Guide Seedance 2.0 : réussir tes prompts
Un rendu cinématographique avec audio natif, physique réaliste et contrôle caméra digne d’un réalisateur. Accepte du texte, des images, de l’audio et de la vidéo en entrée, jusqu’à 12 ressources par génération.
Seedance 2.0 est le modèle de génération vidéo Seedance le plus avancé. Son architecture multimodale unifiée traite ensemble le texte, les images, les clips vidéo et l’audio pour générer une vidéo cinématographique avec audio natif en une seule passe.
Sa force : combiner narration multi-plan, contrôle précis de la caméra, simulation physique réaliste et génération conjointe de l’audio. Un seul prompt peut produire une séquence multi-caméra avec des effets sonores, des dialogues et une musique synchronisés.
15s
Durée vidéo max.
12
Ressources en entrée par génération
A+V
Génération audio-vidéo native
Seedance 2.0 propose trois niveaux de qualité sur PixelDojo. Choisis ton niveau dans le sélecteur de qualité de la page de l’outil : mêmes prompts, même processus, mais un équilibre différent entre vitesse, coût et fidélité.
Mini
Le niveau économique : environ la moitié des crédits de Fast (1 crédit/sec en 480p, 2 en 720p). Idéal pour produire en volume : tester des variantes de prompts, créer des visuels marketing en série, du contenu de style UGC et des brouillons rapides avant un rendu final de haute qualité.
Rapide
L’équilibre par défaut entre vitesse et qualité (2 crédits/sec en 480p, 4 en 720p). Parfait pour les créations du quotidien quand le délai compte.
High
La fidélité maximale, et le seul niveau proposant des sorties en 1080p et 4K. À choisir pour les rendus finaux, les livrables clients et tout ce qui sera diffusé sur grand écran.
Un workflow pour tirer le maximum de tes crédits : crée tes ébauches et affine-les sur Mini en 480p jusqu’à obtenir le bon mouvement et le bon cadrage, puis relance le meilleur prompt sur High pour la version finale.
Active le son pour écouter l’audio généré nativement. Chaque exemple ci-dessous a été généré en une seule passe, sans postproduction.
Travellings compensés, bascules de point, travellings de suivi, changements de point de vue et mouvements fluides caméra à l’épaule. Décris le plan que tu veux, la caméra l’exécute.
Scènes de combat, courses-poursuites, explosions, chutes de débris. Les collisions ont du poids, les tissus se déchirent de façon réaliste et les personnages bougent de manière physiquement crédible, même dans les séquences d’action intense.
Seedance 2.0 génère nativement l’audio en même temps que la vidéo. La musique offre des basses profondes et une chaleur cinématographique. Les dialogues sont clairs, avec une synchronisation labiale précise. Les effets sonores tombent exactement au bon moment.
Chacune de ces vidéos a été générée à partir d’un seul prompt textuel. Copie le prompt de ton choix pour t’en servir de base pour tes propres créations.
Action multicaméra avec une physique de foule réaliste
Camera follows a man in black sprinting through a crowded street, a group chasing close behind. The shot cuts to a side tracking angle as he panics and crashes into a roadside fruit stall, scrambles to his feet, and keeps running. Sounds of a frantic crowd
Les séquences d’action en plusieurs plans fonctionnent mieux quand tu décris les changements d’angle de caméra en même temps que les interactions physiques et les repères sonores ambiants.
Combats complexes à plusieurs personnages avec interaction avec le décor
A spear-wielding warrior clashes with a dual-blade fighter in a maple leaf forest. Autumn leaves scatter on each impact. Wide shot pulls into tight close-ups of parrying blades, then cuts to a slow-motion overhead as both leap into the air
Pour une action chorégraphiée, combine les réactions de l’environnement, comme les feuilles qui s’éparpillent ou la poussière, avec des transitions de mouvements de caméra et des passages au ralenti.
Caméra en continu avec suivi du personnage et dévoilement du décor
Spy thriller style. Front-tracking shot of a female agent in a red trench coat walking forward through a busy street, pedestrians constantly crossing in front of her. She rounds a corner and disappears. A masked girl lurks at the corner, glaring after her. Camera pans forward as the agent walks into a mansion and vanishes. Single continuous take, no cuts
Précise « un seul plan-séquence continu » et décris les transitions dans l’espace, comme tourner à un angle ou entrer dans un bâtiment, pour obtenir de longs plans sans coupe.
