跳到正文
字節 Seed:Research Feed·· 8 天前精選AI 評分77

Seedance 2.5 正式發佈,單次影片生成時長提升至 30 秒

一镜成片,随心参考:Seedance 2.5 正式发布

AI 導讀

Seed 團隊正式發佈新一代影片創作模型 Seedance 2.5,單次影片生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型單次最多可輸入 30 張圖片、10 段影片及 10 段音訊作參考,並支援時間戳精準編輯。Seedance 2.5 正陸續上線即夢 AI、豆包專業版,API 服務近期將上線火山方舟。

推薦理由

Seedance 2.5 將單次生成時長由 15 秒提升至 30 秒,並支援多輪延長及多模態參考,交代長敍事創作的主要能力變化。

正文 · 原文

今天,我们正式发布新一代视频创作模型 Seedance 2.5。Seedance 2.0 发布后,我们观察到,用户对视频创作模型的期待正在从“生成一个片段”走向“完成一段创作”。Seedance 2.5 延续了 Seedance 2.0 统一的多模态音视频联合生成架构,重点突破长叙事能力、多模态参考能力和编辑能力。围绕真实的产业场景,让创作拥有更大的想象空间,并进一步释放生产力。

其核心亮点如下:

单次生成时长达 30 秒,支持多轮延长:Seedance 2.5 可单次生成 30 秒高质量视频片段,并支持多轮延长。同时,模型优化了镜头衔接和场景过渡,让长视频保持更好的连贯性。模型还大幅优化了画质、音质以及运动质量,并有效弱化了视频生成中常见的“油腻感”。用户可以生产数分钟具有统一视听语言、高质量的连贯内容,精彩故事一次呈现。

多模态参考能力全面升级:Seedance 2.5 支持用户单次输入最多 30 张图片、10 段视频、10 段音频作为参考素材。模型还提升了白模参考、运动参考、创意参考等各类参考能力,使模型能更好地理解创作意图,实现多主体、多场景、多镜头变化的复杂创意。

更精准、稳定的编辑能力:Seedance 2.5 支持精准的时间戳控制,可定向编辑视频内容,提升创作的效率和可控性。同时,模型强化了绿幕编辑、视角编辑、参考编辑等多种编辑能力,满足影视、广告等更多专业、复杂场景的创作需求。

凭借长叙事、多模态参考、编辑能力的提升,模型不只能单次生成更长的视频,也能更好地理解创作意图、更可控地完成从想法到视频落地的全过程。接下来,我们想邀请你一起观看一段创意短片,全片由 Seedance 2.5 独立生成。

今天,Seedance 2.5 正在陆续上线即梦 AI、豆包专业版等平台,API 服务也将在近期上线火山方舟,欢迎体验和反馈。

项目主页:

https://seed.bytedance.com/seedance2_5

体验入口:

1)即梦网页端-视频生成-选择 Seedance 2.5

2)豆包专业版-视频生成-选择 Seedance 2.5

30 秒长叙事、支持多轮延长,精彩故事一次呈现

Seedance 2.5 将单次视频生成时长从 15 秒提升至 30 秒,同时进一步提升长视频中的叙事能力。模型可以在 30 秒内组织多个有逻辑关联的镜头,让故事从铺垫、推进、转折到收尾逐步展开,而不是简单延续一个画面。比如创作一段歌手一镜到底上台演出的片段,模型演绎了歌手在化妆间与工作人员互动后,穿过后台走廊与伴舞相遇并一起登台演出的完整故事,而非仅歌手上台的画面。

T2V prompt:一镜到底手持稳定器跟拍,镜头从红色厚重幕布缝隙缓缓推进,进入暖色后台化妆间。年轻女歌手背对镜头整理耳机,工作人员提醒她准备登台。她回头看向镜头,开始唱起 City Pop。镜头后退跟拍,歌手穿过幕布进后台通道,与舞伴自然互动,一位工作人员把麦克风递给她。随后歌手与舞伴登上舞台,镜头绕至背面,红黑舞美、LED 屏、追光、烟雾与反光地板逐渐展开。镜头最终拉远至体育馆全景,呈现满场观众、灯牌、荧光棒与欢呼声,营造年轻自由的演唱会高潮氛围。

凭借模型的多轮延长能力, 用户能在已有的视频结果上自然衔接后续镜头,并在延长过程中保持主体特征、场景环境和叙事节奏的连贯,最终生成数分钟具有统一视听语言的连贯内容,减少拆分镜头、反复拼接和处理衔接的成本。

