4月14日消息,字节跳动旗下火山引擎宣布,Seedance 2.0系列API服务正式上线,面向企业和个人用户全面开放。这是继4月2日企业公测之后的又一次重大扩展——此前API仅限完成企业认证的主体申请,个人用户被排除在外,此次开放意味着中小团队和独立开发者也能直接接入这一视频生成模型。
四模态输入架构与核心生成能力
Seedance 2.0采用双分支扩散Transformer(Dual-Branch Diffusion Transformer)架构,在业内首次支持文字、图片、音频、视频四种模态同时作为输入,单次请求最多可上传9张图片、3段视频和3段音频,合计12个参考文件。视频和音频通过并行分支处理,实现原生音画同步生成,无需后期单独配音。
在输出端,模型支持最长15秒视频生成,分辨率最高可达2K,覆盖16:9、9:16、1:1等多种画幅比。相比1.5版本,Seedance 2.0在复杂交互和运动场景中的可用率有明显提升——此前行业平均可用率约20%(即需反复生成5次才能获得可用素材),Seedance 2.0将这一指标拉到了头部水平,被创作者和企业客户评价为"抽卡少、易出片"。
模型还内置自动分镜系统,能将叙事文本拆解为多个连贯镜头,在不同镜头间保持角色外观、服装和场景的高度一致性。参考视频生视频的能力则支持对已有片段进行定向编辑和延长,相当于"接着拍"。
API定价与接入门槛变化
火山引擎此前公布的定价标准为:纯视频生成(不含视频输入)46元/百万tokens,视频编辑模式(含视频输入)28元/百万tokens。按官方测算,生成单条15秒视频约消耗30.9万tokens,纯生成场景下折合约15元一条,即1元/秒。
门槛层面的变化值得关注。4月2日的企业公测阶段设置了较高壁垒:仅限企业认证主体,默认并发数锁定10个且不可上调,真人人脸生成和自定义虚拟人像功能未开放,解锁完整能力需签署保底协议并缴纳至少100万元保证金。在此之前的内测阶段,最低签约框架规模达1000万元/年,一度催生拼单、接口私下转授等灰色市场。
此次全面开放API后,个人用户和中小企业不再被挡在门外,但保底客户与基础API用户的权益仍存在分级——前者拥有数百个并发、自定义虚拟人像库和真人人像授权等高阶功能,后者只能使用平台公共虚拟人像库。火山引擎同步提供超过1万个预置高质量虚拟人像,涵盖不同年龄和职业特征,作为基础用户的创作素材补充。
版权安全体系:API延迟开放的核心原因
Seedance 2.0的API之所以从2月内测到4月才逐步开放,版权安全是最大的阻塞点。火山引擎总裁谭待公开表示,传统版权保护技术已无法覆盖AI视频生成的复杂度——同一个人物可能被生成为年轻时的样子、素描风格、古装形象等多种变体,这些都需要被识别和保护。
火山引擎基于豆包VLM视觉语言模型能力,构建了覆盖输入素材、中间产物和最终输出的全流程检测系统。用户可通过火山方舟控制台完成人脸验证与肖像授权,授权后方可将该形象用于创作。在API全面开放前,字节曾因版权风险暂停了Seedance 2.0的海外发布计划——华特迪士尼公司此前向字节发函,指控其在训练模型时未经许可使用迪士尼旗下漫威和星战角色素材。
竞品格局:国内第一梯队四家并行
Seedance 2.0目前面对的竞争对手集中在三家:快手可灵3.0、生数科技Vidu Q3、MiniMax海螺2.3,四者构成国内AI视频生成模型第一梯队。海外则需面对OpenAI Sora 2、Google Veo 3.1、Runway Gen-4.5等。 可灵3.0的商业化进展更成熟——截至2025年12月拥有超6000万创作者,生成超6亿个视频,年化收入运行率达2.4亿美元,快手CEO程一笑表示有信心在2026年实现可灵收入超100%同比增长。可灵在画面质感和音画同步方面表现突出,但复杂打斗场景容易出现画面崩坏。 Vidu Q3在Artificial Analysis全球文生视频榜单中位列第一,生成速度比Sora 2快10倍,是唯一支持16秒音视频原生同出的模型。生数科技于2026年2月完成超6亿元A+轮融资,创下国内视频生成领域单笔融资纪录。不过Vidu在切镜一致性方面仍有短板,大动态场景容易出现画面模糊。
Seedance 2.0的差异化优势在于多模态参考输入的丰富度(12个文件同时输入)和自动分镜叙事能力。但可灵的用户生态规模和Vidu的生成速度优势同样构成壁垒。在海外市场,第三方平台Invideo、fal.ai等已接入Seedance 2.0 API,通过OpenAI兼容端点提供服务,720p分辨率下每5秒视频约0.05美元。