字节跳动发布 Seedance 2.5：单次生成 30 秒音视频，支持多模态参考

以前用 AI 生成视频，大家最头疼的往往不是画面够不够细腻，而是时长太短。

几秒钟镜头一闪而过，想把它们拼成一段完整故事，创作者得在剪辑软件里不断修补穿帮镜头，连主角的长相都要反复调试。

字节跳动正式发布了新一代视频生成模型 Seedance 2.5，目标正是冲着这些痛点来的。

一口气跑 30 秒，还能塞进 50 份参考素材

Seedance 2.5 沿用了音视频联合生成的统一多模态架构，但把单次生成的时长上限从 15 秒拉长到了 30 秒。

更关键的是它支持多轮延展，能保持角色、场景和节奏的一致性，一口气把多个 30 秒镜头顺畅串联成几分钟的完整长视频。

按照官方的演示，这 30 秒不是单调的镜头拉伸，而是可以塞进起承转合的完整叙事，比如从后台化妆室一镜到底跟拍到演唱会舞台。

另一个巨大的升级在于参考输入。Seedance 2.5 单次最多可以吃进 30 张图片、10 段视频和 10 段音频，加起来多达 50 份素材。

它甚至支持白模参考，也就是无贴图的 3D 模型。你可以用简单的三维空间结构和走位来定镜头与光影，再让 AI 渲染出符合物理法则的最终成品。

在编辑端，模型新增了时间戳级别的精准控制，绿幕抠像和机位视角的调节能力也进一步增强。

效果拔尖，但门槛和价格摆在眼前

目前 Seedance 2.5 已经在即梦 AI 和豆包 Pro 等平台上线，海外在 Dreamina 等平台上提供，不过据博主测评，美国地区暂时还没开放。

API 接入则计划近期通过火山引擎海外品牌 BytePlus ModelArk 推出。

有海外创作者在测试后给出极高评价，认为它是目前市面上最好的视频生成模型，尤其擅长高动态动作打斗戏和角色一致性，效果明显压过前代。

不过，目前的限制也很实在。

根据评测者的实际体验，模型眼下最高只能输出 720p 分辨率，1080p 和 4K 还需要等待后续更新。

另外它的生成成本相当高。据创作者透露，生成一段 10 秒片段大约消耗 460 点积分，折算下来接近 4.6 美元，比 MiniMax 等竞品贵出不少。

为什么重要

对专业创作者和影视广告团队来说，Seedance 2.5 带来的是工作流级别的改变。

以往 AI 视频只是用来做气氛图或空镜素材，现在有了 30 秒单镜头、多轮延展和白模绑定，导演完全可以用它来跑动态故事板甚至制作样片。

虽然单次 4.6 美元的成本在普通用户眼里很贵，但比起实拍搭景、打光和雇人，这个价格对商业团队依然极具吸引力。

我们认为，字节跳动走的是一条非常聪明的工程化路线。

它没有只在画质参数上死磕，而是把力气花在长镜头叙事、多模态多素材绑定和时间戳控制上，直接解决了「AI 视频没法听指挥」的工业落地痛点。

当然，720p 的清晰度限制和高昂的单次费用，意味着它短时间内很难普及为大众日用玩具。

这看起来更像是一次向专业影视工业亮肌肉的尝试，接下来就看对手们如何在时长和多模态控制力上接招了。