Veo 3.1 vs Seedance 2.5 : peu de références ou beaucoup

Veo 3.1 est le modèle vidéo de Google. Dans l'API Gemini, les identifiants des modèles Veo 3.1 en préversion ont atteint leur date d'arrêt prévue, le 22 octobre 2026, selon le tableau des dépréciations de l'API Gemini de Google (Google indique qu'il s'agit de la date la plus proche possible). Ce même tableau désigne Gemini Omni Flash (gemini-omni-1.1-flash) comme remplaçant.

Veo 3.1 est aussi proposé par des fournisseurs comme fal.ai. La page de fal.ai consacrée à Veo 3.1 en reference-to-video indique que ce point d'accès sera déprécié le 17 novembre 2026 : vérifiez donc votre fournisseur avant de construire dessus.

Seedance 2.5 est un modèle de ByteDance. Selon le guide de fal.ai consacré à Seedance 2.5, daté du 18 août 2026, il est disponible sur l'API de fal.ai avec des points d'accès texte-vers-vidéo, image-vers-vidéo et reference-to-video.

Veo 3.1 accepte jusqu'à trois images de référence, selon la documentation Veo de Google en octobre 2026. Les références fonctionnent avec Veo 3.1 et Veo 3.1 Fast ; la documentation indique qu'elles ne sont pas disponibles sur Veo 3.1 Lite. Avec trois emplacements, il faut choisir les vues les plus parlantes : en général de face, de trois quarts et un gros plan du détail qui identifie le sujet.

Sur fal.ai, Seedance 2.5 accepte jusqu'à 30 images, 10 vidéos de référence et 10 clips audio, soit 50 fichiers au total, selon le guide de fal.ai en octobre 2026. Chaque fichier vidéo ou audio dure de 1,8 à 30,2 secondes, et chaque liste est plafonnée à 30,2 secondes cumulées.

Dans le prompt Seedance, chaque fichier est désigné par @Image1, @Video1 ou @Audio1, ce qui permet d'indiquer quelle image est le personnage, laquelle est le produit et laquelle est le décor. Une vidéo de référence montrant un produit qui tourne, ou la marche d'un personnage, apporte au modèle une information de mouvement que des images fixes ne peuvent pas donner.

L'écart concret : les trois emplacements de Veo 3.1 conviennent à un sujet par plan. Seedance 2.5 peut accueillir un personnage, un produit et un décor dans une même requête.

Veo 3.1 génère 4, 6 ou 8 secondes, mais les clips avec images de référence doivent durer 8 secondes, selon la documentation Veo de Google en octobre 2026. La sortie est en 720p par défaut, avec 1080p et 4K à 8 secondes, en 16:9 ou 9:16. L'audio est toujours généré. Un clip peut être prolongé par paliers de 7 secondes jusqu'à 148 secondes au total, en 720p.

Seedance 2.5 génère de 4 à 30 secondes en une seule passe, ou une durée choisie par le modèle, selon le guide de fal.ai en octobre 2026. fal.ai propose des sorties en 480p et 720p et sept formats : 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 et auto. L'audio est généré avec l'image, et les dialogues écrits entre guillemets reviennent synchronisés. La modification et la prolongation passent par le même point d'accès de référence.

Si vous avez besoin de 1080p ou de 4K, Veo 3.1 est le bon choix. Si vous avez besoin de 15 à 30 secondes sans coupe, c'est Seedance 2.5.

Nous n'avons pas trouvé la politique propre à ByteDance concernant les vrais visages dans les références de Seedance 2.5, donc nous ne formulons aucune affirmation à ce sujet. Pour Seedance 2.0, la documentation des fournisseurs est explicite. La documentation de Venice AI en octobre 2026 indique qu'un visage humain détectable déclenche une étape de consentement, et qu'une personnalité publique reconnaissable est refusée même avec consentement.

La documentation Veo de Google décrit les images de référence comme des références de style et de contenu, soumises aux filtres de sécurité de Google. Si votre sujet est un présentateur ou un créateur réel, testez les deux modèles avec vos références avant de vous engager sur l'un ou l'autre.

Sur fal.ai, Veo 3.1 en reference-to-video coûte 0,40 $ par seconde avec audio en 720p ou 1080p, et 0,20 $ sans audio, en octobre 2026. En 4K, il en coûte 0,60 $ avec audio ou 0,40 $ sans. Un clip de 8 secondes en 1080p avec audio revient donc à 3,20 $.

Sur fal.ai, Seedance 2.5 est facturé au nombre de tokens de sortie, que le guide de fal.ai évalue à environ 0,22 $ par seconde en 480p et 0,47 $ par seconde en 720p en octobre 2026, avec ou sans audio. Un clip de 8 secondes en 720p coûte environ 3,80 $, et un clip de 30 secondes en 720p environ 14 $. Les références image et audio ne sont pas facturées ; une vidéo de référence l'est.

Choisissez Veo 3.1 pour les plans à un seul sujet, les séquences de 8 secondes et les livraisons en 1080p ou 4K. Les plans produit en gros plan, les présentations de présentateur et les courts spots publicitaires lui conviennent bien. Veo 3.1 est le choix le plus solide quand la résolution compte.

Choisissez Seedance 2.5 pour les scènes avec plusieurs éléments fixes, pour les références de mouvement et pour les longs plans d'un seul tenant allant jusqu'à 30 secondes. C'est le modèle le plus souple en entrées et en durée, si votre sujet respecte ses règles sur les visages et si la 720p vous suffit.

Nous n'avons pas passé les mêmes références dans les deux modèles : il s'agit donc d'une comparaison des capacités et règles publiées, pas d'une fidélité mesurée.

RefVid n'utilise aucun de ces deux modèles. Il fonctionne avec Kling 3.0 Omni, avec 1 à 5 photos de référence par sujet, jusqu'à 3 sujets dans un même plan et des clips de 3 à 15 secondes, et passera à Kling 4 Omni Reference à l'ouverture de son API.