Seedance 2.5 发布：一次生成 30 秒视频，字节跳动的"一镜到底"视频创作模型

原文来源：ByteDance Seed Team Blog — 字节跳动 Seed 团队发布新一代视频生成模型 Seedance 2.5，主打 30 秒单次生成、多模态参考和时间戳级编辑，把视频生成从"出片段"推进到"完成一部作品"。

2026 年 7 月 31 日，字节跳动 Seed 团队正式发布 Seedance 2.5，新一代视频创作模型。官方博客开门见山地给出了一个判断：自从 Seedance 2.0 发布以来，用户对视频生成模型的期待已经从"生成一个片段"变成了"完成一部创作"。Seedance 2.5 正是顺着这个需求做的——它围绕基础生成和参考生成两条主线，在长叙事、多模态参考、编辑能力三个方向集中突破。

单次 30 秒：从片段到完整叙事

Seedance 2.5 最直观的升级是单次生成时长从 15 秒翻倍到 30 秒，并且支持多轮扩展。30 秒听起来不长，但对视频生成模型来说意义完全不同：模型可以在 30 秒内组织多个逻辑连贯的镜头，让故事经历起承转合，而不是简单地把一个瞬间拉长。

官方给出的例子很能说明问题。一个演唱会"一镜到底"的 prompt 里，镜头从红色帷幕的缝隙推进到后台化妆间，女歌手调整耳返，穿过走廊与舞者互动，接过话筒，最终走上舞台，镜头环绕到背面，露出整个场馆的观众席。这不是单一场面的延续，而是完整的起承转合。

多轮扩展（multi-round extension）让用户可以像剪辑一样在已有视频上继续追加镜头，过程中保持主角、环境、叙事节奏的一致性。官方演示了一个小男孩抱着足球追着男主角跑出地铁站的例子——追加的 30 秒里，角色、场景、视觉风格、音效全部保持一致。这意味着用户可以直接输出数分钟的长视频，省去反复切分片段、拼接素材、修补转场的功夫。

画质方面，Seedance 2.5 针对 AI 视频常见的"塑料感"做了系统性优化：物体纹理、皮肤和眼部特征、光照与色彩饱和度都被逐项打磨，字幕和背景音乐的出现也变得更可控，整体观感接近真实拍摄的电影质感。京剧场景的演示中，镜头跟随演员的水袖做环形摇移，主景和背景完全一致，水袖的摆动弧线贴合真实物理。

多模态参考：30 张图 + 10 段视频 + 10 段音频

Seedance 2.5 的参考能力是一次全面的升级。单次生成最多可以输入 30 张图片、10 段视频片段、10 段音频作为参考素材。模型会综合理解所有素材中的视觉构图、场景、风格、角色和道具，并将它们应用到生成过程中。

这个能力的价值在多角色场景里体现得最充分。官方演示了一个 30 秒的古典音乐会场景：用 18 张参考图分别指定音乐厅场地、钢琴家、大提琴、小提琴、主唱、管弦乐队、合唱团和观众席的座位，然后模型按照这些参考生成完整的演出镜头。多角色的外观和声音都能保持稳定，每个主体各自的特征不会互相混淆。

除了常规参考，Seedance 2.5 还强化了几种特殊的参考方式：

粘土渲染参考（clay render）。用户可以用无纹理的 3D 模型搭建场景的空间结构、角色姿态、运动路径和机位，模型再基于这套结构生成视频，确保复杂镜头的构图和场面调度贴合创作者的预期。这相当于给了创作者一个"预演"工具——先摆好舞台，再让 AI 拍。

运动参考和创意参考。可以指定动作轨迹、镜头运动方式，也可以跨素材混搭创意风格。

光照控制。借助粘土渲染提供的空间信息，模型能生成遵循物理规律的光照——光源方向、色温、强度、阴影投射都会与场景匹配，光影比之前的模型自然得多。

时间戳级编辑：绿幕、机位、参考编辑

视频创作里，用户既要在生成阶段控制节奏，也要在生成后精修细节。某个动作发生的精确秒数、镜头切换的时机、某个片段里角色动作是否需要调整——这些都直接影响最终成片。

Seedance 2.5 支持通过时间戳进行精确的内容编辑。生成阶段，用户可以在 prompt 里针对特定时间段控制叙事、机位、运动和整体节奏；生成之后，可以对特定片段中的角色、动作或情节元素做定向修改，同时保持编辑前后的一致性和真实感。

官方还升级了几项面向专业场景的编辑功能。绿幕编辑可以替换背景讲一个完全不同的故事，同时保持主体不变——更重要的是，模型能渲染主体在新环境中的物理反应：衣服飘动的方向、头发的状态、步伐节奏、与光照的互动，让主体和场景融为一体。演示里，一段户外训练视频被替换成国际比赛现场，训练桩变成了防守球员和守门员，主角完成进球。

机位编辑则可以只改镜头运动，不动角色、动作和视觉风格。一个 15 秒的分段机位方案：0-4 秒微距 FPV 掠过平底锅，4-7 秒跟随煎蛋翻面，7-11 秒俯拍餐盘，11-15 秒手持特写跟手。整段保持流畅连续稳定。

行业场景：教育、制造、自动驾驶

Seedance 2.5 也在向更广泛的行业场景渗透。教育领域，它可以把历史背景、人物和故事线转成生动的可视化内容，帮老师把科学原理、历史事件、实验流程变成动态演示，降低教学视频的制作门槛。豆包学习应用的"豆包课堂"已经用上了这个能力，官方演示了一段南宋临安街景的动画。

工业和具身智能领域，模型可以生成高质量的合成视频数据，用来训练机器人的感知和操作技能，也用于工业仿真、工艺培训和设备演示。自动驾驶领域，它能够模拟极端天气、复杂交通等长尾场景，为系统测试和训练提供更多样化的样本。官方演示中，一段汽车装配序列的 prompt 同时引用了粘土渲染（决定机位、构图、装配顺序）和参考图（决定材质、光照、氛围），输出接近高端照片级渲染效果。

一句话总结

Seedance 2.5 标志着视频生成从"出片段"向"完整创作工作流"的进阶。它当然不是没有短板——官方自己承认，复杂运动的物理合理性、多主体交互场景的稳定性仍有提升空间。但单次 30 秒、多模态参考、时间戳级编辑这三板斧，确实把视频生成的可控性往上拉了一大截。目前 Seedance 2.5 已在即梦 AI、豆包 Pro 等平台上线，API 即将通过 BytePlus ModelArk 开放。

对做内容的人来说，这个方向值得关注：当"生成一段视频"变成"完成一部作品"，视频创作的门槛和流程都会重新定义。