Seedance 1.0 视频生成模型

是什么

Seedance 1.0 是 ByteDance Seed 的视频生成模型。它的技术报告于 2025 年 6 月 10 日提交到 arXiv，共有 44 位作者；6 月 11 日，Seed 博客对外公布了这一模型。^[1][2] 它把文生视频（text-to-video）和图生视频（image-to-video）放进同一个模型处理，输出的是 1080p 的多镜头视频。^[3]

一条片子里的多个镜头

Seedance 1.0 强调的地方在于镜头切换前后的连贯性：它让主体、风格和氛围在多个镜头之间保持一致，并且能生成 10 秒、包含两到三次镜头切换的视频。^[2][3] 切换恰恰是生成视频最容易露怯的地方——同一个人物再出现时换了脸、换了镜头感、换了光线，观众一眼就能看出来。要让这些属性跨越一次切换保持住，和把单个镜头做好看是两个不同的问题，这个模型的设计正是围绕后者之外的那一半展开的。

训练

arXiv 摘要把设计目标概括为在三者之间取得平衡：输出对提示词的遵循程度、运动看起来是否合理、以及画面质量。^[1] 这三者彼此牵制——模型可以严格照做一段复杂的提示词，却让动作变得僵硬；也可以把动作做得流畅好看，却漏掉提示词里的要求。论文还描述了后训练阶段的做法：在微调之外，加入针对视频的 RLHF（基于人类反馈的强化学习），也就是用人类对样本质量的判断来调整模型，而不只依赖固定的训练目标。^[1]

速度上的工程

技术报告记录了两处工程细节。多阶段蒸馏配合系统优化，让推理速度提升约 10 倍；在 NVIDIA L20 GPU 上，生成一段 5 秒的 1080p 视频需要 41.4 秒。^[1] 另外，更「瘦」的 VAE（变分自编码器）解码器让解码速度翻倍，而画质没有可见损失。^[2] 解码器负责把模型的内部表示还原成像素，是生成流程中耗时的一环。视频生成的成本是按输出秒数计算的，一段片子要花多久生成出来，直接决定了它能被用在什么地方。

评测

截至 2025 年 6 月初，Seedance 1.0 在 Artificial Analysis 的文生视频和图生视频两个榜单上均排名第一。^[2][3] 内部评测使用 SeedVideoBench-1.0：文生视频和图生视频各 300 条提示词，由人来打分。^[2] ByteDance 为这个模型做的介绍页面称，它在 SeedVideoBench-1.0 上的提示词遵循、运动质量和美感方面表现良好，但没有公布具体分数。^[3]

使用方式与后续

Seedance 1.0 通过 API 和 BytePlus Playground 提供。^[3] 2026 年 2 月，Seedance 2.0 推出。^[4] 把这次发布放在一起看，它是一个模型内同时做 1080p 多镜头生成，加上有文档记录的推理提速——当时两个公开榜单的第一名，是这一点最直观的体现。^[2][3]