字节Seedance 2.5发布：长叙事、多模态参考与精准编辑能力
近期，AI创作团队正式推出新一代视频生成模型Seedance 2.5，该模型延续了前代统一的多模态音视频联合生成架构，核心在长叙事能力、多模态参考能力与编辑能力三个方向实现了突破性升级，满足用户从“生成单个片段”到“完成完整创作”的需求变化。
长叙事能力：从单片段到完整创作
Seedance 2.5将单次视频生成时长从15秒提升至30秒，同时优化了镜头衔接与场景过渡逻辑，能够在30秒内完成从铺垫、推进到收尾的完整叙事，而非简单延续单一画面。例如在创作歌手登台演出的片段时，模型可以完整呈现歌手在化妆间与工作人员互动、穿过后台走廊与伴舞汇合、最终登台表演的完整流程。
一镜到底演唱会片段
T2V prompt
一镜到底手持稳定器跟拍，镜头从红色厚重幕布缝隙缓缓推进，进入暖色后台化妆间。年轻女歌手背对镜头整理耳机，工作人员提醒她准备登台。她回头看向镜头，开始唱起 City Pop。镜头后退跟拍，歌手穿过幕布进后台通道，与舞伴自然互动，一位工作人员把麦克风递给她。随后歌手与舞伴登上舞台，镜头绕至背面，红黑舞美、LED 屏、追光、烟雾与反光地板逐渐展开。镜头最终拉远至体育馆全景，呈现满场观众、灯牌、荧光棒与欢呼声，营造年轻自由的演唱会高潮氛围
凭借多轮延长能力，用户可以在已生成的视频基础上自然衔接后续镜头，且在延长过程中保持主体特征、场景环境与叙事节奏的连贯性，最终生成数分钟拥有统一视听语言的连贯内容，省去了拆分镜头、反复拼接与处理衔接的繁琐步骤。
多轮延长片段
R2V prompt
延长视频，衔接 @视频 1 画面内容和主体继续生成一个 30 秒的视频，保持人物主体、场景、画面风格、声音音效一致。小男孩抱着足球沿车厢跑，地铁停稳后侧边门打开，他立刻冲出，男主紧追。两人一路穿过站台跑到街上，惊动街边路人，男主最终追上并抓住他，小男孩委屈抬头，男主慢慢消气，摸摸他的头，露出无奈笑容
在画面呈现上，模型能够实现更自然的运镜衔接，即使多次切换镜头，主体依然保持稳定，音画始终对齐，让长视频的生成结果更连贯。比如在京剧表演场景中，镜头可以伴随主角旋转水袖的动作完成优雅的环绕运镜，主体与背景的呈现始终保持一致，水袖在空中的摆动也更符合物理规律，形成自然的弧线。
京剧水袖环绕运镜
R2V prompt
16:9 宽幅电影级质感，一镜到底，丝滑运镜，无剪辑。场景参考 @图片 4。0-5 秒：@图片 2 霸王近景开场，镜头缓慢环绕上半身并过渡至中景；霸王旋身翻转，随后身体与靠旗从镜头前快速掠过，形成自然遮挡，镜头顺势绕至 @图片 1 虞姬身侧。6-10 秒：镜头稳定环绕 @图片 1 虞姬中景，跟随水袖动作完成环绕运镜虞姬抬臂、挑腕、展袖、半转身。最后收袖定格，侧身看向霸王。11-20 秒：@图片 3 武生出场完成后空翻腾动作，随后霸王居中，武生在对侧进退攻防。虞姬位于霸王侧后方以水袖配合，形成刚柔对比。镜头从武生中近景缓慢后拉至舞台大景，结尾三人面向观众同步京剧落幕亮相
针对视频生成中常见的“油腻感”问题，Seedance 2.5对物体材质、人物肤质与眼神、光影、画面饱和度等细节进行了系统性优化，同时减少了字幕与背景音乐不受控的情况，让最终成片更接近实拍的影视质感。
多模态参考能力：精准还原创作创意
Seedance 2.5的多模态参考能力大幅升级，单次可支持最多30张图片、10段视频与10段音频作为创作参考素材。更多数量、不同类型的参考素材，能够帮助模型更精准地理解用户的创作意图，生成包含多主体、多场景、多镜头变化的复杂视频内容。
模型可以综合解析不同参考素材中的画面构图、场景风格、人物形象、道具细节等元素，并按照指令将这些参考内容融入生成视频中。即使在多人同框、群像叙事等复杂场景中，也能同时还原多个人物的形象与声音，保持各主体特征的稳定性。
音乐会多主体同框
R2V prompt
30 秒音乐会片段，16:9 横屏，电影感写实，真实音乐厅光影，暖金色舞台灯，正式古典音乐会氛围。场景 @图一，钢琴家参考 @图二，大提琴参考 @图三，小提琴参考 @图四，主唱参考 @图五，管弦等其他乐队参考 @图六到图十，合唱团参考图十一到图十四，观众席参考 @图十五到图十八。主唱舞台中央走向前沿，钢琴家在钢琴旁，乐队分布两侧与后方，合唱团在舞台后方。开场高位俯拍音乐厅全景，钢琴家落键，主唱进入追光演唱，镜头自然带过小提琴、大提琴与管弦乐队，小提琴明亮，大提琴温暖。后段合唱团加入，主唱与第一排观众短暂眼神交流，观众微笑点头。结尾镜头后移，演唱结束，观众跟随鼓掌