Pub à coupes multiples, avec texte incrusté et angles variés
15s commercial. Shot 1: side angle, a donkey rides a motorcycle bursting through a barn fence, chickens scatter. Shot 2: close-up of spinning tires on sand, then aerial shot of the donkey doing donuts, dust clouds rising. Shot 3: snow mountain backdrop, the donkey launches off a hillside, text 'Inspire Creativity, Enrich Life' revealed behind it as dust settles
Structure tes pubs en plusieurs plans avec des numéros de plan, des minutages et des angles de caméra précis. Intègre les consignes de texte incrusté directement dans le prompt.
Des détails riches et des mots-clés de fidélité pour un réalisme maximal
A weathered fisherman mending nets on a sun-bleached wooden dock at golden hour, amber sunlight catching salt spray in the air, gnarled hands threading frayed twine through sun-bleached mesh, seagulls wheeling overhead against a lavender sky streaked with coral clouds, a distant lighthouse beam sweeping across choppy slate-blue waters. Hyper-realistic, 8k. Sounds of creaking dock wood, gentle waves lapping against barnacle-crusted pilings, and distant seagull calls.
Enrichis chaque prompt de détails sensoriels : textures, couleurs, qualité de la lumière, sons. Ajoute « hyperréaliste, 8k » comme repères de qualité pour pousser le modèle vers une fidélité maximale.
Citer un directeur de la photographie pour guider l’éclairage, le cadrage et l’ambiance
Roger Deakins-style cinematography. A lone figure walks across a vast cracked salt flat at sunrise, their silhouette casting a razor-thin shadow across the white earth. Camera mounted low, slow dolly forward tracking the figure's boots. Warm amber backlight flares into the lens. The figure stops and looks toward the horizon. Hyper-realistic, 8k. Sounds of wind howling across the empty landscape and distant rumbling thunder.
Cite un directeur de la photographie ou un réalisateur pour orienter le style visuel. Le modèle adapte l’éclairage, le choix des objectifs et les mouvements de caméra à sa signature.
Des repères temporels entre crochets pour des transitions précises
[0-5s]: Wide establishing shot of a neon-lit Tokyo alley at night, rain falling steadily, camera slowly dollying forward past glowing signs and steam vents. [5-10s]: Medium shot inside a tiny ramen shop, a chef ladles rich broth into a bowl with practiced precision, steam rising into warm overhead light. [10-15s]: Extreme close-up of the finished ramen bowl placed on the counter, chopsticks snapping apart, sounds of sizzling pork, bubbling broth, and the quiet murmur of the shop.
Utilise la notation entre crochets [0-Xs]: pour donner au modèle une structure temporelle précise. Chaque segment a son propre angle de caméra, son sujet et ses indications audio, pour un contrôle précis de chaque plan.
Une progression cinématographique naturelle pour donner du rythme
A street violinist performing in a cobblestone European square at golden hour. Wide shot establishing the scene with passersby and autumn chestnut trees. Camera pushes in to a medium shot framing the musician's upper body and violin. Swift dolly zoom into an extreme close-up of fingers dancing across the strings, rosin dust catching the last rays of afternoon sunlight. Sounds of a melancholic violin melody echoing off sandstone walls.
Organise les plans du plan large de situation au plan moyen, puis au très gros plan. Cette progression cinématographique naturelle donne du rythme et plonge le spectateur au cœur de la scène.
Numérote chaque plan et indique son minutage. Précise l’angle de caméra, l’action du sujet et le type de coupe : « Plan 1 (0-3s) : plan large... »
Nomme les mouvements : travelling, panoramique, suivi, grue, panoramique fouetté, lent travelling avant. Seedance comprend le vocabulaire du cinéma.
Décris l’ambiance sonore : « brouhaha d’une foule en effervescence », « bruissement de feuilles d’automne », « rugissement d’un moteur ». L’audio est généré nativement.
Ajoute des indications temporelles : « vue en plongée au ralenti », « spot publicitaire de 15s », « prise unique en continu, sans coupe » pour maîtriser le rythme.
Décris comment l’environnement réagit à l’action : feuilles qui s’éparpillent, poussière qui se soulève, verre qui éclate. C’est ce qui rend la physique crédible.
Combine des images pour le style visuel, des extraits audio pour la bande-son et du texte pour la mise en scène. Le modèle identifie automatiquement le rôle de chaque entrée.
Remplis chaque prompt de détails. Plutôt qu’« une course-poursuite en voiture », décris les rues luisantes de pluie, les reflets des néons, les faisceaux des phares qui percent la brume. Seedance récompense la précision.
Ajoute des expressions comme « hyperréaliste, 8k » pour indiquer le niveau de fidélité attendu. Elles poussent le modèle vers une qualité visuelle et une netteté maximales.
