Seedance 2.0 i moment multi-input dla wideo

Większość modeli wideo bierze prompt. Seedance 2.0, który ByteDance wypuścił we wczesnym dostępie w marcu i ogólnie udostępnił w tym tygodniu, bierze coś bliższego briefu reżysera: do dziewięciu obrazów referencyjnych, trzech klipów referencyjnych, trzech ścieżek audio plus prompt. Tłuczemy go od tygodnia. Możliwości są prawdziwe, nierówności też prawdziwe, a przypadki użycia, gdzie wygrywa, nie są tymi, których się spodziewaliśmy.

Dlaczego multi-input to kategoria, nie funkcja

To, w czym modele wideo były słabe — u każdego dostawcy — to spójność. Wygeneruj trzy klipy „kobiety idącej przez kawiarnię” i dostajesz trzy różne kobiety w trzech różnych kawiarniach. Dla storyboardów, pracy brandowej, teledysków, treści odcinkowych to prawdziwy blocker. Wizualnie wygląda dobrze w izolacji; przestaje być użyteczne w momencie, gdy potrzebujesz, żeby scena B wyglądała, jakby należała do tego samego świata co scena A.

Multi-input to naprawia, pozwalając ci powiedzieć „tak wygląda postać (obraz 1), tak wygląda pokój (obraz 2), taki nastrój chcemy (klipy 1 i 2), taka muzyka (audio 1).” Seedance 2.0 nie jest pierwszym, który próbował — Pika miała wersję, Runway ma betę — ale to pierwszy, w którym działa wystarczająco często, żebyśmy rekomendowali budowanie workflow wokół niego.

Gdzie faktycznie wygrywa

Po tygodniu stress-testów trzy kategorie to wyraźne wygrane:

Storyboardy do short-form video. Weź deck referencji brandu, wgraj 4–6 stilli do Seedance i możesz wygenerować sekwencję klipów, które dzielą tożsamość wizualną. Dostawaliśmy ok. 80% spójności postaci w sekwencjach 8-klipowych, co wystarcza, żeby było użyteczne w realnej pętli produkcyjnej (złe 20% po prostu regeneruje się).

Teledyski i sekwencje zsynchronizowane z tempem. Wejście audio nie jest do generowania dźwięku — Seedance jest cichy — jest do pacingu. Wrzuć 30-sekundowy klip swojego utworu, a model tnie ruch do beatów. Wypróbowaliśmy to na trzech realnych utworach i wynik wahał się od „okej, użyteczny punkt startowy” do „to faktycznie nadaje się do wypuszczenia z lekkimi edycjami”. W porównaniu do generowania klipów po cichu i edytowania ich do muzyki potem — godziny zaoszczędzone.

Spójny ruch produktu z brandem. Wgraj still produktu i trzy referencje stylu brandu; wygeneruj produkt obracający się, w ruchu, w kontekście. Sam produkt zostaje niezwykle stabilny między generacjami w sposób, którego modele prompt-only nie potrafią dorównać. Czy kontekst wokół niego wygląda jak twój brand — jest bardziej hit-or-miss, ale to już nie wąskie gardło.

Gdzie nadal się potyka

Model ma jasne słabości, o których ogłoszenie launchu pewnie ci nie powie:

• Ruch w długiej formie. Cokolwiek poza 10–12 sekund i spójność ostro spada. Model trzyma pierwsze kilka sekund dobrze, dryfuje w środku i tylko czasem odzyskuje pod koniec. Na razie traktowalibyśmy go jako generator klipów, nie scen.
• Złożone dopasowanie audio. Pacing do pojedynczego utworu instrumentalnego: działa. Pacing do dialogu albo utworu z wieloma wyraźnymi sekcjami: jak trafi. Model łapie tempo, ale ma problem ze strukturalnymi cue typu przejście zwrotka–refren.
• Dłonie i stopy. Standardowe zastrzeżenie — Seedance nie jest lepszy niż reszta pola w tym. Ciasne kadrowanie rąk lub stóp to nadal miejsce, gdzie modele wideo padają.

Jak go używamy

W studiu Seedance 2.0 siedzi w selektorze wideo jak pozostałe, ale z innym domyślnym UI: panel wejściowy pokazuje sloty referencyjne od razu, bo model jest zaprojektowany do karmienia referencjami. Jeśli podasz tylko prompt tekstowy, dostaniesz coś akceptowalnego, ale używasz modelu źle — jak używanie FLUX bez podawania stylu.

Dodaliśmy wzorzec „zestaw referencji” do studia razem z tym launchem: wgraj raz zestaw stilli, nazwij go („Northbreak brand kit”, „Maya postać”), i jest dostępny we wszystkich modelach wideo wspierających referencje — nie tylko w Seedance. Ten sam zestaw referencji może napędzać sekwencję Seedance i kontynuację Kling w tym samym projekcie.

Gdzie pasuje w lineupie

Seedance 2.0 niczego nie zastępuje w naszej logice rekomendacji. HappyHorse nadal jest defaultem dla wspólnego audio-wideo. Veo nadal to ujęcie hero kinowe. Grok Imagine nadal default social. Seedance to opcja brief-driven — dla momentów, gdy masz jasną intencję wizualną podpartą materiałem referencyjnym i chcesz, by spójność była nagłówkową cechą.

Dodaj go do rotacji. Nie wycofuj niczego, żeby zrobić mu miejsce.