تولید ویدیوی Seedance 2.0 با ارجاع‌های چندوجهی

Seedance 2.0 چیست

Seedance 2.0 مدل تولید ویدیوی ByteDance Seed است که در 12 فوریه 2026 با صفحه اختصاصی خود در seed.bytedance.com/en/seedance2_0 منتشر شد. توصیف یک‌جمله‌ای آن صفحه همان جایگاه‌یابی است: معماری مشترک چندوجهی صدا و ویدیو که ورودی متن، تصویر، صدا و ویدیو را می‌پذیرد و برای جامع‌ترین مجموعه قابلیت‌های ارجاع و ویرایش محتوا در صنعت ساخته شده است.

متن رونمایی، شناسه API مدل را هم نام می‌برد. صفحه مدل دکمه‌ای به نام Get API دارد که به ورودی کنسول Volcengine Ark با شناسه doubao-seedance-2-0 می‌رسد و در زمان رونمایی مدل از Dreamina که با نام Jimeng هم شناخته می‌شود و از Doubao app در دسترس بود. دانستن این شناسه ارزش دارد، چون هر سایتی که دسترسی به این تولید را می‌فروشد آن را با واژه‌های خودش توصیف می‌کند و نام‌ها به‌ندرت با هم می‌خوانند.

این صفحه سه چیز را که به‌آسانی در هم می‌آمیزند جدا نگه می‌دارد. آنچه ناشر می‌گوید نقل و به او منسوب می‌شود. آنچه صفحه‌های رقیب ادعا می‌کنند نقل و به خودشان منسوب می‌شود، هر جا صفحه رسمی آن را تأیید نکند با یک یادداشت. آنچه این فضای کاری در اختیار می‌گذارد از پیکربندی همین سایت خوانده می‌شود تا به‌جای باور، بررسی‌پذیر باشد.

یک واقعیت زمانی بر بقیه مقدم است. Seedance 2.0 جدیدترین نسل این خانواده نیست. فهرست مدل‌های ناشر Seedance 2.5 را جداگانه فهرست کرده که صفحه خودش آن را ساخته‌شده برای روایت 30 ثانیه‌ای با کنترل مرجع دقیق توصیف می‌کند و آن صفحه از صفحه 2.0 که موضوع همین نوشتار است جدیدتر است. هیچ‌جای این نوشتار خلاف آن ادعا نمی‌شود.

چهار ادعای متن رونمایی رسمی

این‌ها چهار نکته برجسته‌ای است که ناشر زیر تیترهای خودش در متن رونمایی به تاریخ 12 فوریه 2026 فهرست کرده. تنها ادعاهای قابلیتی که در این صفحه از ناشر می‌آیند نه از یک واسطه فروش، همین‌ها هستند.

پنج حوزه قابلیتی که متن رونمایی با جزئیات مستند می‌کند

سپس متن رونمایی پنج حوزه را مرور می‌کند و با هر کدام یک پرامپت منتشر می‌کند. فهرست زیر همان ساختار است، نه خلاصه‌ای که اینجا نوشته شده باشد.

• حرکت و تعامل پیچیده که از قوانین فیزیک پیروی می‌کند. نمونه منتشرشده یک اجرای اسکیت نمایشی دونفره با پرش‌های هماهنگ، چرخش‌های هوایی و فرودهای قاطع است که نمای‌به‌نما توصیف شده.
• ارجاع همه‌جانبه چندوجهی. ترکیب‌بندی، زبان دوربین، ریتم حرکت و ویژگی‌های صدا همگی می‌توانند از ورودی‌ها گرفته شوند و متن رونمایی می‌گوید فهرست نما یا استوری‌بورد نوشتاری را می‌توان مستقیم ارجاع داد.
• پایبندی به دستور، سازگاری سوژه و برنامه‌ریزی دوربین با پرامپت. متن رونمایی می‌گوید مدل زبان دوربین را خودش برنامه‌ریزی می‌کند و ارائه بصری را از روی دستور طراحی می‌کند.
• صدای دوکاناله با خروجی موازی چندتراکه. موسیقی پس‌زمینه، افکت‌های محیطی و گویندگی شخصیت با هم تولید و با تصویر هم‌راستا می‌شوند و متن رونمایی جزئیات فولی ریز مانند شیشه مات، پارچه کرکی، اکریلیک و فوم حبابدار را برجسته می‌کند.
• گستره وسیع سناریوها. کار تبلیغاتی، آموزشی، بازی و پیش‌تصویرسازی نام برده شده، با این استدلال که تولید جای بخشی از خط لوله افکت و بازیگری زنده را می‌گیرد.

