Le mode brouillon de Seedance 2.5 permet de changer d'avis à moindres frais

Juste avant les congés de la Fête nationale chinoise, ByteDance a ajouté une petite option à Seedance 2.5. Les utilisateurs peuvent désormais générer d'abord un échantillon rapide en 480p, puis attendre d'être satisfaits de ce qu'ils voient avant de lancer un rendu final en 1080p. C'est le genre de fonctionnalité qui ressemble à une simple option dans les réglages. En réalité, c'est une déclaration sur l'endroit où réside le vrai coût de la vidéo IA.

Le coût d'un clip exploitable en vidéo IA n'est pas le coût d'un seul rendu. C'est le coût de chaque rendu que vous avez jeté pour y parvenir. Demandez à quiconque a passé un après-midi à générer des prises puis à les écarter : la partie coûteuse, c'est la recherche, pas le tirage final. Le mode brouillon s'attaque directement à cette recherche. L'exploration devient bon marché. La décision finale reste réfléchie.

Trois entreprises, trois réponses à la même facture

Le mode brouillon de Seedance prend tout son sens lorsqu'on le compare à ce qu'ont fait deux concurrents sur la même période. Ensemble, ils ressemblent à trois réponses différentes à une même question : comment rendre la vidéo IA suffisamment abordable pour itérer ?

La réponse de ByteDance consiste à rendre la recherche bon marché. Générez un brouillon en basse résolution, explorez dix idées pour le temps et le coût de quelques rendus finaux, et ne payez le prix plein que pour la prise que vous conservez réellement. La réponse de Kling, après la sortie de Kling 4.0, consiste à raccourcir la recherche. Améliorer le contrôle grâce aux images clés et aux références multimodales afin que moins de tentatives soient gaspillées et que la première ou la deuxième prise soit plus proche du résultat souhaité. La réponse de Vidu, avec son Q4 Preview à partir de 0,09 yuan par seconde, consiste à rendre la recherche sans objet en abaissant tellement le coût par seconde que les gens cessent complètement de compter les tentatives.

Aucune des trois n'est manifestement la bonne. Elles reflètent des hypothèses différentes sur ce que veulent les créateurs. Certains créateurs préfèrent le contrôle et moins de surprises. D'autres préfèrent un prix suffisamment bas pour que le contrôle compte moins. Le mode brouillon suppose quelque chose d'intermédiaire : que les créateurs veulent d'abord penser à grands traits, puis affiner ensuite, comme un peintre travaille sur une esquisse avant de s'attacher aux détails.

Ce que les trois ont en commun, c'est de se concentrer sur le même chiffre sous-jacent. En génération vidéo, la mesure qui détermine si un outil est utilisable n'est pas le prix d'un rendu. C'est le prix d'un plan exploitable, qui inclut le coût de tout ce que vous avez généré et écarté en chemin. Un modèle deux fois plus cher par rendu, mais qui produit un plan exploitable en deux fois moins d'essais, peut s'avérer plus avantageux. Le mode brouillon, le contrôle par images clés et un prix par seconde au plancher sont trois façons de s'attaquer à ce chiffre, et le gagnant sera l'approche qui correspond le mieux à la façon dont un créateur donné travaille réellement.

Pourquoi l'approche « brouillon d'abord » correspond à la façon dont les gens travaillent réellement

L'approche « brouillon d'abord » correspond à un flux de travail qui précède de loin l'IA. Storyboards, animatiques, montages approximatifs et previz existent tous parce que réaliser la version coûteuse avant que l'idée ne soit fixée est un gaspillage. Un échantillon en 480p est l'équivalent, pour la vidéo IA, d'une animatique. Il n'est pas censé avoir l'air définitif. Il est censé répondre à une seule question : est-ce le plan que je veux ?

Cette question a généralement moins à voir avec la résolution que les gens ne l'imaginent. Un plan fonctionne ou ne fonctionne pas, et on peut généralement le dire à partir d'une version grossière. Le mouvement de caméra sonne faux, le cadrage est à côté, le rythme traîne. Aucun de ces problèmes n'a besoin d'un rendu en 1080p pour se révéler. Le mode brouillon permet de les repérer avant de payer pour le peaufinage.

