ByteDance

ModelSeedance 2.5NewMultimodal 视频生成ByteDance⏱ 5-15 分钟⛁ 112-2280 积分输入模式帧参考添加结束帧选择您的起始图像上传图像JPG、PNG、WEBP、GIF（每个最大 30MB）此图像将成为您的视频起始帧提示AI 增强0 / 30000纵横比分辨率持续时间5秒4秒10秒15秒20秒25秒30秒输出格式生成音频网络搜索

Seedance 2.0 — 也写作 Seedance2 或 Seedance2.0 — 是字节跳动的多模态 AI 视频生成模型，于 2026 年 2 月 9 日发布。基于双分支扩散变压器（DB-DiT）架构，Seedance 2.0 在单次前向传递中生成视频和原生音频 —— 同步对话、环境声音和音乐与视觉输出一同生成。它接受文本提示以及最多九张参考图像、三段视频片段和三段音频轨道，生成输出分辨率为 2K，片段长度最长可达 15 到 20 秒。在人工分析视频竞技场，Seedance 2.0 在带音频的图像到视频任务中拥有最高的 Elo 评分 —— 这是 AI 视频质量的主要盲测基准。Seedancer 是您可以在浏览器中直接生成 Seedance 2.0 视频的平台。

Seedance 2.0 通过字节跳动的 Dreamina 平台正式提供，目前访问仅限于某些地区。在 Seedancer 上，您可以在浏览器中直接使用 Seedance 2.0（也写作 Seedance2）——无需下载、无需 GPU，且浏览时不需要账户。新用户在注册后可获得初始访问权限，立即免费生成 Seedance 2.0 视频和图像输出。无水印的输出并带有完整的商业许可需要付费计划。开始时不需要信用卡。

三个架构决策使 Seedance 2.0 与其他模型区分开来。首先，其双分支扩散变压器在并行而非顺序中生成视频和音频 —— 产生更紧密的时间对齐。其次，它同时接受四种输入模态：文本、图像、视频片段和音频片段 —— 没有其他公开可用的模型提供类似的参考控制。第三，其多镜头功能在一个生成过程中处理场景转换，生成连贯的叙事序列而无需手动编辑。在人工分析的盲测偏好评估中，Seedance 2.0 在图像到视频带音频任务中排名第一，领先于 Kling 3.0、Veo 3 和 Runway Gen-4.5。

是的。Seedance 2.0 使用其双分支扩散变压器架构，在单次前向传递中联合生成视频和音频。该模型生成与音素级唇部同步的同步对话、与场景匹配的环境声音和跟随叙事节奏的背景音乐 —— 所有这些都不需要单独的音频生成步骤或后期合并。音频是在视频中生成的，而不是之后添加的。这种共同生成方法比那些单独处理音频的模型在视觉动作和声音时间上产生更紧密的对齐。

每个模型在不同的领域领先。Seedance 2.0 在人工分析中排名图像到视频带音频任务第一，并提供了最广泛的参考输入系统 —— 每次生成最多九张图片、三段视频片段和三段音频片段。Kling 3.0 在多镜头序列方面表现出色，支持最长 15 秒的 4K 输出，角色动画的运动控制，以及三者中最快的生成时间。Veo 3 在电影场景构图和环境真实感方面领先，生成八秒的广播级视频片段并内置空间音频。这三者都可以通过同一账户在此平台上使用 —— 在每个模型上运行相同的提示并比较结果后再下载。

Seedance 2.0 以最高 2K 分辨率输出视频，片段长度最长约为 15 到 20 秒。该模型支持多镜头叙事 —— 在单次传递中生成场景转换，而不是需要将多个片段编辑在一起。生成速度比之前的 Seedance 发布版本快约 30%；一个 10 秒的片段通常需要五到十分钟，具体取决于参考复杂度。对于更高的分辨率，此平台上的 Kling 3.0 支持 4K 输出；对于更长的片段长度，Wan 2.6 提供最高 15 秒的图像到视频。

通过字节跳动的 Dreamina 平台官方访问 Seedance 2.0 目前仅限于中国及部分地区的用户。大多数国际开发者和创作者的直接 API 访问仍受限制。Seedancer 提供了无地理限制的浏览器访问 Seedance 2.0 生成能力 —— 不需要 VPN，也不需要地区账户。直接在此平台上注册即可从任何国家生成 Seedance 2.0 视频和图像输出。

Seedance 2.0 —— 有时写作 Seedance2 —— 在所有主要维度上都比 Seedance 1.0 有显著的架构和质量提升。分辨率从 1080p 提升到 2K。最大片段长度从大约 5 到 8 秒扩展到 15 到 20 秒，并支持多镜头场景转换。输入系统从文本和单张图像扩展到四种模态 —— 每次生成最多九张图像、三段视频片段和三段音频片段。生成速度提高了约 30%。音频集成从独立流程进步到原生 DB-DiT 共同生成，产生更紧密的音画同步。运动质量、复杂描述的提示遵循度和输出可用性率均较前一版本有显著提升。

Seedance 2.0 除了文本提示外，还接受三种类型的参考输入。图像 —— 最多九个 JPG 或 PNG 文件 —— 锚定角色外观、面部特征、环境设计、风格参考和色彩调色板。视频片段 —— 最多三个 —— 提供相机移动模式、动作编排、剪辑节奏和场景节奏的模板。音频片段 —— 最多三个，每个最多 15 秒 —— 引导背景音乐风格、音效和对话氛围。您可以在单个生成请求中使用这些参考类型的任何组合；如果喜欢纯文本提示，这些都不是必需的。

是的。通过 Seedancer 上的付费计划生成的所有视频、图像和音频输出都具有商业使用权。输出无水印且已准备好生产 —— 可用于社交媒体发布、广告活动、电影前期制作、品牌内容、产品视频、音乐视频和客户交付物。在您的计划内生成的内容不会产生额外的许可费用，也不需要对平台进行署名。免费计划的输出包含水印，不适用于商业用途。

ByteDance Seedance 2.0 支持基于文本生成视频、视频风格转换、视频内容编辑等功能，能够根据用户输入的文本描述自动生成高质量的视频内容。

Seedance 2.0 适用于短视频制作、广告创意生成、社交媒体内容创作以及教育类视频的快速生成等场景，尤其适合需要高效产出视频内容的用户。

Seedance 2.0 基于先进的 AI 技术，包括自然语言处理和深度学习模型，能够实现高精度的视频生成与编辑，同时支持多语言输入和多种视频格式输出。