模型还提升了白模参考、运动参考、创意参考等各类参考能力，让画面中的主体、动作、运镜更可控。用户可以用无纹理3D模型搭建画面的空间结构、主体姿态、运动轨迹与镜头机位，再让模型参考这套结构生成视频，让复杂镜头的构图与调度更接近预期。同时，模型增强了光照控制能力，通过白模的空间信息，生成符合真实物理规律的光照效果，包括光源方向、色温、强度、阴影投射等细节。
白模参考成片
R2V prompt
参考 @白模 1 的运镜、镜头节奏、景别变化、主体轨迹和镜头调度。参考 @图片 2 的角色外形、场景、材质、光照、色彩和童话氛围，将白模渲染为梦幻温暖、儿童幻想感、3D 动画短片。剧情依次为：幻想天空飞行→云海神兽伴飞→俯冲入海→鳐鱼海底穿梭→镜面时空裂缝→宇宙摘星→幻化回房间→爸爸盖被→合上绘本定格
精准编辑能力：灵活把控创作细节
在视频创作过程中，用户往往需要精准控制生成节奏，并在生成后持续打磨细节。比如某个动作在第几秒出现、镜头在什么时间切换，或是某片段中的角色、动作是否需要调整，这些细节直接影响最终成片的效果。
Seedance 2.5支持通过时间戳精准编辑音视频内容。在生成阶段，用户可以通过指令控制特定时间段内的剧情、画面视角、运镜风格与整体节奏；生成完成后，用户还可以针对指定片段中的角色、动作、声音或剧情进行定向修改，且保持修改前后的连贯性与真实感。
模型还进一步提升了绿幕编辑、视角与运镜编辑、参考编辑等多种编辑能力。在绿幕编辑场景中，模型不仅可以在保持主体不变的前提下替换不同场景、讲述不同故事，还能基于不同场景的物理规则渲染人物身上的物理效果，包括衣服飘动方向、头发状态、步态节奏、光影等，让主体与场景更加和谐统一。
绿幕编辑
R2V prompt
把 @视频 1 绿幕背景渲染场景、障碍、服装和配角：0-4 秒：户外训练，障碍换石头、砖块、轮胎、木箱；4-10 秒：休息室，朋友鼓励；10-15 秒：国际赛场，训练杆换原创防守球员和门将，主角进球。整体写实电影级
运镜编辑
R2V prompt
编辑 @视频 1，保持人物、动作及画风不变，仅调整运镜。15 秒分段运镜设计：0-4 秒，微型 FPV 贴锅穿行，跟随弹起的吐司后横甩至咖啡；4-7 秒，推近并沿锅边横移，跟随煎蛋翻起落回；7-11 秒，急速升至顶视角，匀速下压扫过餐盘和钥匙；11-15 秒，手持近镜跟随双手快速横甩，最后推近早餐，再拉回双人中景。全程连贯稳定
产业场景拓展：覆盖多领域创作需求
随着模型能力的不断提升，Seedance 2.5也逐步拓展至教育、工业等多个产业场景，为不同行业的创作需求提供支持。
在教育领域，该模型可以将课本背后的历史背景、人物故事与科学原理转化为生动的视频内容，把静态的知识讲解转变为更具沉浸感的动态演示。同时，模型可以帮助教师高效制作教学视频，将抽象的科学原理、历史事件、实验过程等内容转化为直观的动态画面，已有教育工具平台开始接入使用该模型的教学创作功能。
豆包课堂场景示例
R2V prompt
东方写意风格。南宋临安街景，热闹的街上几个孩子边跑边闹，孩子们嘴里张嘴念着"蓦然回首，那人却在，灯火阑珊处"。镜头始终跟随孩子们奔跑，带过热闹的街景。镜头上摇，此人正是 @图片 1 辛弃疾。辛弃疾回头，远处是在灯火阑珊中的男子，镜头连贯
在工业制造、具身智能和自动驾驶等领域，模型可以生成高质量的合成视频数据，用于训练机器人的感知与操作能力，也可以用于工业仿真、流程培训和设备演示。在自动驾驶场景中，模型还可以模拟极端天气、复杂路况等低频场景，为系统测试与训练提供更多样的样本数据。
汽车拼装白模渲染
R2V prompt
参考 @白模 1 的运镜、构图、景别、空间关系、零件位置、模型结构、装配顺序和运动轨迹。参考 @图片 1 的材质、光照、色彩、反射和氛围，将白模渲染为高端真实汽车拼装片段
研发团队也表示，目前模型在复杂运动的物理合理性、极多主体交互场景的稳定性上仍有优化空间，未来将继续探索更长时长的连贯叙事、更流畅的生成与编辑体验，以及对现实物理规律的更强理解能力。
目前，Seedance 2.5已陆续登陆国内多个AI创作工具平台，企业级API服务也将在近期接入主流AI服务平台，为更多用户提供便捷的视频创作支持。
