Seedance 2.0

Descripción general

Seedance 2.0 Fast es un modelo de generación de vídeo multimodal de la serie Seedance 2.0 de ByteDance, orientado a la producción rápida de vídeos. Admite tres vías: texto a vídeo, imagen a vídeo y vídeo generado a partir de referencias multimodales. Con un solo prompt, los desarrolladores pueden generar vídeos cortos de 4 a 15 segundos en 480p o 720p, especificar la relación de aspecto, el primer y el último fotograma, así como imágenes, vídeos y audios de referencia, y activar según sea necesario el audio nativo y la búsqueda en internet. Es adecuado para escenarios como previsualización publicitaria, vídeos cortos para redes sociales y fragmentos narrativos, donde se generan y seleccionan tomas útiles de forma iterativa con un coste de espera bajo.

Puntos clave

• Tres modalidades de entrada que cubren las formas habituales de generar vídeo: un mismo modelo admite texto a vídeo, imagen a vídeo con primer y último fotograma, y vídeo generado a partir de referencias multimodales, por lo que no es necesario cambiar entre varios modelos al elegir.
• Los materiales de referencia se combinan para controlar el resultado: hasta 9 imágenes de referencia, 3 vídeos de referencia y 3 audios de referencia, con una duración total no superior a 15 segundos, para condicionar la imagen y el estilo sonoro-visual con dichos materiales.
• Audio nativo con interruptor opcional: se genera audio nativo de forma predeterminada; si se necesita material solo de imagen para doblaje posterior, puede desactivarse directamente.
• Búsqueda en internet en texto a vídeo: en el escenario de texto a vídeo puede activarse la búsqueda en internet para complementar el prompt con información actualizada necesaria para la generación.

Descripción de capacidades

Vídeo generado a partir de referencias multimodales: el resultado se condiciona mediante la combinación de imágenes, vídeos y audios de referencia; en cada llamada, hasta 9 imágenes, 3 vídeos y 3 audios, adecuado para la producción de tomas que requieren alineación con materiales.

Control de primer y último fotograma: en imagen a vídeo se puede introducir una imagen de primer fotograma y, opcionalmente, una de último fotograma, para especificar los fotogramas inicial y final de la toma, lo que facilita generar contenido de transición entre materiales existentes.

Duración y resolución ajustables: la duración de salida se ajusta en segundos enteros entre 4 y 15 segundos, y la resolución puede ser 720p o 480p; 720p ofrece mayor calidad y 480p es más rápido y económico. La facturación se calcula por segundos de salida.

Formato y configuración de audio: la relación de aspecto admite siete opciones: 1:1, 4:3, 3:4, 16:9, 9:16, 21:9 y adaptativa; se puede generar audio nativo, y el formato y la forma sonoro-visual se eligen según el canal de distribución.

Generación guiada por prompt de texto: el prompt admite hasta 20000 caracteres y soporta chino e inglés; basta con describir el contenido de la toma con texto para generar el vídeo directamente, sin necesidad de preparar materiales de referencia.

Casos de uso

• Equipos publicitarios que generan rápidamente varias versiones de vídeos de texto: generar por lotes vídeos cortos en 480p o 720p a partir de un guion de texto combinado con imágenes de referencia, para presentaciones creativas y preselección de materiales de campaña.
• Previsualización de storyboards que requiere coherencia de personajes o estilo: introducir el mismo conjunto de imágenes y vídeos de referencia para generar tomas cortas con estilo coherente, como referencia previa al rodaje real o a la posproducción.
• Producción de vídeos cortos verticales para redes sociales: elegir el formato 9:16 y activar el audio nativo para generar directamente material adaptado al feed vertical.
• Completar tomas de transición entre materiales existentes: especificar imágenes de primer y último fotograma para generar el movimiento intermedio, y así enlazar en el montaje dos materiales grabados o compuestos.

Limitaciones y recomendaciones de elección

La duración máxima de salida por llamada es de 15 segundos, por lo que solo sirve para tomas cortas; los vídeos largos deben generarse por segmentos y montarse después. Los materiales de referencia están limitados en cantidad y duración total, por lo que los proyectos complejos deben dividirse en varias llamadas. No admite resoluciones superiores a 480p/720p; para entregables de alta calidad se requiere un reescalado posterior. La búsqueda en internet solo funciona en texto a vídeo y no está disponible en los escenarios de imagen a vídeo ni de generación con referencias. Si se necesita mayor calidad de imagen o tomas más largas, conviene evaluar otros modelos de la misma serie.