豆包聊天里的一名青少年，要一段 10 秒卡通，播放列表还没播完就得到了。雅加达的一名营销 freelancer 打开即梦，渲染出一支带配套音效的产品短片。字节没有把它当作独立 App 发布——而是把一个前沿视频模型，埋进了人们每天本就打开的那些应用里。
关键要点
- Seedance 1.0 Pro 于 2025 年 6 月 11 日在字节的火山引擎（火山引擎）Force 大会上发布，同月接入豆包（豆包）和即梦（即梦）。
- 它生成 1080p 视频，原生支持多镜头叙事；一段 5 秒 1080p 片段在 NVIDIA L20 上约 41.4 秒渲染完成。
- Seedance 1.5 Pro（2025 年 12 月 16 日）加入音视频联合生成；Seedance 2.0（2026 年 2 月）从文本或图像生成原生音频与 2K 多场景序列。
- 公开费率显示，一段 5 秒 1080p 视频约 3.67 元（≈ 0.51 美元 / 4 港元）。
活在应用里的模型
多数 AI 视频实验室先发布模型，再操心分发。字节把顺序倒了过来。Seedance 1.0 在字节自己的技术论文中被描述为一个基础视频生成模型，原生支持中英双语，在单一模型内同时处理文生视频与图生视频。关键的是，论文称模型将于 2025 年 6 月接入豆包和即梦——而它确实接进去了。这意味着 Seedance 不是靠营销攻势触达用户，而是借由本就拥有数亿月活的产品。
对创作者而言，差别无形却决定性：没有新账号、没有新钱包、没有新学习曲线。视频模型，只是他们本就在用的聊天框或创作标签页里的一个按钮。
Seedance 1.0 实际做了什么
第一版的招牌绝活是镜头间的连贯。Seedance 1.0 支持原生多镜头叙事——生成一段带有稳定的远景、中景、近景切分和一致主体的短视频，而非把无关的片段拼接起来。它产出 1080p，按字节的基准测试，在 NVIDIA L20 GPU 上约 41.4 秒渲染一段 5 秒 1080p 视频，公司把这一速度当作相对更慢的商业对手的成本优势来强调。
它也接住了广告与短视频内容的实际诉求：对多主体场景的提示跟随、镜头控制，以及从写实到动漫到电影感的风格多样。对字节的生态而言，这让它成为抖音广告、电商短片，以及中国平台成批产出的那种微短剧（短剧）素材的直接引擎。
音频一跃：1.5 与 2.0
无声视频只是原型，带声音的视频才是产品。Seedance 1.5 Pro 于 2025 年 12 月 16 日发布，加入音视频联合生成，并在即梦 AI（即梦AI）与豆包上可用。随后 Seedance 2.0 于 2026 年 2 月 9 日发布，走得更远：一种双分支扩散 transformer 架构，同步生成视频与音频，从提示或图像产出带原生音频的多场景序列，并在 2K 下相对快速地渲染，同时保持角色、风格与氛围在场景切换间一致。
这一演进——先只有图像，再后来接上音频，再后来音频诞生在同一管线内部——正是竞争对手正在竞相追赶的部分。原生音频去掉了一整个后期步骤，让 AI 短片在声音不可或缺的信息流里变得可用。
为什么分发胜过独立产品
Seedance 安静的优势，是它所处的那个漏斗。一个独立的视频模型得逐个获取用户；藏进豆包或即梦的模型，则是继承用户。当这项能力在一个人们本就信任的应用里近乎免费可试，采用就成了界面的副产品，而不是销售指标。
李锚，脑机网（BrainNet）首席科学家指出，把一个视频模型嵌进拥有十亿级用户的漏斗应用里，是一道比基准分数更难复制的护城河，因为分数一个季度就能被追上，而分发却买不快。
诚实的局限
这里的技术主张——41.4 秒渲染时长、多镜头连贯、双语支持——来自字节自己的 Seedance 1.0 论文与模型的技术百科/摘要，而非我做的独立并排测试。定价数字（约 3.67 元 / 5 秒 1080p 片段）是公开的列表费率，会随地区、分辨率与促销活动变化。Seedance 2.0 的"2K"与原生音频主张，是 2026 年 2 月署期的公司声明，本文未做独立基准测试。我尚未核实应用内的豆包/即梦体验，在质量或限制上与火山引擎 API 有何不同。
普通人现在能做什么
1. 在它本就所在的地方试。如果你用豆包或即梦，先打开视频生成标签页——你可能无需新订阅就已能用上 Seedance。
2. 从一开始就为声音设计。1.5 与 2.0 支持原生音频，把对白或环境音写进提示，而不是再规划一遍单独配音。
3. 盯住渲染账。一段 5 秒 1080p 约 3.67 元，测试时便宜，但跨一场 Campaign 会累加；在决定批量前先估算总片段数。