
ByteDance 全新的音视频模型带来更长的单次生成、更密集的参考素材,以及时间戳级编辑。本文说明它改变了什么、没有改变什么,以及如何在不轻信演示片的前提下评估它。
Seedance 2.5 是 ByteDance Seed 最新的音视频生成模型,现已列入 Starsg 的模型目录。ByteDance 于 2026 年 7 月 31 日发布该模型,并且与其说把它定位成更长的片段生成器,不如说它是一个用来完成作品的工具:单次生成最长可达 30 秒、可选的多轮延长,以及更丰富的参考输入。Seed 模型家族页面将它与其他生成式媒体模型并列展示,而独立报道则总结了这次发布,并指出 API 访问最初是面向 BytePlus ModelArk 公布的。
30 秒这个数字值得仔细推敲。把片段长度翻倍并不只是帧数更多;它改变了一次生成能容纳多少叙事节拍,也改变了模型必须在多长时间内保持角色、场景和灯光设置而不漂移。ByteDance 的发布文章描述该模型能在单次生成中组织多个相互关联的镜头,并在镜头转场和场景切换上有所改进。RuntimeWire 的发布报道把同样的转变归结为时间线编辑,而非单纯的时长;而 ByteDance 的企业平台 BytePlus 也发布了关于该模型 30 秒生成的概述,面向企业工作流。对于制作团队来说,更有用的问题要具体得多:在实际需要的时长下,产出能否经得起审片,而不需要反复重新生成?
第二项变化是参考控制。根据官方产品页面,ByteDance 表示单次生成最多可接受 30 张图片、10 段视频和 10 段音频,即总计最多 50 个参考素材。这大幅提升了创作者可以提供的视觉与声音上下文,也是最有可能影响品牌项目、角色一致性和多镜头序列的能力。但也正是在这里,厂商的说法与生产现实可能出现分歧:LLM Stats 的发布分析提醒,面向消费者的演示与 API 规范并不是一回事,质量方面的说法在被独立测试之前都应视为厂商自述。Starsg 在这里的角色是提供访问与对比,而不是为上游的每一项说法背书。Seedance 2.5 模型页面列出了当前的可用性,视频模型目录则展示了它与其他选项并列时的位置。
Seedance 2.5 到底是什么
Seedance 2.5 由 ByteDance Seed 开发。Starsg 通过其统一目录和 API 提供对该模型的访问,与其他视频、图像和文本模型并列。在阅读能力声明时,这一区分很重要:架构、训练和产品路线图属于 ByteDance;Starsg 上的可用性、计费和集成细节属于 Starsg,并且可能独立变化。
ByteDance 将 Seedance 2.5 描述为新一代音视频联合生成模型,专为 30 秒叙事而构建,具备精确的参考控制和编辑能力。该模型延续了 Seedance 2.0 引入的统一多模态音视频架构,公司的发布材料强调了三个方面:更长的单次生成、更多的参考输入,以及更可控的编辑。这些正是值得测试的说法。它们也足够宽泛,以至于两个团队可以得出不同结论而都不算错,因为一个能很好处理产品旋转的模型,可能仍然在拥挤的街景或复杂的手部互动上吃力。
下表将 ByteDance 的声明与团队应使用自己的素材验证的内容区分开来。
| 声明能力 | 旨在改变什么 | 实践中应验证什么 |
|---|---|---|
| 单次生成最长 30 秒 | 拼接前容纳更多叙事节拍;镜头之间接缝更少 | 完整的 30 秒在你的提示词上是否仍然可用,而不只是在精选演示上 |
| 可选的多轮延长 | 基于初始片段构建更长序列 | 角色、灯光和节奏在多次延长后是否保持 |
| 最多 50 个参考素材(30 张图片、10 段视频、10 段音频) | 对角色、风格、运动和声音的更强控制 | 参考之间是否会冲突、稀释创意简报,或带来版权问题 |
| 时间戳级编辑 | 对某一区段做定向修改,而非重新生成全部 | 编辑是否在编辑范围之外保持连续性 |
| 绿幕与镜头视角控制 | 后期制作中更多的合成与调度选项 | 输出能否干净地整合进现有剪辑流程 |
| 音视频联合生成 | 对白、环境音与运动一同生成 | 音频质量和口型同步是否达到最终交付物的标准 |
