字节跳动 Seed 团队发布了 Seedance 2.0——在 1.0 的基础上实现架构级升级，采用统一多模态音视频联合生成架构，支持文本、图像、音频和视频四种模态输入，提供业界最全面的多模态内容参考和编辑能力。
架构升级：统一多模态联合生成
Seedance 2.0 的核心突破在于架构层面的统一：不再是视频生成 + 后期配音的两阶段流程，而是真正的音视频联合生成——音频和视频在同一个模型内协同生成，天然同步。
支持的输入模态：
| 输入类型 | 说明 |
|---|---|
| 文本 | 自然语言描述，控制内容和风格 |
| 图像 | 参考图作为视觉锚点 |
| 音频 | 参考音效、音乐、人声 |
| 视频 | 参考视频的运动、节奏、风格 |
这种多模态融合让创作者可以同时控制「看」和「听」，从根本上解决了视频与音频不同步的问题。
三大核心能力
1. 沉浸式音视频体验
Seedance 2.0 在运动稳定性上进一步提升，配合音视频联合生成，打造超真实沉浸体验：
- 画面运动与音效、音乐节奏自然同步
- 环境音效随场景自动生成（风声、水声、人群声等）
- 音频质量达到专业级水准
2. 导演级创作控制
Seedance 2.0 支持前所未有的精细创作控制，全面覆盖电影制作的核心要素：
表演控制：精确描述角色的情绪、动作和肢体语言
光影控制：指定光源方向、光质（硬光/软光）、时间段（黄金时刻、蓝调时刻等）
摄影机运动：推、拉、摇、移、升、降、手持、稳定器等专业镜头语言全部支持
多模态参考：
- 参考图像：锁定视觉风格和构图
- 参考音频：指定音效风格和节奏
- 参考视频：复用运动模式和镜头语言
3. 电影级输出标准
Seedance 2.0 的输出质量对标电影工业标准：
- 专业级色彩分级（Color Grading）
- 真实的景深效果（Depth of Field）
- 精准的镜头畸变模拟
- 高动态范围（HDR）渲染
性能评测：SeedVideoBench-2.0
Seedance 2.0 使用自研的 SeedVideoBench-2.0 进行多维度评测，在三类任务中均处于行业领先位置：
文生视频（Text-to-Video）：
| 评测维度 | 表现 |
|---|---|
| 提示词遵循 | 行业领先 |
| 运动稳定性 | 显著提升 |
| 音视频同步 | 新增维度，领先 |
| 美学评分 | 电影级标准 |
图生视频（Image-to-Video）：
| 评测维度 | 表现 |
|---|---|
| 图像一致性 | 行业领先 |
| 运动合理性 | 物理规律准确 |
| 细节保留 | 高保真输出 |
多模态任务（Multimodal Task）：音频参考、视频风格迁移等跨模态任务全面领先。
与 1.0 版本的核心差异
| 能力维度 | Seedance 1.0 | Seedance 2.0 |
|---|---|---|
| 音频支持 | 无（纯视频） | ✅ 音视频联合生成 |
| 输入模态数量 | 2（文本 + 图像） | 4（文本 + 图像 + 音频 + 视频） |
| 创作控制粒度 | Prompt 级控制 | 导演级精细控制 |
| 多模态参考 | 图像参考 | 图像 + 音频 + 视频参考 |
| 输出质量标准 | 1080p 高清 | 电影工业标准 |
应用场景扩展
影视制作预可视化：导演可以用自然语言快速生成分镜，配合参考图和音乐素材，数分钟内产出专业预可视化视频。
音乐 MV 制作：输入音频文件，AI 自动生成与音乐节奏、情绪高度匹配的视觉内容。
广告创意：品牌方提供产品图和背景音乐，快速生成符合品牌调性的视频广告。
游戏 CG 预览：游戏开发者可以快速验证过场动画的叙事效果和镜头设计。
短视频内容创作：社交媒体创作者可以一次性生成画面和配乐完全匹配的短视频。
如何体验 Seedance 2.0
访问 ByteDance Seed 官网了解更多：seed.bytedance.com/en/seedance2_0
Seedance 系列作为字节跳动 Seed 团队的旗舰视频生成产品，也为抖音、剪映（CapCut）等字节旗下创作工具提供底层能力支持。
原文：Seedance 2.0 - ByteDance Seed | 来源：ByteDance Seed 官方网站