Pour les séquences à plusieurs plans, utilise la notation entre crochets [0-5s]: ... [5-10s]: ... Le modèle y reconnaît une structure temporelle clairement définie.
Cite un directeur de la photographie comme Deakins, Lubezki ou Kurosawa pour guider le style. Le modèle adapte l’éclairage, le cadrage et les mouvements à cette référence.
Organise les plans du plan large de situation au plan moyen, puis au très gros plan. Cette progression cinématographique naturelle donne du rythme et capte l’attention.
Si tu utilises plusieurs images, vidéos ou extraits audio, nomme-les dans le prompt : « Image 1 », « Video 1 », « Audio 1 ». Consulte la section Ressources de référence ci-dessous pour connaître toutes les règles de nommage.
Pour les scènes de poursuite, de combat ou d’action intense avec plusieurs angles de caméra.
Pour les vidéos de produit ou de marque en plusieurs plans.
Pour raconter une histoire en un seul plan continu.
Pour des transitions multi-plans minutées avec précision grâce aux repères entre crochets.
Chaque ressource que tu importes reçoit un libellé que le modèle peut lire. Écris ces libellés avec une majuscule initiale et une espace avant le numéro : Image 1, Video 1, Audio 1. Aucun préfixe @, aucun crochet, aucun tiret bas. Les numéros suivent l’ordre d’importation.
Donne à chaque ressource une seule fonction et un seul sujet nommé. Précise ensuite les attributs à reprendre. Une ressource à deux fonctions tire le modèle dans deux directions, et il perd généralement les deux.
Chaque fichier importé remplit une seule fonction : un personnage, un lieu, un accessoire, un style ou un fond musical. Ne demande pas à Image 1 de fournir à la fois un visage et un arrière-plan.
Associe un nom au rôle, pas seulement une description. « Image 1 : Coursier » te donne un mot à réutiliser dans chaque description de plan.
Précise les attributs à reprendre : visage, coiffure, vêtement, couleur, texture, cadrage. « Reprends le visage et la veste olive » est une consigne bien plus précise que « utilise cette personne ».
Pour un plan avec un seul sujet, tu peux l’associer directement : « Coursier@Image 1 ». Dès qu’il y a plusieurs ressources ou plusieurs plans, définis le rôle une seule fois au début, puis utilise son nom dans la suite.
Une fois le rôle « Coursier » défini, reprends « Coursier » dans chaque ligne de plan. Alterner entre ce nom et le libellé du fichier risque de faire dériver l’identité.
Importe uniquement ce que le prompt utilise réellement. Même un fichier non mentionné influence le résultat, et généralement pas dans le sens voulu.
Commence chaque prompt utilisant plusieurs fichiers par un bloc comme celui-ci.
Image 1 : Coursier. Reprendre le visage, les cheveux tressés et la veste olive. Image 2 : Décor. Reprendre la ruelle détrempée et ses enseignes au néon. Audio 1 : Fond musical. Reprendre uniquement le tempo et l’ambiance.
Les prompts longs sont plus lisibles quand ils suivent l’ordre d’une production. D’abord les rôles, puis l’objectif, les plans, les consignes générales et enfin les règles.
Dans chaque plan, utilise ces cinq champs. Supprime ceux pour lesquels tu n’as rien à préciser. Un libellé vide crée du bruit, et le modèle le traite comme tel.
Une valeur de plan et un mouvement principal. Plan large avec un lent travelling avant. Gros plan fixe. Garde le deuxième mouvement pour le plan suivant.
Les actions physiques du sujet nommé dans ce plan, dans leur ordre de déroulement.
La position du sujet dans le cadre, ou son évolution. Entre par la droite du cadre. Traverse jusqu’au mur du fond.
Dialogues, effets et musique propres à ce plan uniquement. Tout ce qui accompagne l’ensemble du clip va dans la direction générale.
L’état visible à la fin du plan. Le plan suivant en hérite : c’est ce qui assure un raccord fluide, sans effet de saut.
Cumuler un panoramique, un travelling avant et un mouvement de grue dans un seul plan brouille les trois. Si tu as besoin d’un deuxième mouvement, coupe et commence un nouveau plan.
Quatre types de délimiteurs distinguent les catégories de sons. Utiliser le bon évite de mêler les répliques aux effets sonores et les indications de mise en scène aux dialogues.
{ accolades } contiennent les mots réellement prononcés par un personnage.（parenthèses pleine chasse） contiennent les indications musicales : genre, tempo et ambiance.<chevrons> contiennent les bruitages et les ambiances, comme les pas, la pluie ou le son ambiant d’une pièce.【crochets lenticulaires noirs】 contiennent le texte à afficher à l’écran. Supprime-les entièrement si tu veux une image sans texte.Un prompt complet, dans l’ordre de production, avec le rôle des ressources, les champs de chaque plan et les marqueurs.
