Seedance 2.5 passe en 1080p et coûte 1$ US la seconde
Le meilleur modèle vidéo du marché passe en 1080p, et je te donne le vrai budget à prévoir avant de le vendre. Plus deux modèles gratuits qui tournent sur ta machine pour la musique et la voix, ma nouvelle série de fausses archives québécoises générée volontairement en 480p, et la structure de prompt complète pour sortir huit scènes en une seule prise.
Ceci est l'édition du 28 août 2026 de Pèse sur Play, mon infolettre hebdomadaire sur la vidéo IA et ce qui performe sur les médias sociaux.
Salut,
Quatre sorties cette semaine, et elles se répondent. D'un côté, le meilleur modèle vidéo du marché vient de passer en 1080p, et il coûte assez cher pour qu'il faille le budgéter avant de vendre le mandat. De l'autre, deux modèles gratuits que tu télécharges sur ta propre machine viennent remplacer des abonnements que tu paies peut-être déjà, pour la musique et pour la voix.
Je te donne mon verdict sur chacun. Ensuite, je te montre ma nouvelle série, celle que je génère volontairement en 480p, avec la structure de prompt au complet.
---
Ce qui sort. Hype ou ça vaut la peine?
Quatre sorties de la semaine : ce que la nouvelle résolution de Seedance va te coûter pour vrai, et deux modèles gratuits qui remplacent des abonnements que tu paies déjà.
Seedance 2.5 génère enfin en 1080p
Depuis son lancement le 31 juillet, le modèle vidéo de ByteDance plafonnait à 720p, ce qui le rendait difficile à recommander pour du travail livré à un client. La version 1080p est arrivée à la mi-août et elle renverse ce constat. Le modèle génère des plans de 30 secondes sans coupure, accepte jusqu'à 50 références en entrée (30 images, 10 vidéos, 10 extraits sonores), et encode l'image en 10 bits plutôt qu'en 8, ce qui te laisse beaucoup plus de latitude pour corriger et étalonner tes couleurs au montage.
Verdict : c'est le meilleur modèle vidéo sur le marché aujourd'hui, et il faut le budgéter avant de le vendre. Sur Dreamina, un plan de 30 secondes en 1080p revient à 31,62$ US, soit environ un dollar la seconde. Sauf que ce prix suppose que tu réussis ton plan du premier coup, et ça n'arrive à peu près jamais : compte une dizaine de générations avant d'obtenir quelque chose que tu es prêt à livrer. La règle du pouce à retenir : ajoute un zéro au nombre de secondes de ton film fini, et tu as ton budget en dollars américains. Un film de deux minutes te coûtera donc autour de 1 200$ US en génération seulement.
MiniMax Music 3 génère cinq minutes de toune sur ton ordinateur
Sorti le 13 août, ce modèle de musique est à poids ouverts : tu télécharges les fichiers et tu le fais tourner chez toi, sans abonnement et sans compter tes générations. Il produit une chanson complète jusqu'à cinq minutes, voix comprise, en stéréo 32 kHz. Il demande un minimum de 8 Go de mémoire vidéo sur ta carte graphique, et de 20 à 24 Go pour rouler confortablement.
Verdict : c'est la réponse directe à la nouvelle que je t'ai donnée la semaine passée. Suno plafonne ses téléchargements à partir du 3 septembre, avec 20 pièces par mois sur le forfait Pro, alors qu'un modèle que tu héberges toi-même n'a aucun plafond. Vérifie quand même la licence avant de l'utiliser sur un mandat payant : « gratuit à télécharger » ne veut jamais dire automatiquement « libre de droits en usage commercial ».
IndexTTS-2.5 clone une voix et te donne des curseurs d'émotion
Publié le 10 août, ce modèle de synthèse vocale est lui aussi à poids ouverts. Il clone une voix à partir d'un seul extrait de référence et il te laisse régler la vitesse d'élocution de la moitié au double. Sa vraie particularité : tu peux lui donner un deuxième fichier audio dont le seul rôle est de porter l'émotion, quelqu'un qui pleure ou quelqu'un qui rit, et le modèle combine le timbre de ta première voix avec l'intention de la deuxième. Huit curseurs te permettent aussi de doser l'émotion à la main.
