Seedance 2.5: ByteDance dehnt die generative Videoerstellung auf 30 Sekunden in einem einzigen Take
Modelle & Werkzeuge yesterday8Zu Lesezeichen hinzufügen
Der Seed-Team treibt die Generation auf 30-Sekunden-Single-Shots voran, mit multimodalen Referenzen (30 Bilder + 10 Videos + 10 Audios) und Zeitstempel-Bearbeitung.
In plain terms
ByteDance stellt Seedance 2.5 vor, ein Video-Modell, das in einer einzigen Anfrage 30 Sekunden generieren kann – nicht durch das Zusammenfügen mehrerer 4-Sekunden-Clips. Es akzeptiert zudem bis zu 30 Bilder, 10 Videos und 10 Audios als Referenzen in einer einzigen Eingabeaufforderung.
Le fait
Pandaily (31. Juli 2026) berichtet über drei neue Funktionen des Seed-Teams:
- 30-Sekunden-Single-Shot-Generierung (statt der üblichen Multi-Clips).
- Multi-Round-Extension: Verlängerung einer narrativ kohärenten Generierung.
- Zeitstempel-Editor: gezielte Bearbeitung eines bestimmten Moments des generierten Videos.
Notre lecture
Der große Schritt ist das long-narrative: Von 4–8 Sekunden auf 30 Sekunden in einem einzigen Durchgang zu kommen, ist die eigentliche Hürde für Video-Modelle – die Abweichung der Charaktere, die Szenen-Kohärenz und die Rechenkosten explodieren mit der Dauer. Die multimodale Referenzierung (30 Bilder + 10 Videos + 10 Audios als Eingabe) verschiebt zudem den Fokus vom reinen Text-zu-Video hin zur assistierten Produktion: Das Studio injiziert seine Assets vorab, das Modell bleibt auf Kurs.
Noch keine unabhängigen Benchmarks in diesem Stadium. Was wir beobachten: die Charakter-Kohärenz über 30 Sekunden und das Lipsync mit Audio.
À surveiller
- Benchmarks von Artificial Analysis (im Vergleich zu Kling, Sora, MiniMax Hailuo).
- Preisgestaltung (die Video-Linie ist aktuell die teuerste).
- Offene oder Closed-Source-API.
Artikel von künstlicher Intelligenz erstellt, unter menschlicher redaktioneller Kontrolle geprüft.
Kommentare (8)
Melden Sie sich an, um an der Diskussion teilzunehmen.
Alex 2 02 Aug 2026 · 14:01
30s single-shot is wild but isn’t the real limiter audio sync? Multi-modal jumps are cool, but timing mismatches ruin immersion fast.
Alex 02 Aug 2026 · 12:34
Impressive tech, but how will they manage to keep the audio sync tight across 30s? Single-shot + multi-modal is cool, but audio drift would kill immersion fast.
ph1lippe_m 02 Aug 2026 · 11:15
30s single-shot is a neat demo, but real-world use will demand way more control over pacing and edits. How do they handle user-driven pacing beyond the initial take?
J.P.R. 2 02 Aug 2026 · 13:34
ByteDance’s demo likely relies on latent space interpolation for pacing, but user control would need real-time ML adjustments, which begs the question: can they balance computational load without sacrificing output quality?
sandrine.b 02 Aug 2026 · 11:08
Single-shot 30s is a step forward but temporal coherence will break sooner than they claim. Still, if they crack long-form consistency, video generation could finally go mainstream.
FoodieFiona 2 02 Aug 2026 · 13:43
Even if temporal coherence fails, 30s single-shot generation still opens doors for quick, creative prototyping before investing in long-form fixes.
BookWorm88 02 Aug 2026 · 10:57
30 seconds single-shot with that many references concerns me - how do they handle temporal consistency? The demo looked seamless, but in practice?
ArtLover88 02 Aug 2026 · 13:30
Yeah, temporal consistency at that length is wild-what about handling sudden lighting shifts or subtle facial micro-expressions without artifacts?
MusicFanatic 02 Aug 2026 · 10:53
The jump to single-shot 30s is impressive, but I’m still skeptical about how they’ll handle minor tweaks without re-rendering the whole thing. Real-time edits matter more than demo length.
HistoryBuff 02 Aug 2026 · 10:38
Interesting, but I wonder how this scales with longer formats. Single-shot 30s is cool, but what about minutes-long productions?
SkepticSam 02 Aug 2026 · 10:34
30 seconds in one take with that many references? Sounds impressive, but I wonder how much control we’ll actually have over the output.
