字节跳动 Seed 发布 Seedance 1.0 视频生成模型

背景

视频生成模型根据文字描述或静态图片生成运动的画面。它比图像生成更难，因为每一帧都要与前后帧保持一致，主体、光线和动作才能在时间上连贯。

发布

2025 年 6 月 10 日，字节跳动 Seed 团队把 Seedance 1.0 技术报告发布到 arXiv；6 月 11 日，团队在博客上宣布了这一模型。^[1][2]

能力

Seedance 1.0 可以从文字或图片生成 1080p 视频。它能生成 10 秒的片段，其中包含两到三次分镜切换，即同一段视频内从一个机位切到另一个机位。^[2]

榜单成绩

该模型在 Artificial Analysis 的文生视频和图生视频两个榜单上都排名第一。Artificial Analysis 是一个用公开测试比较 AI 模型的网站。^[2]

速度

在 NVIDIA L20 显卡上，生成一段 5 秒的 1080p 视频需要 41.4 秒。报告称，蒸馏（distillation）和系统优化带来了约 10 倍的加速。蒸馏是训练一个更小或更快的模型去模仿较大模型的方法，使它能用更少的步骤完成生成。^[1]

团队与开放方式

技术报告列出了 44 位作者。^[1] 该模型通过 API 和 BytePlus Playground 提供。^[3]

视频生成的计算开销很大，因为一段视频包含大量需要逐帧生成的画面。对于被众多用户共享的服务来说，速度与画质同样重要。分镜切换是一种剪辑决定：导演通过切换机位讲述故事，能在一次生成中完成切换的模型，需要规划整段序列，而不只是孤立地填充每一帧。

影响

技术报告公开后，其他研究者可以研究这一方法。