工作室首页
Google's latest advanced AI model supports automatic audio generation for videos, with high quality and adaptive first and last frames, reference images, and text-based video.
字节跳动新一代视频模型。同时组合文本、图片、视频片段和音频参考——最多 12 个输入——以 2K 分辨率生成带原生同步音频的 AI 视频。
来自字节跳动 Seed 团队的全面架构升级。Seedance 2.0 引入四模态输入、原生音视频同步和多镜头叙事能力，这是其他模型尚未实现的。
跨四种模态上传最多 12 个参考文件——9 张图片、3 段视频和 3 个音频片段——配合文本提示词。使用 @ 标签为每个素材分配特定角色：角色外观、镜头运动、节奏或场景上下文。
通过双分支扩散 Transformer 架构同时生成音频和视频。支持 8 种以上语言的音素级唇形同步对话、响应式音效、场景化环境音和音乐——全部在一次生成中完成。
在不同摄像角度、光照条件和场景转换中保持一致的面部特征、服装、体型和身份。从全景到特写构建多镜头叙事，不会出现角色漂移。
先进的运动合成技术生成自然的动作，具备真实的重力、动量和碰撞行为。在动作序列、格斗编排和复杂物理交互方面超越竞品模型。
技术规格
Seedance 2.0 提供两种主要生成模式的灵活配置，针对不同工作流程和创作需求进行优化。
最高分辨率
2K
时长
4–15 秒
帧率
24 fps
宽高比
16:9 · 4:3 · 1:1 · 3:4 · 9:16
输入模态
文本 + 图片 + 视频 + 音频
最大参考数
12 个文件
原生音频
对话 + 音效 + 环境音
唇形同步语言
8+
首次可用率
90%+
仅通过文本提示词快速生成。适合概念可视化和快速故事板制作。
通过最多 12 个跨四种模态的参考文件实现导演级控制。完整的创作精度。
模型对比
Seedance 2.0 与当前领先的 AI 视频生成模型的详细规格对比。
特性 | Seedance 2.0 | Veo 3.1 | Kling 3.0 | |
|---|---|---|---|---|
| 最高分辨率 | 2K | 4K | 1080p | |
| 最长时长 | 15 秒 | 8 秒（可扩展） | 10 秒 | |
| 帧率 | 24 fps | 24 fps | 30 fps | |
| 原生音频 | ||||
| 图片参考 | 最多 9 张 | 最多 3 张 | 1–2 张 | |
| 视频参考 | 最多 3 段 | |||
| 音频参考 | 最多 3 段 | |||
| 唇形同步 | 8+ 种语言 | |||
| 角色一致性 | 多镜头 | 单片段 | 单片段 | |
| 宽高比选项 | 5 种 | 2 种 | 3 种 |
为什么选择
将 Seedance 2.0 与其他 AI 视频模型区分开来的核心优势。
通过 @ 标签为每个参考分配特定角色——角色外观、镜头路径、音频节奏——实现精确的创作指导。
视频和音频同时生成。无需后期拼接，无需单独的音频同步步骤。
构建从全景到特写的连贯序列，具备时间连续性和角色持久性。
真实的重力、动量和碰撞行为，在动作序列中超越竞品模型。
支持 8 种以上语言的音素级唇形同步，助力全球化内容创作。
五种宽高比选项，从电影级 16:9 到竖版 9:16，覆盖所有平台和格式。
常见问题