مرزهای ورودی و خروجی منتشرشده

این‌ها مرزهایی است که ناشر می‌گوید، در کنار عددهایی که صفحه‌های شخص ثالث تبلیغ می‌کنند. هر جا ناشر چیزی را منتشر نکرده باشد، همان ردیف این را می‌گوید، چون یک جای خالی از یک حدس سودمندتر است.

پرامپت‌هایی که می‌توانید کپی کنید

هر پرامپت زیر متنی است که ناشر با همان قابلیت چاپ کرده و واژه‌به‌واژه بازتولید می‌شود. هیچ‌چیز اینجا بازنویسی نیست و کلیپ‌های نمونه پایین‌تر که پرامپت دارند از همان متن منبع استفاده می‌کنند.

Competitive figure skating live performance. Opening with a low-angle shot following the skate blades gliding on ice, with clear details of ice shavings and light reflections. Entering the spin sequence: the male skater makes a minor error due to slight axis deviation, causing a brief disruption in spin rhythm. The female skater quickly adjusts her center of gravity, keeps a calm gaze, and signals "Stay with me" with eye contact, guiding the male skater to regain alignment. This transitions seamlessly into clean, stable lift movements with sharp, consistent body posture. The climax is a synchronized jump combination: upright aerial posture, decisive ice landings, with perfect audio-visual alignment. The female skater wears a deep-blue figure skating dress; the male skater is in competitive athletic attire. The full sequence delivers a complete narrative from tense mistake to calm, successful execution, highlighting the technical skill and mental strength of elite pair figure skating.

A girl hangs laundry gracefully. After finishing, she takes another piece of clothing from the bucket and shakes it vigorously. 2. Supports Multimodal "All-Round Reference" for Greatly Enhanced Creative Freedom Seedance 2.0 supports multimodal all-round reference , allowing combined input of various texts, images, videos, and audio. The model can accurately understand multimodal input content and generate output as instructed by referencing elements including visual composition, camera language, motion rhythm, and sound characteristics from the inputs. It can even directly reference text-based storyboards, significantly boosting creative freedom.

Refer to the shooting script in @Image 1, and draw on the storyboard, shot scale, camera movement, visuals and copy in @Image 1. The character is from @Image 2, the scene is from @Image 3, and the props are from @Image 4. Create a 15-second healing short film. 3.

Extend the video length. The camera follows a man in orange riding a brown horse. He speeds up and gallops to a large tree with orange flowers ahead, breaks off two blossoms from the branch. Then others ride into the frame one after another. The camera pushes in to shoot the man in orange clothes dismounting from the horse, then the camera quickly circles around him. He turns to walk toward a woman in white riding a white horse and presents the flowers to her. Style: Chinese classical lady painting, 3D, cheerful folk music, shadow puppet style, with black, white, and orange as the main color palette. 4.

Immersive first-person hand ASMR video. Close-up shot, under warm, soft lighting. A pair of slender hands gently triggers different objects in sequence: the light scratching of frosted glass, rubbing of plush fabric, gentle tapping on an acrylic board, light pinching of bubble wrap, and lightly running fingers across a wooden comb's teeth. Finger movements are slow and gentle. Pure, natural trigger sounds with no background music; the visual atmosphere is relaxing and healing. 5.

آنچه این فضای کاری در اختیار می‌گذارد

این‌ها کنترل‌هایی است که فضای کاری ویدیوی این سایت واقعاً برای این مدل نشان می‌دهد، خوانده از پیکربندی فضای کاری نه از یک صفحه بازاریابی. آنچه می‌توانید ثبت کنید هر چیزی است که انتخابگر در لحظه ثبت نشان می‌دهد و قیمت پیش از ساخت کار توسط سرور محاسبه می‌شود.

دو ردیف ارزش خواندن در برابر عددهای ناشر را دارند. سقف طول این فضای کاری 15 ثانیه است، همان سقفی که متن رونمایی برای یک تولید می‌گوید. به‌جای هر سطح 2K یا 4K، سطح‌های 480p و 720p و 1080p را نشان می‌دهد، چون این‌ها سطح‌هایی هستند که سرویس پشت آن واقعاً اعلام می‌کند.

