字节跳动发布 Seedance 2.5 视频生成模型：单次生成时长翻倍至 30 秒

字节跳动正式发布 Seedance 2.5 视频生成模型，将单次视频生成时长从 15 秒提升至 30 秒。该模型将陆续上线即梦 AI 与豆包专业版，API 服务也将于近期接入火山方舟，面向影视、广告、教育、工业制造及自动驾驶等多场景开放。

官方介绍，Seedance 2.5 延续了统一的多模态音视频联合生成架构，核心突破在于长叙事能力、多模态参考和编辑能力的全面提升。这意味着 AI 视频生成从"零散片段"迈向"完整叙事"成为可能。

30 秒多镜头叙事，多轮延长保持一致性

官方示例展示了一段歌手登台演出的完整片段：镜头从红色幕布缝隙推进至后台化妆间，女歌手整理耳机、接受工作人员提醒，随后穿过通道与舞伴互动、接过麦克风，最终登上舞台——镜头拉远至体育馆全景，观众、灯牌、荧光棒和欢呼声尽收眼底。模型在 30 秒内完成了铺垫、推进、转折、收尾等多个逻辑关联镜头的组织。

多轮延长能力同样值得关注。模型可在已有视频基础上继续生成 30 秒内容，并保持人物主体、场景、画面风格及声音音效的一致性。官方演示中，小男孩抱着足球跑出地铁车厢、男主追赶并最终抓住小男孩的连续动作衔接自然。

支持 30 张图片、10 段视频参考，群像调度能力升级

Seedance 2.5 支持用户单次输入最多 30 张图片、10 段视频、10 段音频作为参考素材。模型可综合理解不同素材中的构图、场景、风格、人物和道具等元素，并按指令精准用于视频生成。

在多人同框场景中，模型能够同时还原多人形象与声音，保持主体稳定。官方展示的 30 秒音乐会片段采用 16:9 横屏、电影感写实风格，参考素材涵盖钢琴家、大提琴、小提琴、主唱、管弦乐队、合唱团及观众席。当 AI 视频从"特效玩具"进化到能驾驭完整叙事和群像调度，短视频创作的工具形态或将迎来新一轮变革。