这些能力都无法取代审片的必要性。它们改变的是审片应关注的重点:不只是片段看起来是否可信,还包括它能否在足够长的时间内保持完整可用,以及修复某一区段是否会破坏另一区段。
为什么 30 秒是另一个层面的制作难题
五秒的片段是一个瞬间。30 秒的片段则是一场戏。这个差别听起来显而易见,但它改变了生成的成本结构。对于短片段,团队可以低成本地生成许多变体并挑选最好的一个。对于 30 秒片段,每次生成都承担更多的叙事责任,因此一次失败的尝试要花更多时间审看,也要花更多精力诊断。模型必须在长得多的窗口内维持身份、几何、灯光和基调,而观众也有更多时间注意到哪里出现了漂移。
ByteDance 的发布材料强调镜头切换之间的连续性,而不只是时长。公司描述单次生成能够走过铺垫、发展、转折和收束,而不是把一张图像延长 30 秒。如果这在真实提示词上成立,它就能减少分别生成片段再拼接的需求,而这正是许多 AI 视频工作流积累不一致的地方。实际好处不只是“更长的视频”,而是生成之间的交接更少,因此连续性断裂的机会也更少。
但也存在制衡因素。更长的生成通常比短生成更贵、更慢,而一个 30 秒的镜头也更难快速评估。一个平时审看十个五秒选项的团队,可能会发现三个 30 秒选项就占用了同样的审片产能。明智的工作流是先测试短的,再延长:在较短时长上确立外观和运动,确认模型理解了简报,然后再把预算花在完整长度的生成上。Starsg 的 AI 视频模型对比指南涵盖了更广泛的评估维度,包括连贯性、可控性、速度和单个片段的成本。
参考素材:50 个额度,但有意义的数字更小
参考数量是这次发布中最实用的部分。单次生成最多可接受 30 张图片、10 段视频和 10 段音频。理论上,这足以一次性描述演员阵容、场景、视觉风格、镜头语言和声音调色板。实践中,更多参考并不会自动带来更好的结果。它们带来的是更受约束的结果,而约束之间可能相互冲突。
理解这三种参考类型的一个有用方式:
- 图片最适合身份与外观:角色设定图、产品的多个角度、场景板、色彩脚本或风格帧。它们回答的是“这应该看起来像什么?”
- 视频片段最适合运动与镜头语言:节奏、调度、特定动作,或场景过渡的方式。它们回答的是“这应该如何运动?”
- 音频片段最适合质感与基调:音色、音乐铺底、环境音或节奏。它们回答的是“这听起来应该是什么样?”
风险在于过度指定。如果图片参考显示温暖的内景,视频参考显示寒冷的外景,而音频参考暗示了不同的节奏,模型就必须协调彼此矛盾的方向。结果可能在单独满足各项参考的同时,作为一个连贯场景却失败了。在上传 50 个素材之前,先决定哪些参考是权威性的,哪些只是方向性的。关于 API 行为、参数名称和请求限制,请查阅视频 API 文档,而不要假定消费级产品界面与 API 一一对应。
参考素材的版权同样值得关注。从电影中截取的风格帧、知名表演者的声音片段,或来自零售商的商品图片,可能适合内部探索,却不适合用于公开发布的交付物。模型不会解决授权问题。这需要团队来解决。
时间戳级编辑
Seedance 2.5 的编辑控制针对的是一个常见的制作难题:一次生成大体正确,但某一段出了问题。没有定向编辑时,通常的修法是重新生成整个片段,并指望其余部分还能保留。有了时间戳级控制,团队可以描述特定范围内的改动,例如改变角色动作、调整镜头运动,或替换背景元素。ByteDance 还强调了绿幕编辑、镜头视角变化和基于参考的编辑。
这些控制很有用,但它们不能替代剪辑师。生成的片段仍然需要在上下文中审看、修剪、匹配色彩,并与其他素材混合。输出可能带有时间码,并被设计成可以直接放入时间线,但“可供编辑”并不等于“已完成”。视频生成产品页面介绍了更完整的 API 能力,包括异步任务和结果获取,这是团队从试验走向可重复流水线时真正重要的部分。
更有意思的工作流变化是迭代式的。团队可以生成一个 30 秒序列,逐镜头审看,编辑薄弱区段,再从修改后的结果继续延长。这更接近导演处理粗剪的方式,而不是迄今为止大多数基于提示词的视频工具的工作方式。它也提高了审片的门槛:必须有人判断什么算“薄弱”,而这个判断应当与创意简报挂钩,而不是与个人品味挂钩。
模型的适用场景与不适用场景
当交付物受益于连贯序列而非单张惊艳画面时,Seedance 2.5 最为有用。这涵盖了大量日常创意工作,但并非全部。