هشت کلیپ این صفحه از کجا می‌آیند

چهار مورد از تصاویر زیر کلیپ‌هایی هستند که ناشر روی صفحه رسمی مدل Seedance 2.0 چاپ کرده و هر یک پرامپت چاپ‌شده کنارش را دارد. چهار مورد دیگر نمونه‌هایی هستند که سه صفحه رقیب زیر نام این مدل منتشر کرده‌اند، بازتولیدشده تا تفاوت در آنچه هر صفحه می‌تواند پشتیبانی کند دیده شود نه فقط توصیف.

مقایسه فایل‌های دانلودشده با SHA-256 به‌جای مقایسه چشمی، نتیجه‌ای به‌دست داد که ارزش گفته‌شدن صریح دارد. دو مورد از چهل‌وسه فایلی که برای این صفحه جمع‌آوری شد در میان منابع بایت‌به‌بایت بازنشر شده‌اند. کلیپی که seedance.tv زیر تیتر صدا و ویدیوی فراگیر خودش چاپ کرده همان فایل اولین کلیپ صفحه رسمی Seedance 2.0 است که زیر تیتر رسمی صدا و ویدیوی فراگیر قرار دارد. کلیپ اول seedance.tv همان فایل کلیپ اصلی صفحه seedance-2.studio نیز هست.

صفحه‌ای که فایلی را بازنشر می‌کند، نمونه رسمی پیوست آن را توصیف می‌کند نه نتیجه‌ای مستقل از خودش، و هیچ‌جای این صفحه کلیپی به سایتی که تصادفاً آن را سرو می‌کند نسبت نمی‌دهد. هر تصویر صفحه‌ای را که از آن آمده نام می‌برد و پرونده شواهد پشت این بخش هر URL منبع، SHA-256 فایل دانلودشده و SHA-256 و تعداد بایت شیء منتشرشده را ثبت کرده است.

Seedance 2.0 و Seedance 2.5، خوانده از صفحه‌های خودشان

هر دو نسل صفحه خودشان را در سایت ناشر دارند و همین این مقایسه را به تنها مقایسه‌ای بدل می‌کند که هر دو طرفش از یک منبع می‌آیند. این جدول دو موقعیت منتشرشده را مقایسه می‌کند نه دو مجموعه نتیجه آزمایش را.

خوانش عملی این است که 2.0 نسلی است که تأکید منتشرشده‌اش گستره ارجاع و امکان‌پذیری فیزیکی است با سقف اعلام‌شده 15 ثانیه، و 2.5 نسلی است که ناشر روی طولش تبلیغ می‌کند. هر کس نمای او باید بیش از 15 ثانیه در یک برداشت اجرا شود در این خانواده به ورودی اشتباهی نگاه می‌کند، و این فضای کاری هم برای این مدل مدت طولانی‌تری ارائه نمی‌کند.

چرا صفحه‌های دیگر عددهای متفاوتی نقل می‌کنند

چهار صفحه‌ای که مالک سایت خواسته بررسی شود، در چند عدد با ناشر و با هم ناسازگارند. هر ردیف زیر می‌گوید آن صفحه چه ادعایی دارد و ناشر چه می‌گوید، تا فاصله در متن ثبت شود نه در پانویس.

هیچ‌کدام از این‌ها اتهام بدجنسی نیست. صفحه یک واسطه فروش توصیف می‌کند محصول خودش با مدل چه می‌کند، و واسطه آزاد است سطح 2K یا 4K خودش را اجرا کند که متن رونمایی هرگز از آن نام نمی‌برد. آنچه جدول نشان می‌دهد این است که یک عدد در چنین صفحه‌ای ادعایی درباره آن صفحه است و نمی‌توان از آن به‌عنوان مشخصه مدل استفاده کرد.

کارهایی که این تولید برایشان مناسب است

فهرست زیر از حوزه‌های قابلیت و نمونه‌های منتشرشده ساخته شده نه از متن عمومی موارد استفاده. هر مورد نام می‌برد چه چیزی آن را مناسب می‌کند.