Rôles des ressources :
Image 1 : Coursier. Reprendre le visage, les cheveux tressés et la veste olive.
Image 2 : Décor. Reprendre la ruelle détrempée et ses enseignes au néon.
Audio 1 : Fond musical. Reprendre uniquement le tempo et l’ambiance.
Objectif : Utiliser l’identité du personnage d’Image 1 et le décor d’Image 2 pour générer une scène de livraison nocturne en trois plans. Le Coursier reste la même personne dans chaque plan.
Plan 1
Caméra : Plan large, lent travelling avant.
Action du sujet : Le Coursier passe une jambe par-dessus le vélo et rentre les épaules pour se protéger de la pluie.
Espace : Entre par la droite du cadre, s’arrête sous l’enseigne au néon.
Audio : <pluie tambourinant sur un auvent métallique>, （synthé grave et pulsé, tempo lent）
État final : Le Coursier reste immobile, le colis plaqué contre la poitrine.
Plan 2
Caméra : Plan moyen, léger travelling avant.
Action du sujet : Le Coursier monte le colis à hauteur de poitrine, puis frappe deux fois de la main libre. L’eau ruisselle sur ses phalanges.
Espace : Se tourne vers une porte en acier sur le mur de gauche.
Audio : <deux coups fermes, un verrou qui tourne>
État final : La porte s’entrouvre de la largeur d’une main. Une lumière chaude éclaire le visage du Coursier.
Plan 3
Caméra : Gros plan, fixe.
Action du sujet : Le Coursier relève le menton et laisse échapper un bref soupir, puis esquisse un sourire.
Audio : {Le dernier pour ce soir.}
État final : Le Coursier garde son sourire tandis que la lumière s’élargit.
Direction générale : Extérieur nuit néo-noir. Asphalte mouillé, reflets lumineux magenta et cyan, faible profondeur de champ. La musique reste en retrait du dialogue tout au long de la scène.
Contraintes : Une seule personne à l’écran à tout moment. Aucun double du Coursier. Aucun changement de style entre les plans. Aucun sous-titre, aucun texte à l’écran, aucun logo, aucun filigrane.Le verbe d’ouverture indique au modèle le type de tâche à réaliser. Générer, modifier ou prolonger une vidéo demande des formulations différentes. Les mélanger, c’est le meilleur moyen d’obtenir un résultat qui ignore la moitié du prompt.
Commence par « Reprends [attribut] de l’Image 1 pour générer... ». Nomme l’attribut à reprendre : identité, tenue, palette, composition. Puis indique clairement ce qui doit rester cohérent dans le résultat.
Commence par « Modifie uniquement la Vidéo 1 ». Indique le seul changement à effectuer, délimite-le et liste ce qui doit être préservé. N’utilise jamais le mot « référence » dans un prompt de retouche. Le modèle y voit un signal pour générer quelque chose de nouveau plutôt que modifier ce que tu lui as fourni.
Écris « Extend Video 1 forward ». Les nouvelles images reprennent la pose finale, la composition, la direction du mouvement, l’éclairage et l’audio de la source, puis prolongent l’action.
Écris « Extend Video 1 backward ». Tu crées ce qui précède la vidéo : les nouvelles images doivent donc aboutir exactement à l’état de sa première image.
Pour assembler des clips, précise l’ordre des sources et la transition entre chaque paire. La limite est de trois vidéos. Au-delà, le modèle perd le fil du clip en cours.
Sépare chaque consigne dans sa propre proposition : « Reprendre la tenue d’Image 1 ; modifier uniquement Video 1 ; remplacer la veste. » Une instruction par proposition, séparée par un point-virgule.
Un seul changement délimité, avec une liste précise des éléments à préserver.
Modifie uniquement la Vidéo 1. Change seulement la couleur de la veste, de l’olive au rouge profond. À préserver : la personne, le visage, les cheveux, le mouvement de caméra, le cadrage, l’arrière-plan, l’éclairage, le rythme et l’intégralité de la piste audio. N’ajoute ni ne retire aucun sujet. Ne change pas la mise en scène du plan. Pas de sous-titres, pas de texte à l’écran, pas de filigrane.
C’est dans le mouvement que les prompts vagues montrent leurs limites. Le modèle ne peut pas animer un sentiment, mais il peut animer une partie du corps qui se déplace sur une distance et à une vitesse données. Décris ce mouvement.
