Seedance 1.5 pro 音视频生成模型

是什么

Seedance 1.5 pro 是火山引擎在 2025 年 12 月 18 日 FORCE 大会上发布的音视频生成模型，与豆包大模型 1.8 一同发布^[1]。语言模型处理的是文字，它处理的是画面：生成一段视频，并把这段画面该有的声音一起生成出来。

声音和画面一起生成

这个模型最核心的特点是架构上的选择。它采用原生音视频联合生成架构，画面和声音在同一次生成过程中产生，而不是分成两步来做^[1]。声音也不只是一条干瘪的音轨：环境声、背景音乐和人声都与画面一起生成^[1]。

常见的做法是先做完一段无声素材，再补上对白、音乐和音效。两半分开做，细小的错位就容易出现——台词晚半拍落下，或者声音停了嘴还没闭上。Seedance 1.5 pro 要避免的正是这种割裂：火山引擎称它做到了毫秒级的音画同步^[1]。

对白也不限于一个人说话。模型支持多人、多语言的对话，并对口型做准确对齐^[1]。覆盖的语言包括英语和一些小语种，中文方面则包括四川话、粤语这样的方言^[1]。对做方言内容的创作者来说，这意味着人物可以直接用当地的说话方式出镜，而不必事后另行配音。

先出草稿再定稿

火山引擎还介绍了一个即将推出的「Draft」（草稿）功能：用户可以先生成一份低分辨率草稿，草稿与最终视频高度接近，再据此决定是否定稿^[1]。这有点像动笔之前先画草图——构图、节奏和表演都能提前看到，此时修改的代价还很低。

火山引擎表示，这个功能把整体效率提升了 65%，并将无效的创作成本降低了 60%^[1]。这两个数字是公司自己的口径。

怎么用

发布时，个人用户可以在豆包和即梦 AI 两款应用里试用这个模型^[1]。面向企业的应用程序接口（API）于 2025 年 12 月 23 日在火山引擎开放^[1][2]。两条路径对应两类使用者：在手机应用里试手感的普通人，以及从代码里调用接口、把生成能力接进自己生产流程的公司。

面向谁

火山引擎把这个模型对准视频创作者，称它可以承载电影级的叙事张力，并能捕捉动作细节和人物情绪^[1]。这是关于它想生成什么样的片子的说法：不只是短的、装饰性的片段，而是有节奏、有表演的场景。

在路线中的位置

这次发布与豆包大模型 1.8 在同一天^[1]。把通用大模型和媒体生成模型放在一起推出，说明火山引擎在同时推两条线：一条处理语言和推理，一条处理影像与声音。Seedance 1.5 pro 在第二条线上的贡献，是把声音当作生成过程的一部分，而不是画面完成之后的追加工序^[1]。至于它在长段、多人对白的场景里是否稳定，要靠创作者的实际使用来检验。