Verdict : le contrôle est réel, la qualité brute reste sous celle d'ElevenLabs. Sans travail sur l'émotion, la lecture sort plate et robotique, alors qu'une référence émotionnelle bien choisie la rend utilisable. La licence vient de bilibili et l'usage commercial se négocie avec eux directement, donc pour un projet client, vérifie avant plutôt qu'après.
Apple projette la performance d'un acteur sur le visage de quelqu'un d'autre
L'équipe de recherche d'Apple a publié ses travaux sur HeadsUp, un système entraîné sur plus de 10 000 personnes réelles scannées en studio. Il reconstruit un visage en trois dimensions à partir de photos, puis il transfère l'expression d'une personne sur le visage d'une autre : tu filmes un comédien qui joue une scène, et tu appliques sa performance faciale sur cinq visages différents.
Verdict : rien à essayer cette semaine, et c'est quand même la nouvelle la plus importante des quatre. HeadsUp est un outil de recherche interne, pas un produit que tu peux ouvrir aujourd'hui, mais il annonce la suite : la retouche d'expression après le tournage s'en vient dans les logiciels que tu utilises déjà, exactement comme la retouche de peau y est entrée il y a vingt ans.
---
Une démo sortie de mes propres productions.
Le meilleur modèle vidéo du monde vient de passer en 1080p, et je viens de générer ma nouvelle série en 480p, exprès. Voici pourquoi.
TEMPÊTE, et le format RAW Québec 90s
Je teste depuis quelques semaines un nouveau format : de fausses archives québécoises de 1993, filmées par quelqu'un qui n'avait pas le droit de filmer. Le gars cuvé dans le banc de neige avec un chien qui pisse à côté de sa tête. La bonne soeur qui fait un burnout en Camaro dans le stationnement de l'église. Personne autour ne réagit, et c'est exactement ça qui fait rire.
Ce que je cherche n'est pas la belle image. Chaque vidéo sort en 4:3, en 480p, sur 30 secondes, avec du bruit analogique, du flou partout et un cadrage raté. La mauvaise qualité est la signature du format, parce qu'une image propre casse tout de suite l'illusion de la cassette trouvée dans un sous-sol.
Le montage, lui, reste entièrement humain. Le modèle génère l'image et les sons d'ambiance, jamais la musique ni la voix : ça se pose par-dessus dans Premiere.
Les textes sont écrits dans le registre de nos poètes et de nos chansonniers, puis adaptés au sujet de chaque vidéo. Sur DIMANCHE, c'est ma vraie voix enregistrée au micro, sur quinze secondes écrites dans le spleen d'Émile Nelligan. Sur TEMPÊTE, c'est un rap boom bap de 1993 fait avec Suno, rappé par un clone de ma propre voix, sur un texte écrit dans le registre de Gilles Vigneault.
Les chiffres au 24 août : 1 330 vues, 16 interactions, et un temps de visionnement moyen de 8,9 secondes. C'est ce dernier chiffre que je surveille, parce qu'une moyenne de neuf secondes sur un format court, ça veut dire que les gens ont entendu au moins deux lignes avant de décider s'ils restaient. Ce qui les retient, c'est la reconnaissance : quarante-deux centimètres tombés au lieu des vingt annoncés, la souffleuse à trois heures du matin, les bas mouillés qu'on remet pour ressortir.
---
Une recette copiable.
Générer huit scènes différentes dans une seule vidéo de 30 secondes, sans montage entre les plans. Voici la structure de prompt exacte, prête à copier.
Avant d'écrire un seul prompt, j'ai passé une session complète dans Claude Code à documenter le format : les cinq constantes de caméra, les deux textures d'image, la banque de références culturelles québécoises, les modèles à utiliser selon la situation. Ce document, maintenant, je le rappelle en une seule phrase, et produire une vidéo se résume à choisir un fil conducteur et lancer la génération.