R2V prompt:延长视频,衔接 @视频 1 画面内容和主体继续生成一个 30 秒的视频,保持人物主体、场景、画面风格、声音音效一致。小男孩抱着足球沿车厢跑,地铁停稳后侧边门打开,他立刻冲出,男主紧追。两人一路穿过站台跑到街上,惊动街边路人,男主最终追上并抓住他,小男孩委屈抬头,男主慢慢消气,摸摸他的头,露出无奈笑容。

在画面呈现上,模型能更好地做到自然的运镜衔接,主体在多次切镜中仍保持稳定,音画始终对齐,使长视频生成结果更连贯。比如在一段京剧表演中,镜头伴随主角旋转水袖甩动完成一次优雅的环绕运镜,主体和背景的呈现始终保持一致。水袖在空中的摆动形成自然的弧线,更遵循物理规律。

R2V prompt:16:9 宽幅电影级质感,一镜到底,丝滑运镜,无剪辑。场景参考 @图片 4。 0-5 秒:@图片 2 霸王近景开场,镜头缓慢环绕上半身并过渡至中景;霸王旋身翻转,随后身体与靠旗从镜头前快速掠过,形成自然遮挡,镜头顺势绕至 @图片 1 虞姬身侧。6-10 秒:镜头稳定环绕 @图片 1 虞姬中景,跟随水袖动作完成环绕运镜虞姬抬臂、挑腕、展袖、半转身。最后收袖定格,侧身看向霸王。11-20 秒:@图片 3 武生出场完成后空翻腾动作,随后霸王居中,武生在对侧进退攻防。虞姬位于霸王侧后方以水袖配合,形成刚柔对比。镜头从武生中近景缓慢后拉至舞台大景,结尾三人面向观众同步京剧落幕亮相。

此外,针对视频生成中常见的“油腻感”问题,Seedance 2.5 对物体材质、人物肤质与眼神、光影、画面饱和度等细节进行系统优化。模型还减少了字幕与背景音乐不受控的情况,使成片更接近实拍的影视质感。

多模态参考能力全面升级,复杂创作任务更可控

Seedance 2.5 进一步强化多模态参考能力,支持用户单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材。更多数量、不同类型的参考素材,能更好的还原用户脑海中的创意,生成主体更多、场景更丰富、镜头变化更灵活的复杂视频内容。

模型能综合理解不同素材中的画面构图、场景、风格、人物、道具等元素,并按指令将这些参考素材用于视频生成。在多人同框、群像叙事等复杂场景中,也能同时还原多个人物的形象与声音,保持各主体特征稳定。

R2V prompt:30 秒音乐会片段,16:9 横屏,电影感写实,真实音乐厅光影,暖金色舞台灯,正式古典音乐会氛围。场景@图一,钢琴家参考@图二,大提琴参考@图三,小提琴参考@图四,主唱参考@图五,管弦等其他乐队参考@图六到图十,合唱团参考图十一到图十四,观众席参考@图十五到图十八。主唱舞台中央走向前沿,钢琴家在钢琴旁,乐队分布两侧与后方,合唱团在舞台后方。开场高位俯拍音乐厅全景,钢琴家落键,主唱进入追光演唱,镜头自然带过小提琴、大提琴与管弦乐队,小提琴明亮,大提琴温暖。后段合唱团加入,主唱与第一排观众短暂眼神交流,观众微笑点头。结尾镜头后移,演唱结束,观众跟随鼓掌。

此外,模型还提升了白模参考、运动参考、创意参考等各类参考能力,让画面中的主体、动作、运镜更可控。比如,在白模参考中,用户可以用无纹理 3D 模型搭出画面的空间结构、主体姿态、运动轨迹和镜头机位,再让模型参考这套结构生成视频,使复杂镜头的构图和调度更接近预期。同时,模型还增强了光照控制能力,通过白模的空间信息,生成符合真实物理规律的光照效果,包括光源方向、色温、强度、阴影投射等,让最终生成的画面光影更自然。

R2V prompt:参考 @白模 1 的运镜、镜头节奏、景别变化、主体轨迹和镜头调度。参考 @图片 2 的角色外形、场景、材质、光照、色彩和童话氛围,将白模渲染为梦幻温暖、儿童幻想感、3D 动画短片。剧情依次为:幻想天空飞行→云海神兽伴飞→俯冲入海→鳐鱼海底穿梭→镜面时空裂缝→宇宙摘星→幻化回房间→爸爸盖被→合上绘本定格。

