment la Chine, les États-Unis et certaines parties de l'Europe, sous réserve de conformité réglementaire locale. ByteDance n'a pas open-sourcé les poids du modèle, faisant de Seedance 2.5 une offre propriétaire.
Performance et réception
Les benchmarks publiés par ByteDance indiquent que Seedance 2.5 surpasse son prédécesseur sur les métriques standard de génération vidéo, notamment le FVD (Distance Vidéo de Fréchet) et le score CLIP, d'environ 15 % et 8 %, respectivement. Des évaluations indépendantes de groupes de recherche tiers ont corroboré ces améliorations, en particulier en ce qui concerne la cohérence temporelle et l'adhérence au prompt.
Les retours des utilisateurs sur des plateformes comme Wikirating, où 1 095 prompts référencent le modèle, soulignent sa force dans la génération de mouvements réalistes et de scènes complexes. Certains utilisateurs signalent des artefacts occasionnels dans les séquences à mouvement rapide, une limitation courante dans les modèles de génération vidéo actuels. La capacité de génération d'images du modèle a été saluée pour sa polyvalence stylistique, prenant en charge des styles allant du photoréaliste à l'anime.
Comparaison avec d'autres modèles
Seedance 2.5 concurrence d'autres modèles texte-vers-vidéo, tels que ceux d'OpenAI et de Google DeepMind. Contrairement à Sora d'OpenAI, qui se concentre exclusivement sur la vidéo, Seedance 2.5 intègre la génération d'images dans le même cadre, offrant une interface unifiée. Comparé à la série Veo de Google DeepMind, Seedance 2.5 prend en charge des durées de sortie plus longues dans sa configuration standard, bien que Veo offre une résolution maximale plus élevée dans certains réglages.
Le modèle diffère également en termes d'accessibilité. Alors que les concurrents exigent souvent un accès sur liste d'attente ou des contrats d'entreprise, Seedance 2.5 est disponible via une API publique avec un modèle de paiement à l'utilisation, abaissant la barrière pour les développeurs indépendants. Cette approche a contribué à son adoption, comme le reflètent les 1 095 prompts Wikirating.
Développement futur
ByteDance a signalé un investissement continu dans la ligne Seedance, avec des plans pour un Seedance 3.0 qui intégrerait la génération audio et l'édition interactive. L'entreprise explore également l'intégration avec ses offres de grand-modèle-de-langage, telles que le chatbot Doubao, pour permettre la création vidéo conversationnelle. Début 2026, aucune date de sortie pour ces fonctionnalités n'a été annoncée.