4月2日消息,字节跳动旗下火山引擎的 Seedance 2.0 视频生成模型已面向企业用户开放公测申请。这是首个支持原生音视频联合生成的模型,可同时接受文本、图片、视频、音频四模态输入,生成带原生音轨的多镜头视频。火山引擎对 Seedance 2.0 的定价为每百万Token ¥28~46,含视频输入(V2V编辑)场景更便宜,不含视频输入(纯文本生成)场景稍贵。
多模态音视频联合生成:不只是"能配音"
Seedance 2.0 的核心突破在于原生的音视频联合生成架构。此前的 AI 视频模型——包括 Seedance 自身 1.0 版本——都是先画面后声音的两步流程:生成视频,再用其他模型叠加音频。Seedance 2.0 将音视频生成统一到同一个模型中,视觉节奏与音乐、音效、配音在生成时同步对齐。
输入端同样大幅扩展。模型最多支持同时输入 9 张图片、3 段视频参考和 3 段音频参考,覆盖构图、运动、风格、节奏等多个维度。配合"时间线提示词"(timeline prompting)和引用系统,用户可以精确控制视频的时间结构和角色一致性。
输出方面,Seedance 2.0 支持 4~15 秒视频生成,最高 1080P 分辨率,2K 版本标注为"待公布"。相比 1.0 版本,生成速度提升了约 30%。
据了解,企业版的基础配置:
- 默认并发数为10(一个企业账号同时最多提交10个生成任务,不支持上调)。
高阶权限要求(提升并发、解锁真人/自定义人像、获得原厂技术支持):
- 支付10%预付款 + 100万元保证金(协议期满后按约定返还)
定价策略:每百万 Token ¥28 的价格战
火山引擎给 Seedance 2.0 定了一个不算高的价格。按官方定价,包含视频输入的编辑场景(V2V)每百万 Token ¥28,纯文本生成场景(T2V)每百万 Token ¥46。视频token用量估算公式:(输入视频时长+输出视频时长) × 输出视频的宽 × 输出视频的高 × 输出视频的帧率/1024
换算成实际成本:生成一条 15 秒 720P 24fps 的视频,T2V 模式下大约消耗 308,880 Token,成本约 ¥14;编辑已有视频(V2V 模式)则约 ¥8.65。这个价格在当前视频生成市场中处于中低水平——作为参照,Runway 的高级订阅月费约 $95,可灵高级版月费约 $180,均为固定月费而非按量计费。 新注册企业用户还可获得 500 万 Token 的首次试用额度,大约可以生成 130 余条 4 秒视频,足够进行一次完整的评测。