更精准、稳定的编辑能力,有效提升创作效率

在视频生成创作中,用户通常需要控制生成时的节奏,并在生成后持续打磨细节。某个动作在第几秒出现、镜头在什么时间切换,或某片段里的角色、动作是否需要调整,都关系到最终成片的效果。更精准、稳定的编辑能力,可以让用户准确还原创意,提高创作效率,减少反复生成的成本。

Seedance 2.5 支持通过时间戳精准编辑音视频内容,在生成时,用户通过 prompt 控制某个时间段发生的故事、画面视角、运镜和整体节奏,使其更贴近创作意图。在生成后,用户还能针对指定片段里的角色、动作、声音或剧情进行定向修改,同时保持修改前后的连贯性和真实感。

模型还进一步提升了绿幕编辑、视角与运镜编辑、参考编辑等多种编辑能力,以满足影视、广告等更多专业、复杂的创作场景。比如,在绿幕编辑方面,模型不仅能在保持主体不变的情况下,替换不同场景、讲述不同故事,还能更好地基于不同场景的物理规则渲染人物身上的物理效果,包括衣服飘动方向、头发状态、步态节奏、光影等,使主体和场景更加和谐。

R2V prompt:把 @视频 1 绿幕背景渲染场景、障碍、服装和配角:0-4 秒:户外训练,障碍换石头、砖块、轮胎、木箱;4-10 秒:休息室,朋友鼓励;10-15 秒:国际赛场,训练杆换原创防守球员和门将,主角进球。整体写实电影级。

R2V prompt:编辑 @视频 1,保持人物、动作及画风不变,仅调整运镜。15 秒分段运镜设计:0–4 秒,微型 FPV 贴锅穿行,跟随弹起的吐司后横甩至咖啡;4–7 秒,推近并沿锅边横移,跟随煎蛋翻起落回;7–11 秒,急速升至顶视角,匀速下压扫过餐盘和钥匙;11–15 秒,手持近镜跟随双手快速横甩,最后推近早餐,再拉回双人中景。全程连贯稳定。

深入更广泛的产业场景,持续探索应用价值

随着模型能力的提升,Seedance 2.5 也在深入教育、工业等更广泛的产业场景。在教育领域,模型已开始进入真实学习场景。比如,Seedance 2.5 可以将课文背后的历史背景、人物和情节转化为视频内容,把学习内容从静态讲解转化成更生动、更沉浸感的画面。同时,模型可以帮助老师更高效地制作教学视频,将科学原理、历史事件、实验过程等抽象内容转化为动态演示,不仅降低教学物料的制作门槛,还支持灵活的内容定制。

豆包爱学 App「豆包课堂」场景示例

R2V prompt:东方写意风格。 南宋临安街景,热闹的街上几个孩子边跑边闹,孩子们嘴里张嘴念着“蓦然回首,那人却在,灯火阑珊处”。镜头始终跟随孩子们奔跑,带过热闹的街景。镜头上摇,此人正是 @图片 1 辛弃疾。辛弃疾回头,远处是在灯火阑珊中的男子,镜头连贯。

在工业制造、具身智能和自动驾驶等产业中,Seedance 2.5 也开始进入更具体的生产环节。模型可以生成高质量合成视频数据,帮助训练机器人的感知和操作能力;也可以用于工业仿真、流程培训和设备演示。在自动驾驶场景中,模型还可以模拟极端天气、复杂路况等低频场景,为系统测试和训练提供更多样本。

R2V prompt:参考 @白模 1 的运镜、构图、景别、空间关系、零件位置、模型结构、装配顺序和运动轨迹。参考 @图片 1 的材质、光照、色彩、反射和氛围,将白模渲染为高端真实汽车拼装片段。

总结与展望

Seedance 2.5 进一步增强了对真实世界的理解和呈现能力,让视频生成从片段级输出,走向更完整的创作流程。我们也看到,在复杂运动的物理合理性、极多主体交互场景的稳定性上,模型仍有提升空间。

未来,Seedance 团队将继续探索更长的连贯叙事、更懂用户的生成与编辑体验,并进一步增强模型对物理世界规律的理解。我们希望 Seedance 系列模型能更生动、更可控、更懂创作者,帮助更多用户表达创意的同时,持续探索并服务更广泛的产业需求。

來源:字節 Seed:Research Feed · seed.bytedance.com