| 用例 | 适配度 | 原因 | 审片重点 |
|---|---|---|---|
| 预可视化与分镜 | 强 | 在正式制作前快速探索调度、节奏和镜头方向 | 序列是否清晰传达了预期的故事 |
| 提案与概念片 | 强 | 打磨过的动态草稿可以把一个想法带进会议室 | 外观是否符合品牌,声明是否站得住脚 |
| 社交短视频 | 强,但需考虑规模化成本 | 短序列是原生格式,但每秒成本和重试会累加 | 产出是否足够有辨识度,值得这笔投入 |
| 产品与电商 | 有潜力 | 参考图片可以锚定产品外观与造型 | 产品在各帧之间是否保持准确 |
| 品牌片 | 有潜力,但需人工审阅 | 更长的序列可以承载叙事,但品牌敏感细节需要细查 | 每一个可见的声明、标识和人物是否都经过批准 |
| 最终播出或 VFX 素材板 | 作为替代方案有限 | 生成素材可以为镜头提供信息或支持,但最终交付通常仍需常规的后期完成 | 输出是否满足技术与法务交付标准 |
| 受监管或高风险声明 | 高风险 | 生成图像可能暗示并不真实的事情 | 内容是否准确、是否披露、是否获批 |
这一规律与其他生成式媒体一致:模型在创意工作的早期和中期阶段最强,此时速度与范围最重要;而作为最终制作的直接替代品则较弱。把模型当作起草工具的团队,往往比期待用一条提示词直接得到成品广告的团队获得更多价值。关于将模型与任务匹配的更广泛框架,请参阅 Starsg 的 AI 模型选择指南。
如何在 Starsg 上评估 Seedance 2.5
正确的评估不是“这看起来是否令人印象深刻?”,而是“这是否能帮助我们比其他方案更快、更好地产出可用结果?”这需要受控的对比,而不是浏览演示页面。
1. 写制作简报,而不是提示词。 描述主体、动作、场景、情绪、镜头意图、时长、宽高比,以及那个必须始终保持一致的细节。一份同事能够审阅的简报,比一条只有作者自己看得懂的诗歌式提示词更有用。
2. 固定变量。 在你比较的各个模型之间使用相同的简报、相同的参考和相同的时长。如果一个模型拿到的是角色设定图,另一个只拿到一句话,那你测试的是自己的提示词技巧,而不是模型。
3. 并排对比。 Starsg 的模型对比视图正是为此设计的。保留输出结果,做盲标,让评审者在不知道哪个结果出自哪个模型的情况下打分。盲评可以减少知名模型名称带来的光环效应。
4. 针对交付物真正重要的方面打分。 一份简短的评分表就够了:想法清晰度、连贯性、品牌契合度、音频质量,以及所需的编辑工作量。如果片段需要大量修复,那么即使生成价格很低,它也并不便宜。
5. 衡量每个可用秒的成本。 将计费时长乘以尝试次数,再除以你实际能用的秒数。一个经过三次尝试产出一段可用 20 秒序列的模型,可能比一个更便宜但十次尝试都毫无产出的模型更经济。成本计算器有助于推算这笔账;而审片数据会告诉你该填入哪些数字。
6. 测试失败模式。 手部、文字、人群、快速运动、反光和多个角色互动的场景,是视频模型容易出问题的地方。要有意测试它们。一个能处理单一产品旋转的模型,不一定在繁忙街景中可靠,而一段精致的演示也无法证明相反的情况。
这个过程比观看一支发布影片更慢,但它能得出一个团队可以为之辩护的决定。它还留下了一份记录,当模型更新或有新选项进入目录时会很有用。
成本问题
视频生成通常按秒计费,费率可能因分辨率和模型而异。这使得宣传中的标价无法很好地代表制作成本。高分辨率下的 30 秒生成比相同长度但更低分辨率的生成更贵,而重试会让账单成倍增加。延长轮次会增加更多秒数。审片时间会增加一项从不出现在发票上的成本,却常常主导预算。
Starsg 在其模型定价页面和通用定价页面上公布当前的模型费率。费率和促销优惠可能变化,因此请把文章(包括本文)中引用的任何数字视为快照,而非承诺。视频模型的计费单位通常是秒,但具体的计量方式和任何分辨率档位都因模型而异。如果你想了解 Starsg 的计费单位如何换算成月度预算,JEV 说明会很有用。
一个实用的预算模型有四条线:生成成本、重试成本、延长成本,以及人工审片成本。团队常常只估算第一项,却忘了后三项。如果一个 30 秒片段需要三次尝试和一次延长,有效成本就是单次生成费率的数倍。这并不是反对使用该模型的理由;而是主张在承诺完整序列之前,先在短时长上测试。
