Seedance 2.5 de ByteDance disponible sur Vercel AI Gateway
Le modèle vidéo de ByteDance est accessible via l'AI Gateway de Vercel. Il génère jusqu'à 30 secondes en un seul clip, accepte des références croisées image/vidéo/audio dans la même requête, et permet d'éditer une vidéo existante sans retravailler le montage.
Profil éditorial · Webdesign & UX
En bref
- Seedance 2.5 de ByteDance est disponible sur Vercel AI Gateway via le modèle
bytedance/seedance-2.5. - Génère jusqu'à 30 secondes en un seul clip, sans assemblage de plans en post-production.
- Accepte texte, image, vidéo et audio comme entrées dans la même requête, avec des rôles distincts : apparence depuis un asset, mouvement ou cadrage depuis un autre.
- Permet l'édition locale d'une vidéo existante : swap de fond, de produit ou de personnage, en conservant le cadre, le mouvement de caméra et le rythme.
- Les prompts sont pris en charge dans plus de dix langues.
Sommaire4 sections
Ce que le multi-référence change pour la prod vidéo
La plupart des modèles vidéo génératifs traitent les entrées de façon monolithique : un prompt, éventuellement une image de départ, un résultat. Seedance 2.5 découpe autrement. On peut pointer vers plusieurs assets dans le même appel — une image pour l'apparence d'un personnage, une autre pour celle d'un objet, une vidéo pour le mouvement de caméra — et le modèle les traite comme des sources distinctes avec des rôles explicites.
Pour une agence qui livre régulièrement des déclinaisons vidéo (même produit, fond différent ; même scène, personnage swappé), ça change le rapport au post-prod : l'édition se fait directement sur la vidéo terminée, sans retoucher le montage. Le cadre, le rythme et le mouvement de caméra restent en place.
Intégration via l'AI SDK de Vercel
L'appel de base passe par generateVideo (exporté sous experimental_generateVideo depuis le SDK ai). Un exemple minimal :
import { experimental_generateVideo as generateVideo } from 'ai';
import fs from 'node:fs';
const { videos } = await generateVideo({
model: 'bytedance/seedance-2.5',
prompt: 'A chicken flying into the sunset in the style of 90s anime',
resolution: '1920x1080',
duration: 30,
});
fs.writeFileSync('output.mp4', videos[0].uint8Array);
Pour les références croisées, le SDK distingue deux espaces de numérotation : referenceImages (pointés dans le prompt avec [Image 1], [Image 2]…) et referenceVideos (pointés avec [Video 1]…). Ces namespaces sont indépendants, ce qui permet d'écrire dans un même prompt [Video 1] pour le mouvement de caméra et [Image 1] pour l'apparence d'un produit :
const { videos } = await generateVideo({
model: 'bytedance/seedance-2.5',
prompt: 'Follow the camera movement and pacing of [Video 1], with the product from [Image 1]',
resolution: '1920x1080',
duration: 15,
inputReferences: [
{ data: clipUrl, mediaType: 'video/mp4' },
{ data: productUrl, mediaType: 'image/jpeg' },
],
});
La documentation officielle et le playground sont accessibles depuis la page du modèle sur Vercel AI Gateway.
Un point de vigilance sur les rôles des assets
La source est explicite sur ce point : mélanger dans le même prompt un asset en mode "référence pour une nouvelle génération" et un asset en mode "édition d'une vidéo existante" produit des résultats moins stables. Les deux modes ont une logique différente — l'un construit à partir de zéro, l'autre modifie en place — et les confondre dégrade la cohérence du résultat. Il vaut mieux être explicite sur ce que chaque source est censé apporter.
À vérifier avant d'adopter
Le changelog de Vercel ne précise pas la tarification de Seedance 2.5 sur AI Gateway, ni les limites de débit applicables en production. La durée maximale (30 secondes par clip) est documentée, mais rien n'est indiqué sur les temps de génération à attendre selon la résolution ou la durée. Ces points méritent d'être testés en conditions réelles avant d'intégrer le modèle dans un workflow de livraison client.
Lecture 404 Mates
Le vrai intérêt pour les builders n'est pas la génération vidéo en soi — d'autres modèles le font — mais la séparation explicite des rôles entre assets dans un même appel. Pour une agence qui gère des catalogues produits ou des campagnes multi-déclinaisons, pouvoir extraire le mouvement de caméra d'un clip existant et l'appliquer à une nouvelle scène avec un produit différent, sans passer par du montage manuel, est un gain de workflow concret.
L'édition locale (swap de fond, personnage ou produit sur une vidéo terminée) répond à un besoin récurrent : produire plusieurs versions d'un même cut sans repartir de zéro. Le fait que le cadre, le rythme et le mouvement restent en place — selon ce que dit la source — est précisément ce qui évite une révision complète du montage.
L'avertissement sur le mélange des rôles (référence vs édition dans un même prompt) est à retenir : c'est le genre d'erreur silencieuse qui dégrade la qualité sans message d'erreur explicite. Dans un pipeline automatisé, ça demande une validation côté prompt avant de scaler.
