Cohérence des personnages dans Seedance 2.0 : le guide

La cohérence des personnages explique la forme actuelle de Seedance 2.0 : le modèle accepte jusqu’à 9 images, 3 clips vidéo et 3 pistes audio comme références dans une seule génération^[1], et le propre guide de prompts de ByteDance décrit une syntaxe permettant d’associer un sujet à des images de référence précises^[2]. La plupart des frustrations que je lis dans les discussions communautaires (« le même personnage est revenu différent », « il a ignoré ma deuxième référence ») proviennent de règles qui sont bien documentées, mais presque jamais lues.

Ce guide réunit ces règles à partir de la documentation officielle des prompts de ByteDance, de la référence de l’API et des tutoriels de Dreamina. Il en précise aussi honnêtement les limites : ce qui ne dispose d’aucun mécanisme officiel (verrouillage d’un personnage entre les requêtes, seeds) et ce qui dépend d’une plateforme particulière (la question de la synchronisation labiale).

En bref

• Le budget d’entrée de Seedance 2.0 est de 9 images + 3 vidéos + 3 clips audio. Les vidéos et l’audio sont chacun limités à 15 secondes au total, et l’audio ne peut pas être envoyé sans autre contenu^[1].
• La syntaxe d’association officielle existe : définissez votre sujet à partir d’une image numérotée (« subject@image 1 ») et placez les références essentielles en premier, car l’ordre influe sur leur poids^[2].
• ByteDance recommande 4 à 5 références, et non le maximum : une photo du visage et une photo en pied par personnage, sans séries multi-angles d’un même visage^[2].
• Il n’existe aucun paramètre seed ni aucun identifiant de personnage persistant. La cohérence entre vidéos repose sur la réutilisation du même jeu de références et sur la continuation avec return_last_frame^[1][3].
• Le guidage vocal est réel, mais la formulation concernant la synchronisation labiale dépend de la plateforme : la documentation de l’API explique que les références audio guident l’interprétation^[1]. La promesse explicite de « lip-sync » figure dans la documentation de Dreamina, pas dans celle de l’API^[4].
• Le multi-plans possède un format officiel : numérotez les plans (« Shot 1… Shot 2… Shot 3… ») et, suivant le propre avertissement de ByteDance, considérez les durées précises de chaque plan comme peu fiables^[2].

Le budget précis de 12 emplacements de référence

Seedance 2.0 accepte les références au moyen d’un tableau de contenus dont chaque élément déclare un rôle. Limites documentées : jusqu’à 9 images de référence (JPEG, PNG, WebP, entre autres, rapport d’image compris entre 0,4 et 2,5, de 300 à 6 000 pixels par côté, moins de 30MB chacune), jusqu’à 3 vidéos de référence d’une durée totale maximale de 15 secondes, et jusqu’à 3 références audio totalisant elles aussi 15 secondes^[1]. L’audio sert de modificateur, pas de sujet : l’API refuse les requêtes qui n’envoient que de l’audio^[1].

Une règle structurelle surprend presque tout le monde : le mode première image et le mode de référence multimodale sont deux formes de requête incompatibles^[1]. Vous fournissez soit une image d’ouverture précise que le modèle doit animer, soit un ensemble de références à partir desquelles il doit composer. Mélanger ces deux logiques dans une seule requête est le moyen le plus rapide d’obtenir « il a ignoré mon image ».

Autre règle à l’origine des refus les plus déroutants : les visages de personnes réelles ne peuvent pas être directement importés comme références. Cette restriction et les voies autorisées fondées sur le consentement constituent un sujet à part, traité dans notre guide sur l’inéligibilité.

La syntaxe officielle pour verrouiller un personnage

Le guide des prompts de ByteDance est particulièrement concret sur l’association. Le format de référence définit chaque sujet à partir d’une image numérotée, au moyen d’un raccourci présenté dans la documentation comme « subject@image 1 »^[2]. Le blog de lancement utilise la même référence avec @ dans ses exemples de prompts^[5], et le tutoriel de Dreamina la reprend dans son éditeur sous la forme @AssetName^[6]. Cette syntaxe élimine les ambiguïtés : lorsque plusieurs références sont utilisées, le prompt indique clairement quelle image fournit le visage, laquelle fournit la tenue et laquelle fournit le lieu.

Autour de cette syntaxe, le guide donne quatre règles qui fonctionnent^[2] :

1. Utilisez 4 à 5 références, pas 12. La documentation déconseille de remplir tous les emplacements ; chaque ressource supplémentaire dilue l’attention.
2. Pour chaque personnage : une photo du visage et une image en pied. Cette paire fixe mieux l’identité qu’un empilement d’angles.
3. Évitez les séries multi-vues de la même personne. ByteDance les déconseille explicitement ; elles favorisent la dérive d’identité au lieu de l’empêcher.
4. Classez par importance. Plus un élément apparaît tôt dans le prompt, plus il a d’influence. Placez le personnage avant le lieu, et le lieu avant la planche d’ambiance.

