一镜到底，灵活参考：Seedance 2.5 正式发布

一镜到底，灵活参考：Seedance 2.5 正式发布

日期

2026-07-31

分类

模型

今天，我们正式推出新一代视频生成模型 Seedance 2.5。自 Seedance 2.0 发布以来，我们观察到用户对视频生成模型的期待正在转变：从单纯生成片段，到完成一部完整的创意作品。基于 Seedance 2.0 统一的多模态音视频联合生成架构，Seedance 2.5 以基础生成和参考生成为核心，在长叙事、多模态参考和编辑方面实现了重大突破。立足真实应用场景，它释放了更广阔的创作想象力和控制力，进一步提升了生产力。

核心亮点包括：

单次生成最长 30 秒，支持多轮续写：Seedance 2.5 可一次性生成高质量、30 秒的音视频片段，并支持多轮扩展。同时，它优化了镜头切换和场景变化，增强了长视频的连贯性，并在图像、音频和运动质量上取得显著提升，呈现出比常见 AI 生成视频更自然、更精致的视觉效果。用户因此能够以一致的视听语言产出高质量的多分钟内容，一镜到底，让完整故事跃然眼前。

多模态参考全面升级：用户现在可以一次性输入最多 30 张图片、10 段视频和 10 段音频作为参考素材。模型还强化了多种参考能力，包括黏土渲染、动作和创意参考，使其能更精准地把握创作者的意图，实现跨越多个主体、场景和镜头变化的复杂构思。

更精准稳定的编辑能力：Seedance 2.5 提供时间戳级别的控制，可对音视频内容进行定向编辑，显著提升了效率和可控性。模型还增强了高级编辑功能，如绿幕、镜头视角和基于参考的编辑，以满足影视、广告等专业复杂领域的严苛要求。

随着长叙事、多模态参考和编辑能力的提升，Seedance 2.5 不再局限于更长的单次视频生成。该模型能更深入地理解创作意图，并以更强的控制力实现从创意到成片的完整旅程。现在，我们邀请您观看一部由 Seedance 2.5 端到端制作的创意短片。

您的浏览器不支持视频播放。

今天，Seedance 2.5 已在即梦 AI、豆包 Pro 等平台上线，API 访问也将通过火山方舟（BytePlus ModelArk）即将推出。欢迎您试用并分享反馈。

项目主页：

https://seed.bytedance.com/seedance2_5

访问方式：

即梦 Web -> 视频生成 -> 选择 Seedance 2.5

豆包 Pro -> 视频生成 -> 选择 Seedance 2.5

30 秒长叙事与多轮扩展：一次生成完整故事

Seedance 2.5 将单次视频生成时长从 15 秒延长至 30 秒，并进一步强化了长视频中的叙事能力。在 30 秒内，模型能够组织多个逻辑连贯的镜头，让故事按起承转合自然展开，而非简单延续单一场景。例如，在一段歌手舞台表演的一镜到底片段中，模型完整呈现了歌手在化妆间与工作人员互动、穿过后台走廊、与舞者会合、一同登台表演的完整故事，而非仅仅展示走上舞台的瞬间。

您的浏览器不支持视频播放。

T2V提示词：手持云台跟拍，一镜到底。镜头缓缓穿过厚重红色幕布的缝隙，进入一间暖色调的后台化妆间。一位年轻女歌手背对镜头，正在调整耳返，工作人员提醒她该上场了。她转身面向镜头，开始演唱城市流行乐。镜头后拉，跟随她穿过幕布进入昏暗的后台走廊，途中与舞者们自然互动；一名工作人员递给她麦克风。随后她与舞者登上舞台，镜头绕至后方，逐渐展现红黑配色的舞台设计、LED屏幕、聚光灯、烟雾和反光地板。镜头最终拉远至场馆全景，呈现座无虚席的观众、灯牌、荧光棒和欢呼的人群，捕捉演唱会青春洋溢、自由奔放的高潮时刻。

得益于模型的多轮扩展能力，用户可以在现有视频输出的基础上平滑追加后续镜头。在整个扩展过程中，模型能保持主角、环境和叙事节奏的一致性。这让用户能够一次性输出长达数分钟的视频，省去了拆分片段、反复拼接素材和修补转场的繁琐工作。

您的浏览器不支持视频播放。

R2V提示词：扩展视频。从@Video 1的画面和主体继续，生成额外30秒片段，保持人物主体、场景、视觉风格和音效一致。小男孩抱着足球沿着火车车厢奔跑。地铁停靠后，侧门打开，他立刻冲了出去，男主角紧随其后追赶。两人跑过站台，来到街上，沿途惊扰了行人和车辆。男主角终于追上并抓住了他。男孩委屈地抬头。男主角的怒气渐渐消退，拍了拍男孩的头，露出无奈的笑容。