版权、来源追溯与品牌安全
任何发布 AI 生成视频的团队都需要一套版权与审阅流程。模型可以生成一段有说服力的序列,但它无法告诉你这段序列是否可以安全发布。
版权与训练数据。 生成式视频的法律环境仍在发展,并因司法管辖区而异。请审阅适用于你使用模型和平台的条款,不要假定生成输出自动不涉及第三方权利。Starsg 的条款是平台关系的起点;模型提供方的条款可能附加更多条件。
肖像与声音。 生成可识别的人物,或听起来像特定表演者的声音,会引发同意与公开权问题,而这些问题无法靠提示词解决。请使用合成或已获授权的参考,并在涉及真实人物肖像时取得许可。
披露。 受众和平台越来越期望 AI 生成内容被标注。EU AI Act 的透明度框架是一个监管参考;平台政策和当地法律可能附加更多要求。应将披露内建于工作流,而不是事后补上。
来源追溯。 内容凭证和签名元数据有助于确认素材是如何制作的,以及是否被修改过。内容来源与真实性联盟为此发布了一项开放标准。采用尚不普遍,但来源追溯在项目开始时规划,比事后重建要容易得多。
风险管理。 NIST AI 风险管理框架提供了一种结构化的方式来记录风险、分配责任并定义审阅关口。它并非专为视频生成而写,但其治理问题同样适用:谁批准生成素材、需要什么证据,以及当某项声明被证明有误时该怎么办。
对于品牌敏感的工作,审阅应涵盖视觉质量之外的内容。它应检查场景是否暗示了某种产品能力、客户背书或并未发生的现实事件。一段有说服力的片段制造错误印象的速度,可能比一段说明文字纠正它的速度更快。
投入之前需要留意什么
厂商声明与独立测试。 ByteDance 的发布材料是了解模型设计用途的主要来源。它们不是独立的基准测试。第三方分析,包括 LLM Stats,已经指出消费级演示、API 规范和区域可用性可能存在差异。请把每一项当作独立的问题。
API 与消费级产品。 通过 API 提供的版本可能不会暴露消费级应用中展示的每一项功能。时长、分辨率、参考限制和编辑控制可能因访问路径而异。请查阅 API 文档,了解实际适用于你的集成的参数。
区域可用性。 模型访问可能因国家和平台而异。Starsg 的模型页面是查询该模型是否对你的账户可用的权威渠道。不要假定在某一市场上线就意味着在所有地方立即可用。
模型更新。 当提供方更新版本时,模型行为可能发生变化。在你的配置中固定模型标识符,保留一小套提示词回归测试集,并在更新后重新运行。这与 Starsg 的模型选择指南中描述的纪律相同,而且对视频比对文本更重要,因为运动或音频的细微变化在快速审阅中更难发现。
数据处理。 审阅适用于你的输入和输出的保留与训练条款。生成的视频可能包含客户素材、未发布产品或个人数据。在上传这些素材之前,应阅读平台的文档和条款。
兑换码与发布详情
Starsg 正在筹备针对 Seedance 2.5 的兑换码活动。包括兑换码如何发放和兑换在内的细节尚未公布。我们不会提前编造日期、资格规则或折扣金额。活动上线后,官方公告和 Seedance 2.5 模型页面将载明相关条款。
在此之前,更有用的做法是用一份真实的制作简报来评估该模型。兑换码影响的是尝试该模型的成本;它并不改变该模型是否适合你的工作流。
在 Starsg 上开始使用
先确认可用性。 打开 Seedance 2.5 模型页面,确认该模型对你的账户和地区可用。可用性是唯一能推翻其他所有计划的细节。
阅读视频 API 文档。 视频 API 文档说明了如何提交任务、轮询状态和获取输出。视频生成本质上是异步的;请为任务 ID、回调和存储做好规划,而不是假定会立即响应。
从短测试开始。 在尝试 30 秒之前,先生成一段 5 到 10 秒的片段。确认模型理解了主体、风格和镜头意图。然后一次一个变量地延长时长和参考集。
先对比再投入。 通过模型对比视图运行相同的简报;如果你在构建产品,也通过统一 API运行。目标不是找到一个通用赢家,而是找到适合任务、预算和审阅标准的模型。
记录你学到的东西。 保留简报、参考、输出和评分。一份简短的评估日志比一个装满惊艳片段的文件夹更有价值,因为当下一款模型到来时,它会告诉你该改什么。
常见问题
Seedance 2.5 是什么?
