Seedance 2.0

Visão geral e posicionamento

Seedance 2.0 Fast é o modelo de geração de vídeo multimodal da série Seedance 2.0 da ByteDance, voltado à produção rápida de vídeos, com suporte a três modos: texto para vídeo, imagem para vídeo e vídeo gerado a partir de referências multimodais. Desenvolvedores podem gerar, com um único prompt, vídeos curtos de 4 a 15 segundos em 480p ou 720p, especificando proporção de tela, primeiro e último quadros e imagens/vídeos/áudios de referência, além de ativar, conforme a necessidade, áudio nativo e busca na internet. É adequado para pré-visualização de anúncios, curtas para redes sociais e trechos narrativos, permitindo gerar repetidamente e selecionar tomadas utilizáveis com baixo custo de espera.

Destaques principais

• Três modos de entrada cobrem as formas comuns de produção — o mesmo modelo suporta texto para vídeo, imagem para vídeo com primeiro e último quadros e vídeo gerado a partir de referências multimodais, sem necessidade de alternar entre vários modelos na escolha.
• Materiais de referência combináveis controlam o resultado — até 9 imagens de referência, 3 vídeos de referência e 3 áudios de referência, com duração total não superior a 15 segundos, usando os materiais para restringir a imagem e o estilo audiovisual.
• Áudio nativo com opção de ativação — o áudio nativo é gerado por padrão e pode ser desativado quando se deseja material apenas visual para dublagem posterior.
• Busca na internet disponível em texto para vídeo — no cenário de texto para vídeo, é possível ativar a busca na internet para complementar o prompt com informações atualizadas necessárias à geração.

Descrição das capacidades

Vídeo gerado a partir de referências multimodais: restringe o resultado por meio da combinação de imagens, vídeos e áudios de referência, com até 9 imagens, 3 vídeos e 3 áudios por chamada, adequado para produções de tomadas que exigem alinhamento de materiais.

Controle de primeiro e último quadros: em imagem para vídeo, é possível enviar a imagem do primeiro quadro e, opcionalmente, a do último quadro, para especificar os quadros inicial e final da tomada, facilitando a geração de conteúdo de transição entre materiais existentes.

Duração e resolução ajustáveis: a duração de saída é definida em segundos inteiros entre 4 e 15 segundos, com resolução de 720p ou 480p; 720p oferece maior qualidade de imagem, enquanto 480p é mais rápido e econômico, com cobrança calculada pelos segundos de saída.

Configuração de proporção e áudio: a proporção de tela suporta 1:1, 4:3, 3:4, 16:9, 9:16, 21:9 e adaptativa, totalizando sete opções; é possível gerar áudio nativo, escolhendo a proporção e o formato audiovisual conforme o canal de veiculação.

Direcionamento por prompt de texto: o prompt tem no máximo 20000 caracteres e suporta chinês e inglês; basta descrever o conteúdo da tomada em texto para gerar o vídeo diretamente, sem necessidade de preparar materiais de referência.

Cenários de aplicação

• Equipes de publicidade gerando rapidamente várias versões de curtas de copy — gerar em lote curtas de 480p ou 720p a partir de roteiros textuais combinados com imagens de referência, para disputas criativas e triagem inicial de materiais de veiculação.
• Pré-visualização de storyboard com personagens ou estilo unificados — enviar o mesmo conjunto de imagens e vídeos de referência para gerar tomadas curtas com estilo coerente, como referência prévia para filmagem oficial ou pós-produção.
• Produção de vídeos curtos verticais para plataformas sociais — selecionar a proporção 9:16 e ativar o áudio nativo para gerar diretamente materiais adequados ao feed vertical.
• Complemento de tomadas de transição entre materiais existentes — especificar imagens do primeiro e do último quadros para gerar o movimento intermediário, usado na edição para conectar dois trechos de filmagem real ou material composto.

Limitações e recomendações de escolha

A duração máxima de saída por chamada é de 15 segundos, adequada apenas a tomadas curtas; vídeos longos exigem geração em segmentos e posterior montagem. Os materiais de referência estão sujeitos a limites de quantidade e duração total, e projetos complexos precisam ser divididos em várias chamadas. Não há suporte a resoluções acima de 480p/720p, sendo necessário ampliar separadamente para entregas de alta qualidade. A busca na internet funciona apenas em texto para vídeo, não estando disponível em imagem para vídeo e em geração com referências. Caso seja necessária qualidade de imagem superior ou tomadas mais longas, deve-se avaliar outros modelos da mesma série.