Génération vidéo — Hollywood dans une zone de texte

Un studio hollywoodien d'un milliard de dollars compressé dans un réseau de neurones. Génère de la vidéo cinématographique avec un audio parfaitement synchronisé — dialogues, musique, effets sonores — en une seule passe. Désormais officiellement lancé et accessible mondialement.

Le seul modèle majeur générant simultanément vidéo de qualité cinéma et audio synchronisé. Contrôle au niveau réalisateur avec jusqu'à 12 assets de référence (9 images + 3 vidéos + 3 fichiers audio). Officiellement lancé en février 2026, maintenant disponible sur seed.bytedance.com, CapCut, Dreamina, fal.ai et Higgsfield.

Fournir au modèle suffisamment de références multimodales pour garder un contrôle narratif absolu est aussi méticuleusement complexe que de diriger une vraie équipe de tournage. Les garde-fous régionaux sur les visages et célébrités varient.

Une centrale vidéo unifiée qui génère de l'audio synchronisé, des histoires multi-plans et du contenu 4K à partir de texte — un pipeline VFX hollywoodien comprimé dans un onglet de navigateur.

En tête des benchmarks Artificial Analysis avec un Elo de 1 452. L'entraînement multimodal natif permet une synchronisation labiale professionnelle, un mouvement physiquement réaliste et des clips de 15 secondes en 1080p/60fps. Cohérence des personnages supérieure à Veo 3.

Coûts élevés en crédits pour les fonctionnalités Pro (0,50–2 $ par clip), des filtres de sécurité excessifs bloquent les prompts audacieux, et les scènes complexes peuvent glitcher sans contrôle précis.