• تعامل دونفره و چندموضوعی، جایی که مدل‌های پیشین خطاهای فیزیکی تولید می‌کردند. نمونه خودِ ناشر یک زوج اسکیت نمایشی است که یک پرش هماهنگ اجرا می‌کنند و فرود را نگه می‌دارند.
• نماهایی که زبان دوربین بخشی از سفارش است. متن رونمایی می‌گوید مدل زبان دوربین را از روی دستور برنامه‌ریزی می‌کند و برایش یک قالب بصری طراحی می‌کند.
• توالی‌های ساخته‌شده از چند ارجاع. یک شخصیت، یک صحنه، چند وسیله صحنه و یک استوری‌بورد را می‌توان درون یک دستور به تصویرهای جداگانه نسبت داد، و پرامپت منتشرشده فیلم آرام‌بخش 15 ثانیه‌ای همین‌طور نوشته شده است.
• کارهای ادامه‌دار. قابلیت تمدید از روی یک پرامپت نمای‌های پیوسته بیشتری تولید می‌کند و نمونه منتشرشده یک صحنه سوارکاری را ادامه می‌دهد نه اینکه صحنه تازه‌ای آغاز کند.
• تعمیرها و تغییرهای هدفمند روی کلیپی موجود، چون قابلیت ویرایش چنین توصیف شده که روی بخش، شخصیت، کنش یا خط داستانی مشخصی عمل می‌کند.
• قطعه‌های صدامحور که صدا سوژه است، همان کاری که پرامپت منتشرشده ASMR با شیشه مات، پارچه کرکی، اکریلیک و فوم حبابدار می‌کند.
• محتوای تبلیغاتی و آموزشی، جایی که استدلال منتشرشده هزینه و زمان تحویل است نه نوآوری هنری.

چطور اینجا تولید کنید

فضای کاری این صفحه با Seedance 2.0 که از پیش انتخاب شده باز می‌شود. چهار گام، به همین ترتیب، همه آن چیزی است که لازم است.

1. حالت را انتخاب کنید. متن-به-ویدیو فقط پرامپت می‌خواهد. تصویر-به-ویدیو یک تصویر مرجع می‌افزاید و ارجاع-به-ویدیو یک کلیپ مرجع.
2. دستور را به همان ترتیبی که نما اتفاق می‌افتد بنویسید. پرامپت‌های خودِ ناشر ابتدا قالب را نام می‌برند، بعد دوربین را، بعد آنچه عوض می‌شود و بعد صدا را.
3. طول، وضوح، نسبت تصویر و اینکه صدا تولید شود یا نه را تنظیم کنید، بعد پیش‌نهادی که سرور پس می‌دهد را بخوانید. تا زمانی که پیش‌نهاد تأیید نشود چیزی شارژ نمی‌شود.
4. نتیجه را باز کنید، با دستور مقایسه‌اش کنید و برداشتی را که می‌خواهید دانلود کنید. ثبت دوباره با عوض کردن فقط یک متغیر، ارزان‌ترین راه یادگیری رفتار این مدل روی متریال خودتان است.

آنچه خود ناشر می‌گوید هنوز ضعیف است

متن رونمایی با بخشی ارزیابی تمام می‌شود که کاستی‌ها را کنار قوت‌ها فهرست می‌کند. این اعتراف‌ها از هر نمودار بنچمارکی سودمندترند و نقل شده‌اند نه بازفرمول‌بندی‌شده.

• پایداری جزئیات، فراواقع‌گرایی و سرزندگی پویا هنوز به پالایش مستمر نیاز دارند.
• اعوجاج صدا گاه‌به‌گاه رخ می‌دهد.
• سازگاری چندموضوعی، دقت رندر متن و افکت‌های ویرایش پیچیده هنوز جای بهینه‌سازی دارند.
• متن رونمایی می‌گوید مدل هنوز از کامل بودن دور است و در نتیجه‌های تولیدش نقص‌هایی باقی مانده.
• در بُعد صدا متن رونمایی از جهشی عظیم در قدرت بیان می‌گوید و جداگانه یادآور می‌شود دستورالعمل‌های لهجه، اپرای سنتی و آواز به‌طور محسوسی بهبود یافته‌اند؛ گزاره‌ای درباره بهبود نسبی نه دقت.

نمونه‌ها و عددها از کجا می‌آیند

هر تصویر این صفحه به یکی از ردیف‌های زیر برمی‌گردد. هر جا عددی از صفحه رقیب آمده باشد نه از ناشر، جدول همین را می‌گوید و هر کلیپ به صفحه‌ای که از آن برداشته شده منسوب است.