La partie que tu peux reprendre telle quelle, c'est la structure du prompt. Seedance 2.5 accepte une seule prise de 30 secondes, alors je lui fais générer huit scènes sans lien entre elles plutôt qu'une scène filmée sous huit angles. Ça donne 3,75 secondes par plan, assez pour que l'action respire.
[TEXTURE]
Quebec television archive footage, 1993. Analog Betacam SP standard-definition
broadcast video, interlaced, 480 lines. Heavy analog noise, chroma smearing,
everything soft, nothing critically sharp anywhere. Flat sickly green-grey cast,
no white balance. Blacks lifted to grey, whites dull, almost no contrast.
Degraded videotape, not film.
[LA LIGNE QUI POSE LE MULTI-SCÈNES]
Eight unrelated scenes across Quebec on the same grey Sunday. Every shot is filmed
from far away at full telephoto zoom by someone hiding, with a large out-of-focus
object blocking part of the frame, and the framing is always wrong.
[LES HUIT PLANS, UNE LIGNE CHACUN]
Shot 1: [action absurde]. Shot from behind [obstruction]. handheld, a quick zoom in
that overshoots before correcting.
[...]
Closing: tight on [un détail du plan 1], the frame drifting, held.
[FERMETURE]
Nobody reacts to anything. Nobody is posing. Nobody knows the camera is there.
No timestamp, no borders, no CRT frame, no letterboxing.
No music, no score, no library audio, no voiceover, no on-screen text, no logo.
[AUDIO]
wind, boots crunching packed snow, a dog panting, tires spinning on wet asphalt,
a two-stroke engine, church coughing, a diesel truck idling.
Trois choses à savoir avant de lancer ta génération. Il faut nommer une obstruction au premier plan dans chacun des huit plans, sinon la caméra a l'air invitée et l'effet tombe. Il faut préciser au modèle que personne ne réagit, parce que c'est l'indifférence des passants qui rend l'absurde drôle. Et il faut lister un par un les interdits sonores, pas de musique, pas de trame, pas d'audio de banque, autrement le modèle colle une trame générique par-dessus tes sons d'ambiance.
Un dernier détail qui m'a coûté trois générations : Seedance refuse un visage de célébrité comme image de départ. La soumission passe, la génération casse. MiniMax H3 accepte le même visage sans se plaindre, mais il prend cinq minutes au lieu d'une.
---
Un morceau de notre stratégie vidéo pour médias sociaux.
Ta vidéo a fait 300 vues et tu es déçu. Avant de conclure que ça n'a pas marché, regarde qui l'a regardée.
Viser le viral est le plus vieux réflexe du contenu, et c'est aussi celui qui coûte le plus cher aux entreprises.
Une vidéo qui explose en dehors de ton sujet ne te rapporte à peu près rien. Si tu vends de la comptabilité et que ta vidéo drôle sur un chat fait un million de vues, personne dans ce million ne t'associe à la comptabilité le lendemain matin.
La confiance s'accumule dans une seule direction à la fois, celle du sujet dont tu parles. C'est pour ça qu'une vidéo à 800 vues regardée par les bonnes personnes te rapporte plus qu'une vidéo à 80 000 vues regardée par tout le monde.
Notre façon de travailler part donc de l'autre bout :
- On commence par l'offre, jamais par l'idée de vidéo. Tant qu'on ne sait pas ce qui se vend au bout et à qui, on ne sait pas quelle vidéo mérite d'être faite.
- On choisit une place que personne n'occupe dans ton marché. Être la deuxième version de quelqu'un d'autre ne convertit pas, parce que les gens retiennent une seule personne par sujet.
- On mesure les gestes qui annoncent une vente : les enregistrements, les partages, les messages privés. Le compteur de vues, lui, ne décide de rien.
Ça donne des courbes moins spectaculaires et des rendez-vous dans ton calendrier. C'est un compromis qu'on prend chaque fois.
C'est de cette façon qu'on travaille sur les mandats de vidéo sociale.
---
Réponds-moi directement si tu as une question, un sujet ou un désaccord. Je lis tout, et c'est souvent ce qui décide de l'édition suivante.
Bonne fin de semaine,
Alex
---
Tu veux recevoir Pèse sur Play chaque vendredi matin? Abonne-toi ici.