Il y a un second avantage facile à manquer. Les brouillons en basse résolution sont plus rapides à produire, ce qui garde la boucle créative serrée. Plus vous attendez entre une idée et le moment où vous la voyez, plus vous vous détachez de la décision. Un brouillon grossier rapide vous maintient dans le flux des choix, ce qui tend à produire de meilleurs résultats que de se torturer sur un petit nombre de rendus coûteux.

Ce que Seedance 2.5 fait déjà

Le mode brouillon n'est pas la seule nouveauté de cette version. Seedance 2.5 a porté la durée d'une génération unique à 30 secondes, accepte jusqu'à 50 références multimodales et ajoute l'édition vidéo locale, ce qui permet de modifier une partie d'un clip sans régénérer l'ensemble. Il prend également en charge nativement plus de dix langues. Ensemble, ces fonctionnalités visent le même objectif que le mode brouillon : réduire le nombre de fois où vous devez tout recommencer.

Cet objectif compte en raison de la façon dont les gens utilisent ces modèles aujourd'hui. Plus qu'une nouveauté, la génération vidéo est devenue un outil de test. Les annonceurs testent plusieurs accroches pour un même produit. Les équipes de séries courtes testent les relations entre personnages et le rythme de caméra avant de s'engager sur une scène. Un mode brouillon qui rend les tests bon marché, combiné à un système de références qui maintient la cohérence d'un personnage d'une prise à l'autre, transforme le modèle de machine à sous en quelque chose de plus proche d'un espace de répétition.

La cohérence des références est la moitié la plus discrète de cette combinaison. Générer un bon plan n'est plus difficile. Générer dix plans de la même personne, avec les mêmes vêtements, dans la même lumière, reste le point où les projets calent. Tout ce qui rend la cohérence moins coûteuse à obtenir se combine à tout ce qui rend la génération brute moins coûteuse à tenter, et Seedance 2.5 livre les deux dans la même version.

Les réserves honnêtes

Deux choses peuvent mal tourner avec une approche « brouillon d'abord ». La première est la fidélité. Si le rendu final en 1080p ne correspond pas étroitement au brouillon en 480p, l'exploration bon marché perd son intérêt, car vous ne pouvez pas faire confiance à ce que vous choisissez. C'est dans cet écart que la fonctionnalité vit ou meurt, et il vaut la peine de la tester sur de vrais prompts avant de bâtir un flux de travail autour d'elle.

La seconde est que les brouillons peuvent devenir eux-mêmes une perte de temps. Quand l'exploration est bon marché, il est facile d'explorer sans fin et de ne jamais s'engager. À un moment donné, le coût passe de l'argent à l'attention, et un créateur qui génère cent brouillons n'est pas mieux loti que celui qui a généré deux rendus finaux coûteux, à moins que les cent brouillons n'aient mené quelque part. L'itération bon marché est un outil, pas un substitut au goût.

Cela dit, la direction est la bonne. L'industrie a passé l'année écoulée à rivaliser sur la qualité de pointe, et cette qualité de pointe approche du point où la plupart des spectateurs ne peuvent plus faire la différence. La prochaine compétition portera sur le coût et la rapidité avec lesquels un créateur peut atteindre le plan qu'il veut. Le mode brouillon est une petite fonctionnalité qui répond à cette question d'une manière spécifique, et c'est un meilleur signe de maturité qu'un nouveau record de benchmark.

C'est aussi le genre de fonctionnalité qui tend à se répandre. Une fois qu'un modèle fait de l'exploration bon marché la norme, les utilisateurs commencent à l'attendre partout, et les concurrents doivent répondre. C'est ainsi qu'une option devient un standard. Dans un an, générer une version grossière avant de s'engager sur un rendu final pourra paraître aussi évident que relire un brouillon avant de l'envoyer, et les modèles qui l'auront rendu évident seront ceux dont les gens se souviendront.