Voilà toute l’astuce que la plupart des vidéos de « hack de cohérence » revendent : définir explicitement les sujets, fournir moins de références mais de meilleure qualité et les ordonner volontairement.

Le même personnage dans plusieurs vidéos

La documentation trace ici une limite qu’aucun tutoriel ne devrait brouiller : Seedance 2.0 ne possède aucun identifiant de personnage persistant, aucune entrée seed et aucune mémoire entre les requêtes. Ni la référence des paramètres de ByteDance ni l’interface API de reAPI n’exposent de seed^[1][3]. La réponse à « Seedance utilise-t-il des numéros de seed ? » est donc simple : non. Le contrôle déterministe repose sur les références, pas sur une seed.

Ce qui fonctionne, dans l’ordre de production :

Figez le jeu de références. Mêmes images du personnage, même ordre, mêmes phrases d’association, requête après requête. La cohérence de Seedance 2.0 provient d’entrées identiques. Stockez donc le jeu avec vos prompts et considérez toute modification comme une nouvelle version du personnage.

Enchaînez avec return_last_frame. L’API peut renvoyer la dernière image d’une génération^[1]. Utilisez-la comme première image du clip suivant pour obtenir une continuité de scène à scène, sans nouvelle sélection aléatoire de l’identité aux raccords.

Réutilisez légalement les visages générés. Le contenu généré par la plateforme pour votre compte au cours des 30 derniers jours est considéré comme une entrée fiable, même s’il contient des visages^[7]. C’est ce qui rend possible le travail itératif sur les personnages malgré les règles concernant les visages.

À grande échelle, le rapport technique de ByteDance classe Seedance 2.0 premier parmi ses pairs dans l’évaluation de la cohérence des sujets^[5]. Les méthodes ci-dessus permettent d’exploiter réellement cette capacité sur une série plutôt que sur un seul clip.

La voix, la musique et la question du lip-sync

Les références audio de Seedance 2.0 guident trois éléments : le son du résultat, le timing de l’interprétation et le caractère de la voix. L’API accepte jusqu’à trois clips totalisant 15 secondes dans le rôle reference_audio^[1]. Pour demander « faites interpréter cette chanson à mon personnage », la méthode est littérale : joignez la piste (une URL publique sur les plateformes d’API), associez le personnage à ses images et décrivez l’interprétation dans le prompt.

Sur le lip-sync, les sources divergent et la précision compte. La documentation API de ByteDance décrit la génération audio-vidéo conjointe et une sortie guidée par l’audio, sans employer les mots « lip-sync ». C’est la documentation produit de Dreamina qui le promet explicitement : elle affirme qu’un échantillon vocal guide le caractère de la voix et « aligns lip-sync, pacing, expressions »^[4]. Dans la pratique, la même famille de modèles alimente les deux surfaces. Toutefois, si votre chaîne exige contractuellement une synchronisation précise de la bouche, testez vos propres contenus au lieu de citer une page de documentation, car la formulation côté API promet délibérément moins.

La cohérence vocale entre les clips suit la même logique que la cohérence visuelle : réutilisez chaque fois le même échantillon vocal dans le même emplacement. Il n’existe aucun voice ID à verrouiller ; l’échantillon fait office d’ID.

Des prompts multi-plans qui résistent à la génération

Le format officiel pour plusieurs plans dans un même clip est une description de storyboard numérotée : « Shot 1: … Shot 2: … Shot 3: … »^[2]. Deux avertissements viennent directement du guide : les durées exactes de chaque plan ne sont pas respectées de manière fiable, il faut donc décrire l’ordre et l’importance plutôt que des codes temporels^[2] ; le nombre de plans multiplie la complexité, ce qui rend la règle du nombre réduit de références deux fois plus importante dans les prompts multi-plans.

Pour tout contenu plus long qu’une seule génération (Seedance 2.0 est limité à 15 secondes^[1]), la chaîne est la suivante : storyboard → prompts par clip avec le jeu de références figé → raccords par return_last_frame. C’est aussi ce que la génération de 30 secondes en une seule passe et le contrôle de prompts par segment annoncés pour Seedance 2.5 cherchent à condenser. Notre guide de pré-lancement de Seedance 2.5 suit les éléments confirmés.

Pour exécuter tout cela par API, l’ensemble des références — images, vidéos, audio, première image et retour de la dernière — est disponible sur Seedance 2.0 chez reAPI, avec facturation à la seconde. Les requêtes en mode référence coûtent moins cher que la génération purement textuelle^[3].

FAQ

Combien d’images de référence Seedance 2.0 accepte-t-il ?