在视觉呈现方面，该模型实现了更流畅的镜头运动切换。主体在多组镜头切换间保持稳定，音画同步，从而生成高度连贯的长视频。例如，在一场京剧场景中，镜头跟随主角飘逸的水袖优雅地环绕摇移，主体与背景始终保持一致。水袖的摆动在空中形成自然的弧线，紧密贴合真实物理规律。 您的浏览器不支持视频播放。

R2V 提示词：16:9 宽屏，电影质感，单次连续拍摄，镜头运动平滑，无剪辑。场景参考：@Image 4。0–5秒：以@Image 2中霸王的特写开场，镜头缓慢环绕其上半身，并过渡到中景。霸王旋转转身，身体与背后的靠旗快速掠过镜头，形成自然的遮挡，镜头随之跟随至@Image 1中虞姬身侧。6–10秒：镜头以中景稳定环绕@Image 1中的虞姬，跟随她的水袖划过弧线。她抬臂、抖腕、甩袖、半转身，随后收袖、定格，侧目望向霸王。11–20秒：@Image 3中的武生翻跟头入场。霸王居中，武生在对面进退攻防，形成打斗交流。虞姬站在霸王身后稍侧，穿插水袖动作，以柔克刚。镜头从武生的中近景缓缓拉远至全景舞台。结尾时，三人面向观众，摆出京剧亮相的同步定格姿势。

此外，针对AI生成视频中常见的过度人工感问题，Seedance 2.5系统性地优化了物体纹理、皮肤与眼部特征、光照及色彩饱和度等细节。该模型还最大程度减少了字幕和背景音乐中的不可控因素，最终输出效果高度接近实拍电影质感。

多模态参考全面升级，为复杂创意任务带来更强掌控力

Seedance 2.5 进一步强化了多模态参考生成能力。用户可在单次操作中输入多达 30 张图片、10 段视频和 10 段音频作为参考素材。更大数量、更多样化的参考能更精准地捕捉用户意图，从而生成包含更多主体、更丰富场景和更灵活镜头运动的复杂视频。

该模型能全面理解所有素材中的视觉构图、场景、风格、角色和道具等元素，并按照指令将其应用于视频生成过程。即使在多角色同框或群体叙事等复杂场景中，也能保留多个角色的外貌和声音，同时保持每个主体的特征稳定。

您的浏览器不支持视频播放。

R2V 提示词：一段 30 秒的 16:9 横屏音乐会片段，采用电影级写实风格，呈现真实音乐厅的灯光与阴影，暖金色舞台灯光，营造正式古典音乐会的氛围。场地参考 @Image 1。钢琴家参考 @Image 2。大提琴参考 @Image 3。小提琴参考 @Image 4。主唱必须严格遵循 @Image 5。其余管弦乐队参考 @Images 6 至 10。合唱团参考 @Images 11 至 14。观众席参考 @Images 15 至 18。主唱从舞台中央走向前沿。钢琴家位于钢琴旁。管弦乐队分列两侧及后方。合唱团站在舞台后方。开场为整个音乐厅的高角度广角镜头。钢琴家按下琴键，主唱步入聚光灯下开始演唱。镜头自然掠过小提琴、大提琴和乐队，展现他们合奏的画面，小提琴音色明亮，大提琴音色温暖。后半段，合唱团加入。主唱与前排观众短暂眼神交流，观众报以微笑和微微点头。结尾镜头拉远，演唱结束，观众席响起掌声。

Seedance 2.5 还增强了特定参考能力，包括黏土渲染、动作和创意参考，让用户能更精细地控制画面中的主体、动作和镜头运用。例如，通过黏土渲染参考，用户可以使用无纹理的3D模型构建场景的空间结构、角色姿态、运动路径和镜头角度。模型随后利用这一结构生成视频，确保复杂镜头的构图和场面调度与创作者的预期高度吻合。此外，Seedance 2.5 改进了光照控制，借助黏土渲染中的空间信息，生成符合物理规律的真实光照效果，如光源方向、色温、强度和阴影投射，使最终输出中的光影更加自然。 您的浏览器不支持视频播放。

R2V 提示：参考 @Clay Render 1 获取镜头运动、节奏、景别切换、主体轨迹和场面调度；参考 @Image 2 获取角色设计、场景、材质、光照、色彩和童话氛围，并将白色模型渲染成一部梦幻、温暖、带有童趣幻想的3D动画短片。故事展开如下：飞越幻想天空 → 神话生物在云海中并肩翱翔 → 潜入海洋 → 与蝠鲼在深海穿梭 → 穿过时空镜像裂隙 → 从宇宙中摘取星辰 → 变回卧室 → 父亲掖好被子 → 绘本合上并定格在最后一帧。

