« Paz le bonnet » : ce que Seedance 2.0 fait de nos répliques

En bref

• Transcription automatique comparée au script : Seedance 2.0 a au moins un mot de travers dans 8 scènes sur 14, Seedance 2.5 et les deux FLUX 3 Max dans 4 (premières prises pour FLUX 1080p). En écarts mot à mot : 12 pour Seedance 2.0, de 5 à 9 pour les autres (notre calcul).
• La règle est stricte, une lettre suffit : 6 des 8 scènes ratées par Seedance 2.0 n'ont qu'un seul mot de travers. Et c'est une machine qui a écouté, pas une oreille humaine.
• Imposer une voix a raté deux fois : deux voix « introuvables » sur fal, puis une référence audio à 1,827 $ qui a gardé le début du rythme et deux mots, « ma vie ».

Le film du jour

Voici « Biopic non autorisé » en version Seedance 2.0 : 1 min 42, avec un carton à la place de la scène 5, que le modèle a refusée. Petit jeu : les sous-titres reprennent le script, à un mot près, les mêmes dans les quatre films, pas ce que dit le modèle. Compare.

Prix et refus sont dans Un film, 4 versions : laquelle vaut son prix. Le contrôle de chaque plan, White Rose le raconte dans L'IA n'est pas magique. Ici, je ne parle que de la voix.

Comment on a compté

Chaque prompt est en anglais, répliques en français entre guillemets, et demande un dialogue « clear and natural, lips synced ». Aucune voix imposée : chaque modèle vidéo parle avec la sienne. Chaque plan passe ensuite dans ElevenLabs Scribe v2, réglé sur le français, et on compare son texte au script. Un mot changé, ajouté ou manquant, même d'une lettre, et la scène compte. On ignore la ponctuation, les bruits notés entre crochets, « 48 » écrit en chiffres, l'homophone « associé / associée » et la fin du mot que le script coupe exprès en scène 6.

FLUX 3 Max rate 4 scènes sur 15, en 720p comme en 1080p (premières prises), Seedance 2.5 4 sur 14, Seedance 2.0 8 sur 14. En comptant les mots touchés, même dernier : 12 écarts, contre 5 à 9 pour les autres (notre calcul). Celui qui a la mise en scène la plus « cinéma », avec ses travellings et ses coupes internes, est celui qui articule le moins bien, d'après la transcription.

Le bêtisier, scène par scène

Des mots qu'une machine a cru entendre. Mais drôles.

• « Mauvaise », l'ennemi juré. Seedance 2.0, scène 3 : « une bonne et une breuze nouvelle ». Scène 4, la réplique d'après : « La mauvais ». Deux ratés de suite, deux styles.
• « Pas. Le. Bonnet. » Trois mots tout courts, et deux versions trébuchent : « Paz le bonnet » chez Seedance 2.0, « Pas le bonheur » chez FLUX 720p.
• La pause déj. Seedance 2.0 entend « pause déjà », Seedance 2.5 « pause déjeuner », avec un « Beurre ! » offert à la place de « Beurk ! ». L'abréviation n'a tenu que chez les deux FLUX.
• La phrase sans « ne ». Chez Seedance 2.0, « Il lit pas les notices » devient « Lis les notices » : trois mots du script pour un seul.
• La scène 15, en entier. Seedance 2.0 : « Ta parte. C'est une amorne. À Androlite, c'est de l'art. » Trois écarts, et Seedance 2.5 est le seul à la rendre exacte.

Seedance 2.5 a aussi son moment : « Reste dans le caractère » au lieu de « Reste dans le personnage ». Ça ressemble à « stay in character » traduit mot à mot. C'est mon hypothèse, rien ne la prouve.

Pour être juste, Seedance 2.0 rend exacte la scène 11, douze mots à deux voix.

Ce que la mesure ne sait pas faire

• C'est une machine qui écoute. ElevenLabs range le français dans sa catégorie « Excellent », 5 % d'erreurs de mots au plus. Chiffre de l'éditeur, sans dire sur quels enregistrements. Les nôtres durent 6 s, avec tonnerre, laser et voix hors champ.
• Certains écarts sont peut-être des presque-homophones. « Paz » et « Pas », « déjà » et « déj » : j'ai l'impression qu'ils sonnent très près, mais c'est une impression, pas une mesure. Le modèle a-t-il mal dit, ou la transcription mal entendu ? Je ne peux pas trancher. La règle les compte quand même.
• Une lettre vaut un mot entier. « La mauvais » pèse autant que « breuze ».
• Une seule prise par scène. Seedance 2.0 ne prend pas de graine : un autre tirage dirait peut-être « mauvaise ». On ne l'a pas payé, à 1,827 $ la scène.
• Personne n'a noté le jeu. Ton, émotion, timing : rien ici ne les mesure.

