Seedance 2.0 多模态参考视频生成

Seedance 2.0 是什么

Seedance 2.0 是字节跳动 Seed 的视频创作模型，2026 年 2 月 12 日发布，官方模型页在 seed.bytedance.com/zh/seedance2_0。那一页上的一句话就是它的定位：采用统一的多模态音视频联合生成架构，支持文字、图片、音频、视频四种模态输入，集成了目前业界最全面的多模态内容参考和编辑能力。

发布博客把它的接口身份也写清楚了。模型页的「获取 API」按钮指向火山方舟控制台里的 doubao-seedance-2-0 条目，发布时它已经上线即梦 AI、豆包等平台。这个标识值得记住，因为凡是转售这一代模型的站点都会用自己的说法描述它，而名字往往对不上。

本页把三件事分开写。官方说了什么，逐条引用并标明出处。其他页面宣称了什么，照录并标明是它们的说法，官方没有佐证的地方会指出来。本站工作台开放了什么，读的是本站自己的配置，可以核对而不必相信。

还有一个时间点要放在最前面。Seedance 2.0 并不是这个家族最新的一代。官方模型清单里另有 Seedance 2.5，它自己的页面写着具备 30 秒长叙事、精准参考与编辑能力，比本页讨论的 2.0 页更新。本页不作相反的说法。

官方发布博客上的四条主张

下面四条是官方在 2026 年 2 月 12 日发布博客里用小标题列出的核心亮点。本页里来自官方而非转售方的能力主张，就只有这四条。

官方博客逐项说明的五个能力方向

发布博客随后用五个小节展开，每一节都配一条公布的提示词。下面的清单就是那套结构，不是本页另写的概括。

• 稳定呈现复杂运动和交互，真实还原物理规律。官方给的例子是双人花样滑冰，同步起跳、空中旋转、精准落冰，并且按镜头逐条写出来。
• 支持多模态全能参考。构图、镜头语言、动作节奏、音效特点都可以从输入素材里取，官方还写明文字分镜内容也能直接被参考。
• 指令遵循、主体一致性与编导思维。官方说模型可自主规划镜头语言，并按指令设计视觉呈现模板。
• 双声道音频与多轨并行输出。背景音乐、环境音效、人物配音一起生成并与画面节奏对齐，官方还特别点出磨砂玻璃、毛绒织物、亚克力、气泡纸这类细微音效。
• 全场景广泛适配。官方点名商业广告、影视特效、游戏动画、解说视频，理由是用生成替代部分特效制作和实拍流程可以压低成本、缩短周期。

官方公布的输入与输出边界

这些是官方写明的边界，放在第三方页面宣传的数字旁边。官方没有公布的项目，表格里就写没有公布，因为空着比猜一个数字有用。

可以直接复制的提示词

下面每一条都是官方在对应能力小节里印出的原文，逐字照录，没有改写。本页下方带提示词的案例片段用的是同一批原文。

竞技级双人花样滑冰现场。开场低机位跟随冰刀滑行，冰屑与反光细节清晰。进入旋转段，男选手轴线微偏出现失误，旋转节奏短暂塌陷。女选手迅速调整重心，眼神冷静并示意“Stay with me”，主动引导男选手重新对齐节奏。随后无缝衔接托举动作，线条干净稳定。高潮为同步跳跃组合，空中姿态笔直，落冰果断，音画完美对齐。女选手身着深蓝花滑裙，男选手为竞技运动装。整体呈现从紧张失误到冷静完成比赛的完整叙事，体现顶级双人花样滑冰中的技术能力与心理强度。

女孩优雅地晒衣服，晒完接着在桶里拿出另一件，用力抖一抖衣服。

参考 @图片 1 分镜头脚本，参考 @图片 1 的分镜、景别、运镜、画面和文案，人物角色是 @图片 2，场景是 @图片 3，道具是 @图片 4，创作一段 15s 的治愈片。

延长视频，镜头跟拍骑棕马的橙衣男人，他加快速度跑到前方一棵开着橙色花朵的大树前，将树枝上的两朵花折下，随后其他人也陆续骑着马跑进镜头内。镜头推进拍摄这个橙衣男人翻身下马，镜头快速环绕他，他转身走向骑着白马的白衣女子，将花献给白衣女子。中国风仕女图风格，3D，欢快民乐，皮影风格，黑白橙色为主调。

沉浸式第一视角手部 ASMR 视频。近景特写镜头，暖黄柔光下，一双纤细的手依次轻轻触发不同物品：磨砂玻璃轻刮声、毛绒织物揉搓声、亚克力板轻敲声、气泡纸轻捏声、木质梳子梳齿轻划声。手指动作缓慢轻柔，无背景音乐纯自然触发音，画面氛围松弛治愈。

