Seedance 2.5 视频生成模型

是什么

Seedance 2.5 是字节跳动（ByteDance）推出的视频生成模型，于 2026 年 7 月发布，维基百科记录的发布日期为 2026 年 7 月 31 日。^[1] 字节跳动把它称为新一代音视频联合生成模型，也是 Seedance 2.0 的后续版本。^[2]

「音视频联合生成」指的是画面和声音由模型一起产出，而不是先生成一段无声视频、再补上音轨。这样做的意义在于，一段视频里画与声往往必须对得上：物体落地、门被关上、人物开口说话，看起来和听起来都得像同一件事。让一个模型同时决定这两部分，比事后给已经做好的画面配音更容易保持这种一致。

由来

Seedance 2.5 接续字节跳动已有的视频模型序列，取代 Seedance 2.0 成为更新的一代。^[2] 字节跳动的官方页面上提供了三个入口——立即试用（Try now）、获取 API（Get API）和对比（Compare now），并附有一组精选的示例展示，让使用者在决定是否采用之前先看到模型能产出什么。^[2]

主要特点

最直观的变化是时长。模型单次可生成最长 30 秒的视频，一次生成还可以再延长两次以讲述更长的故事；测试中的长视频模式则能达到 3 分钟。^[2][1] 更长的单次镜头对需要连贯性的场景很有用，例如一段对话或一次缓慢的运镜，而这类内容若由许多短片段拼接，往往会在接缝处露馅。

模型同时能从多个方向接受输入。它最多可接受 50 个多模态参考，并且读取参考视频的方式更精确，包括景别与镜头语言。^[1][2] 换句话说，使用者可以把现成的素材——图像、片段、风格——交给模型，并期待输出遵循这些素材的取景、角度和视觉习惯，而不只是借用一个大致题材。

编辑是字节跳动强调的另一个方面。Seedance 2.5 支持局部编辑，可以只改动场景中的特定部分而无需重新生成整段视频，此外还提供绿幕编辑、专业运镜和表演走位等控制手段。^[1][2] 与因为一处细节不对就整条重做相比，局部修改成本更低、结果也更可预期，并且允许在一段视频其余部分已经通过之后再作调整。字节跳动表示，Seedance 2.5 的编辑更可靠，能响应的音视频编辑请求范围也更广。^[2]

该模型可通过 API 调用，也由第三方 API 服务商提供。^[2][1]

字节跳动的说法

字节跳动自己的描述是定性的。公司称 Seedance 2.5 的运动更平滑、更连贯，画面更真实；并称它在参考视频方面已经不止于动作迁移，而是进入了创意解读——不只是照着参考素材做什么，还理解它想要达到什么效果。^[2] 这些说法没有同时公布任何指标，因此无法像公布的评测分数那样被直接核对；目前它们说明的是这项工作的方向，而不是一个可测量的结果。

在发展中的位置

衡量生成模型通常看三件事：一次能做出多长的可用片段、能被多精确地指挥、以及在多大程度上可以修补已有镜头而不必从头再来。Seedance 2.5 对这三方面都作了回应——以分钟计的时长、几十个参考输入、以及局部编辑——并把它们放在 API 之后，让其他产品可以在其上构建。^[1][2] 不过，缺少公开数据使得它与同类系统的比较变得困难，而现有的时长上限也意味着，任何接近长片体量的内容仍然需要由多个片段组装而成。