字节新宠Seedance 2.0，春节燃爆多模态模型大战

在预热阶段便引发广泛关注的Seedance 2.0提前亮相，字节跳动正式加入春节模型大战，带来一场科技与创意的盛宴。

根据字节跳动此前规划，原定于2月14日发布的视频模型Seedance 2.0、图像创作模型Seedream 5.0 Preview以及豆包大模型2.0，如今已提前面世。

字节透露，Seedance 2.0采用了统一的多模态音视频联合生成架构，这一架构支持文字、图片、音频、视频四种模态输入，集成了目前业界最全面的多模态内容参考和编辑能力。

令人瞩目的是，Seedance 2.0支持混合模态输入，用户可同时输入多达9张图片、3段视频、3段音频以及自然语言指令，极大地丰富了创作可能性。

在多模态参考能力演示中，Seedance 2.0展示了其强大的生成能力，通过一系列精心设计的提示词，成功生成了具有电影质感的视频，人物鲜活，转场丝滑。

根据实测，用户可直接在交互界面选择“全能参考”生成模式，并通过提示词中的@符号来标记参考图，保证生成的一致性。

生成5秒视频需扣除40个点数，由于大量用户排队，预计生成时间为2小时。系统提供两次免费加速机会，但需注意版权限制，部分名人相关图片无法生成内容。

相比之前的1.5版本，Seedance 2.0在生成质量、复杂交互和运动场景下的高可用率、以及更符合物理学特点等方面均有显著提升。

字节官方表示，Seedance 2.0解决了物理规律遵循和长效一致性难题，核心依靠海量世界知识、稀疏架构的效能优势，以及多模态联合训练所涌现的泛化能力。

此外，Seedance 2.0还具备强大的视频编辑能力，支持对指定片段、角色、动作或剧情进行定向修改。同时，最长支持15秒的多镜头视频生成，为影视、广告等领域提供了便捷的内容制作解决方案。

需要注意的是，即梦的APP端和PC端虽均整合了Seedance 2.0模型，但功能略有差异。移动端“出镜”功能默认采用Seedance 2.0，而创作功能中则提供了不同选项。PC端用户则可在视频生成的不同入口使用Seedance 2.0。

对此差异，字节内部人士表示，主要是基于不同设备应用场景的不同，为创作者提供了多样化的创作能力。

在基准测试方面，字节跳动透露，Seedance 2.0在文生视频和图生视频覆盖的运动稳定性、指令遵循、音画同步等维度上大幅领先同类产品。但公司也承认，仍需持续改善细节稳定性、拟真度以及多人口型匹配等问题。

在多模态任务方面，Seedance 2.0在提示词指令遵循、多模态遵循两个维度表现尤为突出。而在编辑一致性、参考对齐和动态质量上，也处于行业领先地位。

字节表示，Seedance 2.0在多模态任务处理上指令响应更加完整，生成画面更加真实。在一致性表现上，模型在主体形象与声音还原方面表现相对较好。但公司也承认在模型的多主体一致性、文字还原精度及复杂编辑效果上仍有优化空间。