Seedance 2.0：ByteDance 的有声视频模型 — 2.0、Fast 和 Mini

Seedance 2.0 是什么

Seedance 2.0 是 ByteDance Seed 团队的视频生成模型。它于 2026年2月12日发布，是 Seedance 家族里第一个用同一套架构同时生成画面和声音、并且一次接受四种输入的模型：文字、图像、视频和音频。

这一档有三个能力几乎相同的模型：

• Seedance 2.0 — 画质最好，也是唯一能做 1080p 和 4K 的；
• Seedance 2.0 Fast — 与 2.0 同时发布，平衡速度和价格；
• Seedance 2.0 Mini — 2026年6月加入，最便宜。

2026年夏天发布了 Seedance 2.5，片段最长 30 秒。2.0 并没有退出：只有它能做 4K，Fast 和 Mini 仍是从 ByteDance 拿到有声视频最便宜的办法。

Seedance 2.0 能做什么

4–15 秒的有声片段。 声音是立体声，和画面一起生成：背景音乐、环境声和角色对白走并行音轨。

一个片段里多个镜头。 模型能读懂文字分镜——“镜头1……镜头2……”——并自己切换景别和机位，从对话的正反打一直到全景。

多模态参考。 最多 9 张图、3 段视频和 3 段音频，外加文字。图像提供角色、风格和构图，视频提供动作、运镜和特效，音频提供嗓音、旋律和对白。不支持“文字 + 音频”和“仅音频”：声音旁边至少要有一张图或一段视频。

首帧和尾帧。 一张图是片段的开头，两张图是开头和结尾。模型补出中间的运动。

修改成片。 替换角色或物体，添加、删除或改动对象，重绘画面的一部分。ByteDance 文档里的例子：“把[视频1]里的猫换成[图片1]里的狮子”。

延长。 模型按提示词把片段往后接，角色和场景保持不变。

单独给出最后一帧。 提出要求后，模型把最后一帧作为图片返回。用它做下一条的首帧，就能把几次生成串成更长的故事。

Seedance 2.0、Fast 和 Mini 的差别

	Seedance 2.0	Seedance 2.0 Fast	Seedance 2.0 Mini
适合	最好画质	平衡价格和速度	最低价格
分辨率	480p、720p、1080p、4K（10 bit）	480p、720p	480p、720p
时长	4–15 秒	4–15 秒	4–15 秒
画幅	21:9、16:9、4:3、1:1、3:4、9:16	同样 6 种	同样 6 种
参考	9 张图、3 段视频、3 段音频	相同	相同
修改和延长	有	有	有
声音	有	有	有
480p 草稿模式	无	无	无

三个模型的能力相同：文生视频、首帧、首尾帧、参考、修改、延长、声音。差别只在画质、价格和分辨率上限。

Seedance 2.0 和 2.5：怎么选

	Seedance 2.0	Seedance 2.5
单次时长	4–15 秒	4–30 秒
4K	有	无，最高 1080p
参考	15（9 + 3 + 3）	50（30 + 10 + 10）
提示词里的时间码	无，只有镜头编号	有
角色多角度设定图	不建议	支持
便宜版本	Fast、Mini	无

要 4K，或要在 Fast 和 Mini 上大量做便宜草稿，用 2.0。片段超过 15 秒、角色和参考很多，或要按时间码改成片，用 2.5。两个版本的“观感”不一样，同一个项目最好固定在一个模型上。

Seedance 2.0 适合什么

• 10–15 秒的广告和宣传片，从商品照片出发：产品来自参考，运动和音乐来自提示词。
• 配乐短片： 把音轨当作音频参考，由它决定节奏和剪辑。
• 复刻别人片段里的动作或特效，换成你自己的角色。
• 在成片里替换角色或物体。
• 4K 成片给大屏幕：草稿先在 Fast 或 Mini 上定稿。

Seedance 2.0 和同类模型

	Seedance 2.0	Kling 3.0	Veo 3.1	Grok Imagine Video 1.5
开发者	ByteDance Seed	Kuaishou	Google DeepMind	xAI
单次时长	4–15 秒	3–15 秒	4、6、8 秒	1–15 秒
最高分辨率	4K	4K	4K	1080p
参考	9 张图、3 段视频、3 段音频	最多 7 张图或元素	最多 3 张图	图像和最多 3 个声音
视频修改	有	有，在 Omni	只能延长	无
便宜版本	Fast、Mini	Turbo	Fast、Lite	Lite
在 AI2Face	有	有	有	有

Seedance 2.0 在参考上强过同类：只有它能在一次请求里同时收下图像、视频和音频。Veo 3.1 在短场景和物理上更准，Kling 3.0 更适合用角色元素来排分镜。

怎样写 Seedance 2.0 的提示词

1. 按编号和角色点名参考： “女主角来自[图片1]，运镜来自[视频1]，音乐是[音频1]”。
2. 按镜头拆，不要按秒拆。 Seedance 2.0 不理会时间码，只认镜头编号。ByteDance 在 2.5 的指南里单独写了这一点。
3. 写清声音： 对白加引号，加上音乐和关键噪声。
4. 角色用一张图。 ByteDance 不建议 2.0 使用一张图里排多个角度的设定图。
5. 先在 Fast 或 Mini 的 480p 上试想法，再在 2.0 上按需要的分辨率出成片。

上面那杯饮品的广告提示词：

冰抹茶拿铁广告，12秒，竖屏 9:16，饮品来自[图片1]。
镜头1：特写——茶筅在碗里打发鲜绿色抹茶，细小飞溅，晨光。
镜头2：抹茶倒进有牛奶和冰块的杯子，层次慢慢混合，冰块叮当作响。
镜头3：穿亚麻衬衫的年轻女子在洒满阳光的阳台上喝一口，并对着镜头微笑。
声音：轻柔的 lo-fi 节拍，冰块碰撞，树叶沙沙。不要字幕。

怎样在 AI2Face 里使用 Seedance 2.0

Seedance 2.0 在 AI2Face 生成器里，和 Seedance 2.5、Veo 3.1、Kling 3.0 放在一起。

1. 注册后，新账户会获得欢迎积分。ByteDance 自己免费提供什么，写在文章 seedance 免费 里。
2. 打开生成器，切换到视频，选择 Seedance 2.0。
3. 上传参考，按镜头写提示词，设定时长和分辨率。
4. 积分费用在开始前显示。套餐积分不会过期，可以用银行卡或加密货币支付。

商品或角色的参考照片可以在同一处做好，例如用 Nano Banana Pro。

局限

• 细节和真实感。 ByteDance 在模型报告里写道，细节稳定性、超写实和动作的生动程度还需要改进。
• 声音。 有时声音会失真。
• 多个角色和文字。 开发者把多角色一致性、画面内文字和复杂修改列为弱项。
• 时间码不起作用。 片段结构只能用镜头编号来定。
• Fast 和 Mini 没有 1080p。 高分辨率只有完整的 2.0 才有。
• 真人面孔。 用真人肖像做参考，需要身份核验或法律授权。

总结

Seedance 2.0 适合 15 秒以内的片段：一次就要图像、视频和声音参考，或者需要 4K 输出。Fast 和 Mini 让它成为试一条有声视频想法最便宜的办法。超过 15 秒、按时间码修改、几十个参考，就换 Seedance 2.5。如果更在意短场景的物理，在同一个 AI2Face 生成器里和 Veo 3.1 比一次结果。