字节 Seedance 2.5 上线：单次生成 30 秒视频，支持多轮延长与复杂叙事

7 月 31 日，字节跳动正式推出 Seedance 2.5 视频生成模型。该模型已陆续上线即梦 AI 和豆包专业版，API 服务也将于近期接入火山方舟。

• 项目地址：https://seed.bytedance.com/zh/seedance2_5

相比前代，Seedance 2.5 不再满足于生成几秒的“动态图片”，而是试图让 AI 真正学会“讲故事”。

一次生成 30 秒，还能接着讲

最直观的提升是时长。Seedance 2.5 将单次生成上限从 15 秒翻倍至 30 秒，并支持多轮延长。

更重要的是逻辑连贯性。官方表示，模型能在 30 秒内组织多个有逻辑关联的镜头，实现铺垫、推进、转折、收尾的完整叙事结构。

• 示例 1（一镜到底）：镜头从幕布缝隙推进后台，展示歌手整理耳机、穿过通道、与舞伴互动，最后登台拉远至体育馆全景。整个过程光影、人物动作、环境音无缝衔接。
• 示例 2（多轮延长）：在已有视频基础上继续生成 30 秒，保持人物、场景、风格甚至音效的一致性。比如小男孩抱球跑过车厢、冲出地铁、男主追赶并抓住他，动作流极其顺畅。

海量参考素材，精准控制画面

为了解决“抽卡”不可控的问题，Seedance 2.5 支持极丰富的参考输入：

• 最多 30 张图片
• 最多 10 段视频
• 最多 10 段音频

模型能综合理解这些素材中的构图、风格、人物特征和道具，并按指令生成视频。这意味着你可以用一组剧照、一段参考视频和一首背景音乐，精准地“拼”出你想要的画面。

多人同框与群像叙事

在复杂的多人场景中，Seedance 2.5 也能稳住。官方展示的 30 秒音乐会片段中，同时出现了钢琴家、大提琴手、小提琴手、主唱、管弦乐队、合唱团和观众。模型不仅还原了每个人的形象，还保持了声音与口型的同步，以及整体电影感的写实风格。

应用场景

除了娱乐内容，Seedance 2.5 还面向影视制作、广告投放、教育课件、工业制造演示、具身智能训练数据生成以及自动驾驶模拟等场景。