Jusqu’à 9 images, auxquelles s’ajoutent 3 vidéos (15 s au total) et 3 clips audio (15 s au total) dans une seule requête^[1]. ByteDance conseille d’utiliser 4 à 5 ressources soigneusement choisies plutôt que le maximum^[2].

Comment garder la même personne dans plusieurs vidéos Seedance 2.0 ?

Figez un jeu de références (portrait + photo en pied), associez-le avec la syntaxe subject@image, réutilisez-le sans changement dans chaque requête et enchaînez les scènes avec return_last_frame^[1][2]. Il n’existe aucun paramètre de verrouillage du personnage ; le jeu de références fait office de verrou.

Seedance 2.0 utilise-t-il des numéros de seed en entrée ?

Non. Aucun paramètre seed n’existe dans le schéma de requête documenté par ByteDance ni dans l’interface de reAPI^[1][3]. La répétabilité vient de références et de prompts identiques. Elle reste souple et non identique bit à bit.

Seedance 2.0 peut-il synchroniser les lèvres sur une chanson Suno ?

Joignez la piste comme référence audio et décrivez l’interprétation vocale dans le prompt. L’API documente la génération guidée par l’audio^[1], tandis que la promesse explicite d’alignement lip-sync vient de la documentation de Dreamina^[4]. Pour une synchronisation prête à publier, validez vos propres images.

Combien de clips audio Seedance 2.0 accepte-t-il ?

Trois, pour une durée totale maximale de 15 secondes, et jamais seuls : l’audio doit accompagner un autre contenu dans la requête^[1].

Comment décrire plusieurs plans dans un clip Seedance 2.0 ?

Utilisez le format de storyboard numéroté « Shot 1 / Shot 2 / Shot 3 », conformément au guide officiel, qui prévient également que les durées exactes par plan restent approximatives^[2].

Pourquoi le visage de mon personnage a-t-il été refusé ?

Les visages de personnes réelles ne peuvent pas être importés directement comme références. C’est une règle du modèle, assortie d’exceptions documentées fondées sur le consentement^[7]. Explications complètes dans notre guide sur l’inéligibilité.

Le guide de cohérence en une phrase

Associez explicitement les sujets, fournissez 4 à 5 références choisies en plaçant le personnage en premier, figez ce jeu pour toute la série, enchaînez les clips par la dernière image et réutilisez le même échantillon vocal lorsque le son compte. Tout ce qui précède vient de la propre documentation de ByteDance, pas du folklore, et fonctionne via un seul point de terminaison sur reAPI. Voilà la cohérence des personnages dans Seedance 2.0 sans mystère : des références moins nombreuses, meilleures et utilisées de la même manière à chaque fois.

Références

1. Volcano Engine / BytePlus (ByteDance). Référence de l’API Seedance 2.0 — rôles des contenus, limites des références, exclusivité de la première image et return_last_frame. Consulté en juillet 2026 sur docs.byteplus.com/en/docs/ModelArk/1520757
2. Volcano Engine / BytePlus (ByteDance). Guide officiel des prompts Seedance 2.0 — syntaxe d’association des sujets, nombre et ordre des références, format multi-plans. Consulté en juillet 2026 sur docs.byteplus.com/en/docs/ModelArk/2222480
3. reAPI. Seedance 2.0 — documentation de l’API et page du modèle. Consulté en juillet 2026 sur reapi.ai/docs/seedance-2-0
4. Dreamina (CapCut). Page de l’outil Seedance 2.0 — échantillon vocal et alignement lip-sync. Consulté en juillet 2026 sur dreamina.capcut.com/tools/seedance-2-0
5. ByteDance Seed. Blog de lancement et rapport technique de Seedance 2.0 (arXiv:2604.14148). Consulté en juillet 2026 sur seed.bytedance.com/en/blog/seedance-2-0-official-launch
6. Dreamina (CapCut). Tutoriel des prompts Seedance 2.0 — références @AssetName et Multiframes. Consulté en juillet 2026 sur dreamina.capcut.com/resource/seedance-2-0-prompt
7. Volcano Engine / BytePlus (ByteDance). Exemptions d’entrée fiable pour les contenus générés et les ressources dont le consentement est vérifié. Consulté en juillet 2026 sur docs.byteplus.com/en/docs/ModelArk/2291680

À lire également

• reAPI. Seedance 2.0 « non éligible » : les causes et les solutions. reapi.ai/blog/seedance-not-eligible-explained
• reAPI. Qu’est-ce que Seedance 2.0 et comment l’utiliser (guide 2026). reapi.ai/blog/what-is-seedance-2-0-and-how-to-use-it
• reAPI. Seedance 2.5 : ce que nous savons avant le lancement public. reapi.ai/blog/seedance-2-5-what-we-know-2026