Partie du corps, direction, amplitude, vitesse, force. « Lève lentement le bras droit à hauteur d’épaule, avec effort » donne au modèle bien plus de matière que « tend le bras vers le haut ».
Entre deux actions, indique comment le corps passe de l’une à l’autre. Sans cette transition, le mouvement devient brusque. « Baisse le bras, transfère son poids sur le pied gauche, puis se tourne » forme un seul mouvement continu.
Les états abstraits ne se voient pas à l’écran. Remplace « nerveux » par des signes visibles : regards furtifs vers la porte, doigts qui tapotent la tasse, épaules rentrées.
L’ordre chronologique des plans est mieux respecté que les repères temporels précis. Décris ce qui se passe ensuite, pas ce qui se passe à 6.2 secondes.
Ne permute jamais deux personnages, n’en duplique aucun et ne change pas le nombre de personnes à l’écran en cours de prompt. L’identité et la tenue restent les mêmes du premier au dernier plan.
Un raccord fonctionne quand le plan suivant repart de l’état final du précédent. Décris cet état final, puis fais démarrer le plan suivant à partir de là.
Termine les longs prompts par une courte ligne de contraintes couvrant les cinq ratés courants : sous-titres incrustés, logos, filigranes, sujet dupliqué et variations de style entre les plans. Tiens-toi à une seule ligne. Les longues listes d’exclusions perdent de leur force, comme expliqué dans la section suivante.
Seedance ne propose aucun paramètre de prompt négatif, quel que soit le point de terminaison. Aucun champ séparé ne permet d’indiquer les éléments à retirer. Tout ce que tu veux exclure doit figurer dans le prompt lui-même, en langage naturel.
Termine ton prompt par « Aucun sous-titre, aucun texte à l’écran. » ByteDance recommande de conclure par « Sans aucun sous-titre. » Les clips verticaux en 9:16 génèrent bien plus souvent des sous-titres parasites que ceux en 16:9. Cette consigne est donc surtout importante en vertical.
Une ou deux exclusions ciblées donnent les meilleurs résultats. Les longues listes génériques comme « pas de texte, pas de mots, pas de lettres, pas de logos, pas de filigranes » perdent en force, et le modèle commence à les ignorer.
Seedance génère la musique, les dialogues et les effets sonores ensemble. Pour l’audio, c’est tout ou rien. Pour obtenir des dialogues sans fond musical, écris « Audio : dialogues clairs et au premier plan, ambiance sonore discrète. Pas de musique. » La simple formule « Pas de musique. » donne des résultats plus fiables lors des tests que « pas de musique de fond ». Décris toujours le son que tu veux obtenir.
Attribue les répliques dans le récit : Mara lève les yeux. Mara dit, avec une fierté discrète : « On a enfin réussi. » Garde chaque réplique sous 10 mots, avec une seule personne qui parle par clip. Ne demande jamais de « voix off » ni de « narration ». Ces termes poussent le modèle à incruster des sous-titres.
Des dialogues sur une ambiance sonore discrète, sans texte incrusté.
Une vidéo verticale en 9:16, avec uniquement des effets sonores et toutes les consignes interdisant le texte.
Seedance 2.0 est le dernier modèle de génération vidéo Seedance. Son architecture audio-vidéo multimodale unifiée accepte du texte, des images, de l’audio et de la vidéo en entrée. Il produit une vidéo cinématographique avec audio natif, découpage en plusieurs plans et physique réaliste en une seule génération.
Seedance 2.0 accepte les prompts texte, les images de référence, les extraits audio et les vidéos en entrée. Tu peux combiner jusqu’à 12 fichiers (9 images, 3 vidéos, 3 extraits audio, avec une durée maximale de 15 secondes par vidéo ou extrait audio) pour contrôler le résultat.
Seedance 2.0 génère des vidéos allant jusqu’à 15 secondes en une seule génération. Sur cette durée, le modèle peut produire plusieurs plans avec des coupes et des transitions naturelles. Un seul résultat peut ainsi prendre l’allure d’une séquence montée.
L’audio est généré nativement avec la vidéo. La musique offre des basses profondes et une présence cinématographique, les dialogues sont clairs avec une synchronisation labiale précise, et les effets sonores sont adaptés au contexte et bien calés. Aucun ajout de pistes audio en postproduction nécessaire.
Oui. Seedance 2.0 génère des vidéos à plusieurs scènes avec des transitions fluides, un audio synchronisé et des personnages dont les détails restent cohérents d’un plan à l’autre. Tu peux prolonger des projets existants ou lancer de nouvelles histoires tout en gardant une cohérence visuelle et narrative.