字节跳动发布 Seedance 2.5

背景

视频生成模型是能根据文字或参考素材生成动态画面的 AI 模型。Seedance 是字节跳动的视频生成模型系列，Seedance 2.5 是其中的一个版本。它于 2026 年 7 月发布，日期记为 7 月 31 日^[1]。据介绍，Seedance 2.5 是下一代音视频联合生成（audio-video joint generation）模型^[2]。

视频由大量连续画面组成，因此让一段长视频从头到尾保持一致，比生成短片困难。分段延长和只修改需要调整的部分，是应对这一难题的常见做法。这些都是视频生成领域的通用思路，也说明了用户可以通过哪些控制手段调整作品。

发生了什么

音视频联合生成是指模型在一次生成中同时产出声音和画面，让两者从一开始就彼此对应，而不是先做好画面再补配音。这一方式让声音与画面在生成时即保持对应^[2]。

关键细节

模型单次最多生成 30 秒视频，这段视频可以延长两次^[2][1]。测试中的长视频模式（beta）可以生成长达 3 分钟的视频，适合比单次生成更长的内容^[1]。单次最多可接受 50 个多模态参考。多模态参考是指文字、图片、音频、视频等不同类型的输入，用来指导输出的样子^[1]。

模型还支持局部编辑。用户可以只修改画面中的一部分，不必重新生成整段视频，避免重做已经正确的部分^[1]。

影响

Seedance 2.5 通过 API 提供^[2]。开发者可以在自己的软件和工作流程中调用它，而不只是使用独立的应用。更长的生成时长、更多的参考输入和局部编辑，都是针对成片本身的控制手段。