更精准可靠的编辑能力，提升创意效率

在视频创作中，用户通常需要在生成过程中控制节奏，并在后期细化细节。动作发生的具体秒数、镜头切换的精确时机，以及某个片段中角色动作是否需要调整，都会对最终结果产生深远影响。更精准可靠的编辑能力让创作者能准确地将想法付诸实现，提高效率，并降低重复生成的成本。

Seedance 2.5 支持基于时间戳的精准内容编辑。在生成阶段，用户可通过提示词控制特定时间段的叙事、镜头视角、运动方式及整体节奏，使输出更贴合创作意图。生成后，用户还能对特定片段中的人物、动作或情节元素进行定向修改，同时保持编辑前后的一致性与真实感。

Seedance 2.5 还升级了多项编辑功能，如绿幕编辑、镜头视角编辑和参考编辑，以满足影视、广告等专业领域的严苛要求。以绿幕编辑为例，模型可在保持主体不变的前提下替换背景，讲述截然不同的故事。此外，它还能出色地渲染主体对新环境物理规则的反应，包括衣物的飘动方向、发丝状态、步态节奏和光影交互，确保主体与场景自然融合。

您的浏览器不支持视频播放。

R2V 提示词：使用 @Video 1，渲染绿幕背景、障碍物、服装和配角。0–4秒：户外训练，将障碍物替换为岩石、砖块、轮胎和木箱。4–10秒：更衣室，队友送上鼓励。10–15秒：国际比赛，将训练杆替换为原始防守队员和门将，主角破门得分。整体写实风格，电影级画质。

您的浏览器不支持视频播放。

R2V 提示词：编辑 @Video 1。保持人物、动作和视觉风格不变，仅调整镜头运动。15秒分段镜头方案：0–4秒，微距FPV镜头紧贴平底锅掠过，随后跟随弹起的吐司并快速摇向咖啡；4–7秒，推进并沿锅边横向跟踪，跟随煎蛋翻面落回原位；7–11秒，快速升至俯视角度，再匀速下降，扫过盘子和键盘；11–15秒，手持特写跟随双手快速横向甩动，然后推进早餐并拉至中景双人镜头。全程保持流畅、连贯、稳定。

深入更广泛的行业场景，持续探索真实价值

随着模型能力的不断进化，Seedance 2.5 正深入教育、制造等更广泛的行业场景。在教育领域，该模型已开始进入真实的学习环境。例如，Seedance 2.5 能将课程背后的历史背景、人物和故事情节转化为更生动、更具沉浸感的视觉内容。同时，它还能帮助教师更高效地制作教学视频，将抽象内容——如科学原理、历史事件、实验步骤——转化为动态演示。这不仅降低了教学素材的制作门槛，还实现了高度灵活的内容定制。

您的浏览器不支持视频播放。

豆包学习应用“豆包课堂”场景示例

R2V 提示词：表现力丰富的东方绘画风格。南宋临安街头，几个孩童奔跑穿梭于热闹街市，口中念着“蓦然回首，那人却在，灯火阑珊处”。镜头跟随孩童奔跑，扫过繁华街景，随后上摇，露出 @Image 1 中的辛弃疾。辛弃疾回头，远处灯火阑珊处站着一个人影。整个镜头保持连贯。

在工业制造、具身智能、自动驾驶等领域，Seedance 2.5 正融入高度专业化的生产流程。该模型能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。它还被应用于工业仿真、流程培训和设备演示。在自动驾驶方面，模型可模拟极端天气、复杂交通等长尾场景，为系统测试和训练提供更多样化的样本。

您的浏览器不支持视频播放。

R2V 提示词：参考 @Clay Render 1 的运镜、构图、景别、空间关系、部件位置、模型结构、装配顺序和运动路径；参考 @Image 1 的材质、光照、色彩、反射和氛围，将黏土渲染转化为高端逼真的汽车装配序列。

总结与展望

Seedance 2.5 在理解与呈现真实世界方面迈出了重要一步，将视频生成从片段级输出提升至全面的创意工作流。同时，我们也认识到仍有改进空间，尤其是在复杂动作的物理合理性以及多主体互动场景的稳定性方面。

展望未来，Seed 团队将继续探索更连贯的叙事方式，提供更直观的生成与编辑体验，并进一步加深模型对真实世界物理规律的理解。我们希望 Seedance 模型能更加生动、更易控制，且更善于理解用户意图，帮助更多用户表达创意，同时持续探索并服务于更广泛的行业需求。