Imposer une voix : deux échecs

Les voix introuvables. Le labo avait repéré sur un autre service une voix pour White Rose, « Sienna », et une pour Scammy, « Kiki ». Sur fal, le modèle de voix Eleven v4 a répondu « Voice not found », étiquette feature_not_supported, sans rien facturer. Sa page donne des exemples de noms, de « Aria » à « Bill » : ni Sienna ni Kiki, mais « Jessica » et « Laura ». Elles ont fait les deux voix off du montage, conformes. Un nom de voix ne voyage pas forcément d'un service à l'autre.

La référence audio. La version « reference-to-video » de Seedance 2.0 accepte, en plus d'images ou de vidéos, jusqu'à trois fichiers audio pour « guider » la génération. On lui a donné 4,4 s de la réplique de White Rose, « T'as vendu ma vie. Sans moi. … Combien ? », avec un prompt qui demandait les lèvres « exactly synced » et « the same voice ». Le texte, lui, n'était pas dans le prompt.

Après 405 s d'attente, la transcription entend : « Ça va ma vie ? Ça roule ? Oui, comme ci comme ça ». J'ai mesuré les blancs. Le premier groupe de mots tombe au même moment que dans la référence, à 4 centièmes près, et finit sur les deux seuls mots rescapés : « ma vie ». Ensuite, ça dérive : le deuxième groupe arrive 0,34 s plus tard, le troisième 0,71 s, et Seedance ajoute un quatrième groupe, absent de la référence (notre mesure, avec un seuil de silence choisi par nous : un autre réglage bougerait un peu ces bornes). Facture : 1,827 $, le prix d'une scène ordinaire.

La page de fal classe le modèle « lipsync » et parle de « guider », sans promettre que la phrase sera reprise mot pour mot. Le doublage, c'est nous qui l'espérions.

Ce que ça change pour toi

Déduit de nos quatre films, une prise par scène. Pas une loi.

1. Transcris chaque plan. Nos 61 transcriptions ont coûté 0,49 $ en tout. Le filet le moins cher contre les « breuze ». Puis écoute toi-même les scènes signalées.
2. Surveille d'abord les mots courts, familiers ou rares. « Pas », « déj », « part », « Andromède » ont tous été touchés au moins une fois.
3. Ne te fie ni à la longueur ni au nombre de voix. Seedance 2.0 réussit douze mots à deux voix et rate « Pas. Le. Bonnet. ». Il rate 4 scènes sur 6 à plusieurs voix, 4 sur 8 à une seule (nombre de voix selon le prompt, notre décompte).
4. Budgète une deuxième prise si la réplique doit être exacte. Une prise FLUX 720p coûte 0,255 $, une Seedance 2.0 1,827 $.
5. Pour une référence audio, écris aussi le texte dans le prompt. On ne l'a pas fait, donc on ne sait pas si ça suffit.

Ce qu'on ne sait pas encore

• Ce qu'aurait entendu une oreille humaine sur les huit scènes signalées de Seedance 2.0.
• Si un autre tirage de Seedance 2.0 dirait mieux : une seule prise par scène, sans graine.
• Si un prompt entièrement en français, ou des répliques réécrites, changeraient le score : pas testé.

Les mots à retenir

• Diction (ici) : la fidélité des mots prononcés au texte écrit, pas la beauté de la voix.
• Taux d'erreur de mots (WER) : la part d'erreurs d'une transcription par rapport à un texte de référence ; ElevenLabs s'en sert pour classer ses langues.
• Référence audio : un fichier son donné au modèle vidéo pour guider la génération ; chez nous, il a guidé le début du rythme, pas les mots.

Tous nos mots expliqués : le glossaire →

Passages sources

Pages officielles téléchargées le 23/10/2026 vers 19 h 54 UTC. Nos films et transcriptions : 22/10/2026 ; mesures et calculs : 23/10/2026.

L'autriceMilky

Je ne crois pas une démo. Je refais le test moi-même et je te montre le résultat, même quand il est moche. Et ne me mets pas en colère, tu ne vas pas aimer la suite.

X @MilkAndRiotInstagram @milkandriot_

Tous ses articles →