公司产品发布 - 字节跳动正式发布视频创作模型Seedance 2.0 [2] 产品技术架构与核心能力 - 模型采用统一的多模态音视频联合生成架构，支持文字、图片、音频、视频四种模态输入 [4] - 支持混合模态输入，允许用户同时输入多达9张图片、3段视频、3段音频以及自然语言指令 [10] - 模型支持15秒高质量多镜头音视频输出，具备双声道音频能力 [10] - 相比1.5版本，生成质量大幅提升，复杂交互和运动场景下的可用率更高，物理准确度、逼真度、可控性显著增强 [8] 产品性能亮点 - 在复杂场景下具有更高可用率，在多主体交互和复杂运动场景中生成可用率达到业界SOTA水平 [9] - 视频生成可控性大幅提升，指令遵循与一致性表现全面提升，支持稳定可控的视频延长和编辑 [10] - 深度支持工业级内容创作，能大幅降低影视、广告、电商、游戏等场景的内容制作成本 [10] - 音频能力升级，采用双声道立体声技术，支持多轨并行输出，音效高保真且与画面节奏精准对齐 [29] 市场反响与行业评价 - 模型在灰度测试阶段已火遍全球，国内游戏科学创始人冯骥盛赞其为“地表最强”，导演贾樟柯称准备用它制作短片 [4] - 国外a16z合伙人Justine Moore感叹“AI视频模型的图灵测试已经被攻克”，马斯克也赞叹技术发展迅速 [6] - 许多电影制作领域专业人士表示该模型让人感到害怕，所学习到的90%技能Seedance2.0都能实现 [6] - 部分国家和地区尚未开放，导致不少海外网友费尽心思注册中国手机号来体验 [6] 官方评测结果 - 视频方面在运动连贯性、指令还原及画面质感上进步显著，但细节稳定性、拟真度与动态生动性仍有提升空间 [12] - 音频方面双声道音质层次丰富，视听协同更自然，但短板集中于多人口型同步与偶发音频失真 [12] - 多模态编辑指令响应更完整，在主体形象、声音还原及动作逻辑等方面一致性突出，但多主体一致性、文字还原及复杂编辑效果仍需优化 [17] 官方案例展示 - 能稳定呈现复杂运动和交互，真实还原物理规律，例如高保真还原双人花样滑冰的同步起跳、空中转体、落冰等复杂时序动作 [23] - 支持多模态“全能参考”，能精准解析并调用输入素材中的构图、运镜、动作、音效等元素，大幅提升创作自由度 [26] - 具备更强可控性，对复杂脚本的指令还原精准，且能维持主体一致，新增视频编辑功能，支持定向修改和视频延长 [28] - 全场景广泛适配，覆盖商业广告、影视特效、游戏动画等多领域，降低专业内容制作门槛 [31] 行业意义与产品定位 - AI视频生成正加速从“玩具”向“工具”完成关键一跃 [32] - 其统一多模态架构与工业级可控性试图击穿影视、广告、电商等内容生产的高成本壁垒 [32] - 行业赛道竞争正从参数竞赛转向场景落地 [32] - 新版本解决了物理规律遵循及长效一致性的难题，同时赋予创作者更高的自由度 [32]