💃Seedance 2.0

Seedance 2.0

ByteDance Seedance 2.0 — мультимодальная видео-модель с нативным синхронным звуком, до 1080p и приёмом сразу текста, изображений, видео и аудио как референсов. Эталон для e-commerce и сценариев, где важна точная сохранность продукта/лица/логотипа.

Hong Kong street-food stall at night, neon reflections on wet asphalt. Medium shot: a sweating chef in a white tee tosses a flaming claypot of black-pepper b…

---

Для чего она

Seedance 2.0 — это модель, заточенная под продакшен-нагрузку, в которой важна точность: логотип не «плывёт», лицо человека не меняется между кадрами, текст на упаковке остаётся читаемым.

• Multimodal вход. Можно дать текст + до 9 изображений одновременно (плюс на апстриме поддерживаются видео и аудио как референсы). Модель совмещает все данные в одну сцену.
• Native audio с lip-sync. Диалоги, окружение, SFX синхронизируются с действием. Beat-matched редактирование для музыкальных клипов.
• Стабильная физика. Гравитация, инерция, движение тканей, жидкостей — выглядит правдоподобно даже на быстрых сценах.
• Сохранение идентичности. Лица, логотипы, фирменные шрифты, цвета — удерживаются между кадрами. Это редкость даже среди премиум-моделей.
• Multi-shot нарратив. Понимает смену плана внутри одной сцены, удерживает героя и логику камеры через переход.
• Гибкая длительность. 4–15 секунд с шагом 1 секунда.

Когда брать Seedance 2.0:

• E-commerce: товарка, продуктовые видео-карточки, демо.
• Реклама и кампании, где критична сохранность бренда.
• Music videos и beat-matched ролики.
• Сценки с реальным человеком, где важно, чтобы лицо не «плыло».
• Сторибоды и предпродакшен для рекламы.
• Преобразование наброска/раскадровки в кинематографический превью.

Когда брать что-то другое:

• Нужен максимальный фотореализм рекламы → Veo 3.1 Quality (Seedance ему ближе, но Veo чуть лучше на крупных планах).
• Нужен мульти-кадровый нарратив до 15s с диалогом на 5 языках → Kling 3.0.
• Дёшево и для соцсетей → Veo 3.1 Fast или Kling 2.5 Turbo Pro.

---

Цена и разрешения

Тариф зависит от разрешения и наличия референса. Если приложили хотя бы одно референсное изображение — стоимость ниже (модель ему доверяет).

Примеры:

• 5 секунд, 720p, с референсом — 125 токенов
• 10 секунд, 720p, с референсом — 250 токенов
• 10 секунд, 1080p, без референса — 1020 токенов
• 15 секунд, 480p, с референсом — 180 токенов

Закладывайте референс везде, где это уместно — он почти вдвое снижает цену и одновременно улучшает результат.

---

Что задаёте при запуске

• Промпт — описание сцены. До 20 000 символов; можно подробно описывать движение, свет, эмоцию, действия.
• Длительность — 4, 5 … 15 секунд.
• Разрешение — 480p, 720p (по умолчанию), 1080p.
• Соотношение сторон — 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 или авто (модель подбирает сама).
• Image-to-video. Можно задать стартовый кадр и опционально конечный кадр — модель «оживит» переход между ними.
• Мультимодальные референсы — до 9 изображений + до 3 видео (2–15 c каждое, суммарно ≤ 15 c) + до 3 аудио (mp3/wav, до 15 МБ).
• Звук — флаг, по умолчанию включён.
• Web search — даёт модели подтянуть знания из сети (опционально).
• NSFW-фильтр — дополнительная проверка контента (опционально).

Сценарии image-to-video (со стартовым кадром) и reference-to-video (с любыми референсами) взаимоисключающие — апстрим запрещает их сочетать, форма проверит это до отправки.

---

Сценарии

E-commerce карточка товара

Загрузите фото товара → «руки распаковывают коробку, поворачивают устройство к камере, нажимают на кнопку — экран загорается». Логотип и форма сохранятся.

Music video

Длительный промпт с описанием сцены + указание ритма. Beat-matched монтаж получается естественным.

Talking head с продуктом

Референс лица + промпт «человек держит продукт у плеча и говорит: "Это решит вашу проблему"». Лицо узнаваемое, lip-sync на месте.

Превью раскадровки

Несколько кадров раскадровки как референсы + промпт со сценой — получите 10-секундное видео-превью.

---

Советы по промптингу

• Кладите референсы. Не только из-за экономии: модель лучше отрабатывает сцену с конкретным «образцом» персонажа/продукта.
• Описывайте движение, а не статичный кадр. «Рука медленно открывает крышку», «камера наезжает», «персонаж поворачивается».
• Для соцсетей — 720p и 9:16. Это самое популярное сочетание. 1080p — для финального продакшена.
• Звук — отдельной строкой. «Тихая фоновая музыка», «звук открывания упаковки», «диалог: персонаж говорит «...»». Так модель собирает аудио-микс правильно.
• Длинные промпты работают. Не бойтесь описывать сцену на 500–1000 слов — Seedance держит контекст.

---

Ограничения

• 1080p без референса — самый дорогой режим (102 ток./с). Если можете обойтись 720p или приложить референс — экономия в 2–4 раза.
• Sensitive-контент проходит модерацию.
• Анимационные стили (мульт, аниме) — не профильная задача; модель лучше работает на реалистичных сценах.

---