Vidéo à partir d'une image de référence | Seedance 2.5

Apprendre à faire des vidéos à partir d'images de référence, c'est surtout apprendre ce que la requête accepte. Seedance 2.5 prend jusqu'à 30 images dans une seule génération, ne facture rien pour elles, et fait du prompt un champ optionnel dès qu'elles sont attachées. Les contraintes qui mordent vraiment sont les formats de fichier, le plafond de 30 MB par image, et le fait que chaque fichier doit se trouver derrière une URL publique avant que la tâche démarre.

Ce qui compte comme image de référence

Une requête accepte jusqu'à 30 images de référence. Les formats acceptés sont jpeg, png, webp, bmp, tiff, gif, heic et heif, et chaque fichier doit rester sous 30 MB.

La vidéo de référence et l'audio de référence sont des budgets distincts sur la même requête : jusqu'à 10 clips vidéo en mp4 ou mov à 200 MB ou moins chacun, de 2 à 30 secondes individuellement et 30 secondes cumulées, plus jusqu'à 10 pistes audio en wav ou mp3 à 15 MB ou moins chacune. Les mélanger est autorisé. Les images sont la moitié bon marché de cet arrangement, pour des raisons que la section tarifaire couvre.

Trente images, c'est un gros budget et il vaut mieux le dépenser à dessein. Plusieurs angles d'un même sujet, un détail de costume, la pièce, et une image qui montre l'éclairage que tu veux feront plus que trente prises quasi identiques.

Comment faire des vidéos à partir d'images de référence

La séquence est courte.

1. Pose chaque image quelque part où elle peut être récupérée en HTTP(S) public. Rien d'autre n'est accepté.
2. Règle les champs auxquels le prompt ne touche pas : la durée entre 4 et 30 secondes avec 5 par défaut, la résolution parmi 480p, 720p ou 1080p avec 720p par défaut, et le format d'image parmi 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 ou adaptive, qui est la valeur par défaut.
3. Attache les URL des images et écris un prompt qui dit ce qui se passe plutôt que de quoi les choses ont l'air.
4. Soumets. La génération prend en moyenne deux à cinq minutes, la tâche est asynchrone, et interroger le résultat est gratuit.
5. Récupère la sortie en mp4 ou mov.

L'audio se génère dans la même passe sauf si tu le coupes. generate_audio vaut true par défaut et couvre la voix, les effets et la musique sur une piste mono, donc une requête bâtie à partir de photographies muettes revient quand même avec du son.

Hébergement : uniquement des URL publiques

Les entrées média sont des URL HTTP(S) publiques. Les data URI sont rejetées sur toute la plateforme, donc mettre du base64 dans le corps de la requête n'est pas une solution de repli.

Cette seule règle est la raison la plus courante pour qu'une première tentative ne démarre jamais. Un lien qui exige un cookie de session, une URL signée déjà expirée, ou un fichier sur un hébergeur qui bloque les user agents inconnus échoueront tous avant la génération. Teste chaque URL depuis un contexte sans connexion avant de soumettre la tâche.

Ce que fait encore le prompt une fois les images attachées

Le champ de prompt contient jusqu'à 20,000 caractères. Il est obligatoire pour le text-to-video et optionnel dès qu'un média de référence est présent.

Optionnel ne veut pas dire inutile. Avec des images attachées, le prompt cesse de porter l'apparence et se met à porter l'action, la caméra et le rythme : qui bouge, dans quelle direction, ce que fait la caméra, où tombe la coupe. Une requête avec 30 images et trois phrases de direction est une forme normale.

Supprime la prose descriptive que les images couvrent déjà. Écrire « un manteau de laine rouge » à côté d'une photo du manteau crée deux sources de vérité pour un seul détail, et rien dans la requête ne dit laquelle le modèle doit suivre.

Ce que coûtent les médias de référence

La facturation se fait à la seconde de vidéo finie, à un tarif fixé par la résolution et par la présence ou non d'une vidéo de référence dans la requête.

Les images de référence et l'audio de référence n'ajoutent aucune seconde facturable. Un clip de cinq secondes en 720p bâti à partir de 30 images fait facturer cinq secondes à $0.266824, soit environ $1.33. Le même clip en 1080p fait environ $2.31, et dix secondes en 1080p environ $4.62.

La vidéo de référence fait exception. Sa propre durée s'ajoute à la facture par-dessus la sortie, et une requête portant une vidéo de référence n'est jamais facturée en dessous des cinq tiers de la durée de sortie, arrondis au supérieur. Le tarif à la seconde baisse quand une vidéo de référence est présente, ce qui compense une partie mais rarement la totalité.

Les tâches échouées sont intégralement remboursées, donc une exécution refusée coûte l'attente et pas les crédits.

Dépasser le plafond de 30 secondes

Une génération unique s'arrête à 30 secondes. Mettre la durée à -1 laisse le modèle choisir la longueur, et la réservation est prise au plafond de 30 secondes quoi qu'il revienne.

Les pièces plus longues sont des générations chaînées. Le schéma expose return_last_frame et seed à côté de champs comme output_format, bitrate_mode, watermark, omni_reference_task_type et image_with_roles, et l'approche habituelle consiste à reporter l'image de fin d'un clip comme image de référence du suivant, pour que les deux segments partagent un sujet et une allure.

Brouillonne la chaîne en 480p. La composition, les placements et la continuité sont tous lisibles à $0.118589 la seconde, ce qui met un test de cinq secondes à environ $0.59 contre $2.31 en 1080p, et les erreurs de structure que tu traques se voient pareil aux deux paliers.

Questions fréquentes

Combien d'images de référence une requête peut-elle utiliser ? Jusqu'à 30, en jpeg, png, webp, bmp, tiff, gif, heic ou heif, chacune sous 30 MB. Elles n'ajoutent aucune seconde facturable.

Ai-je encore besoin d'un prompt si j'attache des images ? Non. Le prompt est optionnel dès qu'un média de référence est présent et obligatoire uniquement pour le text-to-video. Une courte direction couvrant l'action et la caméra améliore quand même le résultat en général.

Puis-je téléverser les fichiers image directement au lieu d'utiliser des URL ? Non. Les entrées média sont des URL HTTP(S) publiques et les data URI sont rejetées, donc le fichier doit d'abord être hébergé quelque part d'accessible sans connexion.

Combien coûte une vidéo faite à partir d'images de référence ? Les images elles-mêmes sont gratuites. Tu paies la sortie : environ $1.33 pour cinq secondes en 720p, environ $2.31 pour cinq secondes en 1080p, et environ $0.59 pour cinq secondes en 480p.

En bref

Faire des vidéos à partir d'images de référence se ramène à quatre décisions. Héberge les fichiers sur des URL HTTP(S) publiques, parce que rien d'autre n'est accepté. Dépense le budget de 30 images en variété plutôt qu'en répétition. Laisse les images porter l'apparence et laisse le prompt porter l'action, la caméra et le rythme. Brouillonne en 480p où cinq secondes font environ $0.59, puis lance une seule fois la requête finale en 1080p, et souviens-toi que les images ne coûtent rien alors que chaque seconde de sortie, si.