本工作台开放了哪些控件

以下是本站视频工作台为这个模型实际渲染出的控件，读的是工作台配置而不是宣传页。你能提交什么以选择器当时的状态为准，价格在任务创建之前由服务端解析。

其中两行值得和官方的数字对读。本站把单次时长上限设在 15 秒，与官方公布的 15 秒多镜头输出正好一致。分辨率只给 480p、720p、1080p 三档，没有 2K 或 4K 档，因为背后这项服务实际报价的就是这三档。

本页八段片段的来源

下面图例里，四段来自官方 Seedance 2.0 模型页，每段都带官方在旁边印出的提示词。另外四段是三个竞品页在这个模型名下发布的案例，原样取回，好让各页能支撑到什么程度变得看得见，而不是只听描述。

把下载回来的文件按 SHA-256 比对，而不是靠肉眼，得到一条值得直说的结果。本页收集的 43 个文件里，有两个文件被不同来源逐字节重复发布。seedance.tv 放在「沉浸式电影级音画体验」小节下的那段，与官方 Seedance 2.0 页第一段视频是同一个文件，后者位于官方的「极致拟真的视听体验」小节下。seedance.tv 的第一段片段，又和 seedance-2.studio 的首屏片段是同一个文件。

重新发布一个文件的页面，描述的是挂在这个文件上的官方样例，而不是它自己的独立结果。本页不把任何片段归功于碰巧托管它的站点：每个图例都写明取自哪一页，本节背后的证据文件记录了每个来源 URL、下载文件的 SHA-256，以及已发布对象的 SHA-256 与字节数。

Seedance 2.0 与 Seedance 2.5，各读自己的页面

两代在官方站上各有自己的页面，所以这是本页唯一一处两边同源的对照。它比的是两份公开定位，而不是两套测试结果。

实际读法是，2.0 这一代官方强调的是参考广度与物理合理性，公布的上限是 15 秒；2.5 则是官方用时长来主推的一代。镜头需要在一条里超过 15 秒的人，在这个家族里看错了入口，本站也不会为这个模型放出更长的时长。

为什么别处的数字不一样

站主要求调查的四个页面，在好几个数字上既与官方不一致，彼此之间也不一致。下面每一行先写那一页的说法，再写官方的说法，把差距留在记录里而不是塞进脚注。

这里不是指控谁在造假。转售页描述的是它自己的产品拿着这个模型能做什么，它完全可以自行提供官方博客从未提到的 2K 或 4K 档。这张表要说明的是，这类页面上的数字是关于那一页的宣称，不能拿来当模型的规格。

适合交给它做的活儿

下面这份清单来自官方的能力小节与公布的样例，不是通用的场景文案。每一条都说清它契合在哪里。

• 两人或多主体的互动镜头，也就是前代容易出物理错误的那类。官方自己的样例就是一对花滑选手完成同步跳跃并稳住落冰。
• 镜头语言本身就是需求一部分的镜头。官方写明模型会按指令自主规划镜头语言并设计视觉呈现模板。
• 由多份参考拼起来的序列。角色、场景、道具和分镜可以各自分配给不同图片，官方那条 15 秒治愈片提示词就是这么写的。
• 接着拍的活儿。延长功能按提示生成连续镜头，官方样例是把一段骑马的镜头往下接，而不是重新起一段。
• 对已有片段做定向修补和改动，因为编辑能力被描述为针对指定片段、角色、动作或剧情生效。
• 以声音为主题的片子，也就是官方 ASMR 提示词用磨砂玻璃、毛绒织物、亚克力和气泡纸做的那种。
• 商业广告与解说内容，官方在那里的论据是成本与周期，而不是艺术上的新奇。

在本站怎么生成

本页的工作台打开时已经选中 Seedance 2.0，按顺序做四步就够了。

1. 先定模式。文生视频只需要提示词，图生视频加一张参考图，参考生视频加一段参考片段。
2. 按镜头发生的顺序写指令。官方自己的提示词都是先写形式，再写运镜，再写变化，最后写声音。
3. 设置时长、分辨率、画面比例和是否生成音频，然后读服务端返回的报价。报价确认之前不会产生扣费。
4. 打开结果，对照指令，下载想要的那一版。只改一个变量再提交一次，是了解这个模型在自己素材上表现的最省钱办法。

官方自己承认还不够好的地方

发布博客最后是评测小节，既列长处也列问题。这些自述比任何一张跑分图都有用，所以照录而不转述。

• 在细节稳定性、超写实和动态活力方面仍需持续改进。
• 偶发音质失真。
• 多主体一致性、文字渲染准确性和复杂编辑效果仍有优化空间。
• 官方原话是，Seedance 2.0 还远非完美，生成结果中仍存在各种瑕疵。
• 音频维度上官方写的是表现力大幅提升，并另说方言、传统戏曲与演唱场景的指令响应准确度明显改善，这是相对进步的说法，不是准确率的说法。

图例与数字的来源

本页每个数字都能追到下面某一行。数字若来自竞品页而不是官方，表格会写明；每段片段都注明取自哪一页。