大數據文摘出品

近日，字節跳動發布的 Seedance 1.0，一個強大的AI 視頻生成模型。

在權威評測平臺 Artificial Analysis 上，它同時拿下文本轉視頻、圖像轉視頻兩個第一，力壓 Google 的 Veo 3、快手的可靈 2.0 和 OpenAI 的 Sora。

Artificial Analysis 文生視頻榜單

Artificial Analysis 圖生視頻

榜單

（注：為實現評估上的統一，Artificial Analysis 將 Veo 3 Preview 生成視頻去掉聲音后參與上述榜單評測。）

Seedance 最大的特點，是能把一句簡單的文字，變成一段完整、連貫、多鏡頭的視頻。比如你輸入“女孩彈鋼琴，多鏡頭切換，電影質感（I2V）”，生成視頻就能呈現多個視角切換、人物動作流暢、風格統一，甚至連光線方向和背景細節都基本對得上。

視頻來自字節跳動官方微信

這不只是“能畫”，而是“能拍”。

目前生成 5 秒高清視頻僅需 41 秒，生成速度在公開同類模型中屬于較快水平；雖然還不支持音頻，但在畫面質量、動作自然度和鏡頭控制上，Seedance 已經讓不少業內人驚訝。

視頻模型難，不是難在清晰度

AI 做視頻的難點，其實不是畫得清楚，而是“動得自然、連得上”。一個角色從 A 點走到 B 點，臉型不能變、步態要順、鏡頭別晃，這遠比做出一張好圖復雜得多。

視頻來自字節跳動官方微信

Seedance 為了解決這個問題，走了一條“笨功夫”路線：大規模訓練 + 逐層過濾。它背后的數據集包含了從公開和授權渠道收集的大量視頻，經過多輪清洗，剔除了水印、字幕、暴力等內容，然后再由自動系統和人工加上關于人物動作、畫面風格、鏡頭語言等上萬個標簽。

這種“精修標簽”的方式，不同于直接塞入大量數據堆算力。它讓模型真正學會理解“鏡頭推近”“緩慢轉頭”“城市黃昏光線”這類描述，而不是僅憑關鍵詞去“拼湊”畫面。

在后續訓練中，字節還用到了“人類反饋”：讓人類挑出更符合提示、更自然的視頻，讓模型持續優化輸出質量。也就是說，它不是一次訓練完畢，而是在“人挑視頻—模型學習—人再挑”的反饋閉環中不斷打磨。

從內部測試走向產品化

和 Veo、Sora 這類狀態的模型不同，Seedance 已經實打實接入了字節跳動自己的產品：AI 創作平臺「即夢」，以及智能助手「豆包」。前者面向專業創作者，后者則讓普通人也能用一句話生成視頻。

產品團隊設計了一個很典型的使用場景：用戶對著手機說，“幫我做一個講健康飲食的短視頻”，Seedance 就能自動生成場景、人物、鏡頭語言，再配上豆包的文本邏輯，30 秒后，一個帶有結構和風格的視頻就完成了。

這個過程中，官方定位為 ‘零提示門檻’，無需用戶編寫復雜 Prompt。但目前也有短板，比如不支持音頻，不支持人物連續說話或演講等復雜語義。對此，團隊正在開發下一個版本。

注：封面圖AI生成

GPU算力按需租用

A100/H100 GPU算力按需租用，

秒級計費，平均節省開支30%以上！

掃碼了解詳情?