记者19日从字节跳动获悉，豆包App视频生成能力升级，支持Seedance1.5Pro模型，可一键生成声音和 画面相匹配的有声视频。 记者发现，打开豆包App对话框，选择"照片动起来"，上传图片并输入提示词，选择"1.5Pro"模型，已 经可以体验到该功能。 2025年6月，视频生成模型Seedance1.0Pro正式发布，支持文字与图片输入，可生成多镜头无缝切换的高 品质视频，主体运动稳定性与画面自然度较高。 同时，即梦AI也上新Seedance1.5pro，支持声音、画面同步生成。 具体来看，即梦AI网页版官宣全面升级，打造一站式"AI片场"。本次更新涵盖了核心模型能力、交互方 式及创作流程等，旨在为用户提供从灵感到成品的全流程创作支持，让创意海报、专业视频乃至AI漫 剧、AI短片的制作变得更加高效便捷。 此次升级的核心亮点之一，是即梦AI最新视频生成能力"视频3.5Pro"。该模型基于字节自研模型 Seedance1.5pro，在即梦AI全球首发上线。视频3.5Pro支持视频与音频同时生成，人物口型、乐器演 奏、环境音效等元素无需再后期配音，大幅提升了视频的真实感与沉浸感。该模型在遵循复杂指令方面 表现 ...

运行效率方面，豆包 1.8 的 TPM（每分钟处理 Token 数）达到了 5000k，而 RPM（每分钟请求数）为 30k。 谭待表示，这些能力让豆包 1.8 在 AIME 2025 等 Agent 评测集上稳步提升，在通用智能体测评 Benchmark 上取得全球领先成绩；在多模态理解 方面，于视觉判断准确性、空间理解、文档解析、视频运动识别等多项能力上超越 Gemini 3，在其他任务上也都处于全球第一梯队水平。 | | | | | 豆包大模型1.8 | | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | | | | | | | Qwen3-235b-a22b- | | | 紹力推度 | 测浮集 | GPT-5 High | Claude-Sonnet-4.5 | Gemini-3-pro | Doubao Seed-1.8 | Doubao Seed-1.6-1015-high | thinking | | | 数学 | AIME-25 | 94.6 | 87.0 | 95.0 | 94.3 | 85.0 | 87 ...

字节在前几天发布了 Seedance 1.5 Pro 视频生成模型。 4. 支持首尾帧生成视频，最长可单次生成 12 秒视频，还有 5 秒和 10 秒可选。 令人惊喜且独特的方言效果 音画同出可以直出方言这个太惊喜了，在我们国内的影视作品里面方言内容一直是为角色赋 予真实性和地方特色非常好用的一个手段，这下一些影视方面的应用要拓展了。 提示词： 重点是支持音画同出了，而且在本地化方面下了很多的功夫。 先看一下藏师傅的测试视频混剪： 结合官方介绍和我的测试结果说一下这次升级的主要内容： 1. 视频支持音画同步生成，支持多种主流方言，并且显著提升口型、语调对齐能力， 方言效果很好； 2. 增强语义理解，模型可以比较好的解析叙事语境，声音与画面同步情绪控制和专业 的表演能力提升非常大； 3. 精准且丰富的镜头控制，自主机位调度，长镜头、推轨变焦、希区柯克等都没问 题； 镜头怼着一个脸庞黝黑的老陕西人，他蹲在板凳上，手里捧着个脸盆大的青花瓷海碗，里面的面条被红彤彤 的油泼辣子裹得严严实实。他左手捏着一瓣蒜，咔嚓咬掉半截，右手猛地往嘴里猛吃了一大口面，发出震天响的吸溜 声。抬起头时嘴边全是红油，他冲着镜头一瞪眼，满脸陶 ...

今天是火山Force原动力大会，我在现场。 这次他们也掏了很多有意思的新货出来，但我觉得最炸的，还是他们的新视频模型，Seedance 1.5 Pro。 因为这次的更新，真的做到了影视级别的音画同步，而且中文能力和方言能力是目前所有模型里的独一档。 语音生成能力这点在他们的技术报告里也有体现。 左边是视频生成能力，右边是语音生成能力。绿色的就是Seedance新模型，在语音生成这一块可以说是遥遥领先。。。 模型昨天已经上线了，可以直接在豆包，即梦或者火山方舟上玩起来。 豆包是在视频生成或者照片动起来这一栏里选1.5 Pro模型。 即梦是在生成视频里选3.5 Pro，也是基于Seedance 1.5 Pro的能力。 目前3.5 Pro支持文生图，单参考和首尾帧，智能多帧和主体参考还要再等等，不过现在这些其实已经很够用了。 还有火山方舟，网址在此：https://exp.volcengine.com/ark/vision?launch=seedance 京剧玩法，名画玩法什么的都可以在方舟上体验。 API也在路上了，现在就可以预约。 Seedance 1.5 Pro的能力维度呢，我觉得可以分成这么几大块，复杂场景 ...