Seedance 2.5 是由 ByteDance Seed 开发的音视频生成模型。ByteDance 于 2026 年 7 月 31 日发布该模型,支持单次生成最长 30 秒的片段、可选的多轮延长、多模态参考和时间戳级编辑。它现已列入 Starsg 的模型目录。
Dreamina Seedance 2.5 是同一个模型吗?
“Dreamina Seedance 2.5”是 Starsg 上模型列表所使用的名称(dreamina-seedance-2.5)。Dreamina 是 ByteDance 的消费级创作产品,该模型属于同一个 Seedance 2.5 家族。消费级应用与 API 之间的访问路径和可用参数可能不同,因此请查看你正在使用的版本对应的模型页面和文档。
单次生成可以有多长?
ByteDance 表示,Seedance 2.5 单次生成最长可达 30 秒,并可选择延长两次以获得更长的序列。实际可用长度取决于提示词、参考素材和审阅标准。请在你自己的素材上测试,而不要假定最大值总是合适的时长。
我可以使用多少个参考?
ByteDance 表示,单次生成最多可接受 30 张图片、10 段视频和 10 段音频,即总计最多 50 个参考素材。API 可能对文件大小、时长或格式施加额外限制。在围绕最大值构建工作流之前,请查阅视频 API 文档。
Seedance 2.5 会生成音频吗?
ByteDance 将 Seedance 2.5 描述为音视频联合生成模型,发布材料强调同步的对白、环境音和运动。音频质量和口型同步仍需审阅,尤其是近景说话和有品牌的内容。
Seedance 2.5 在 Starsg 上多少钱?
Starsg 上的视频模型通常按秒计费,费率可能因分辨率和模型而异。当前费率列在模型定价页面和定价页面上。请使用成本计算器,代入你自己的重试和延长假设;单凭每秒费率无法预测制作成本。
Seedance 2.5 在我的地区可用吗?
可用性可能因国家和平台而异。模型页面是查询该模型是否对你的账户可用的权威渠道。如果它未在你的地区列出,请联系 Starsg 支持,而不要假定存在变通办法。
我可以将输出用于商业用途吗?
这取决于适用于你对该模型、平台以及你所提供源素材的使用条款。请审阅 Starsg 的条款和模型提供方的条款,并取得参考素材、肖像和音乐所需的任何授权。本文不构成法律建议。
我应该先测试什么?
测试对你的交付物真正重要的失败模式:手部和精细操作、清晰可读的文字、人群、快速运动、反光,以及多个角色互动的场景。然后测试完整 30 秒序列以及延长后的连续性。一个通过了单一产品镜头的模型,可能仍然在复杂场景中失败。
结语
Seedance 2.5 是视频模型目录中一个有意义的补充,因为它解决了制作中真正重要的三个问题:序列长度、参考控制和定向编辑。ByteDance 的说法具体到足以测试,而该模型现在已在 Starsg 上可供评估。最好把它视为一个具有特定优势和待解问题的新选项,而不是通用赢家或制作工作的替代品。
从中获益最多的团队,将是那些把它当作制作工具而非新奇玩意的团队。他们会写清晰的简报,在短时长上测试,盲评对比输出,衡量每个可用秒的成本,并为版权、准确性和品牌安全保留人工审阅关口。模型可以生成一段有说服力的序列;但这段序列是否应该存在,仍要由团队来决定。
模型可用性、功能和定价可能变化。请参阅 Starsg 的实时模型页面、定价页面和文档以获取当前详情。本文为编辑分析,不构成法律建议,也不保证模型性能。
编辑说明: 本指南反映截至 2026 年 11 月 12 日可获得的 ByteDance 已发布材料与独立报道。能力声明均归因于提供方。Starsg 未独立验证每一项声明,模型行为可能因访问路径、地区和版本而异。
来源
- ByteDance Seed:Introducing Seedance 2.5
- ByteDance Seed:Seedance 2.5 产品页面
- ByteDance Seed:模型家族
- The Decoder:ByteDance 的 Seedance 2.5 可生成带内置音频的 30 秒视频片段
- RuntimeWire:ByteDance 发布 Seedance 2.5,支持 30 秒视频与时间线编辑
- LLM Stats:Seedance 2.5 发布分析
- Starsg:Seedance 2.5 模型页面
- Starsg:视频生成 API
- Starsg:视频生成 API 文档
- Starsg:最佳 AI 视频生成模型对比