Seedance 2.0 и момент мульти-входа для видео

Большинство видеомоделей принимают промпт. Seedance 2.0, которую ByteDance выпустила в early access в марте, а на этой неделе сделала общедоступной, принимает нечто ближе к режиссёрскому брифу: до девяти референсных изображений, три референсных клипа, три аудиодорожки плюс промпт. Неделя стресс-тестов. Возможности реальные, шероховатости реальные, а сценарии, где она выигрывает, не те, что мы ожидали.

Почему мульти-вход — это категория, а не фича

Что видеомодели — у любого провайдера — делают плохо, это консистентность. Сгенерируйте три клипа «женщина идёт по кофейне» — получите трёх разных женщин в трёх разных кофейнях. Для сторибординга, бренд-работы, клипов, эпизодических форматов — это и есть блокер. Кадры в изоляции выглядят нормально; перестают быть полезны, как только сцена B должна выглядеть из того же мира, что и сцена A.

Мульти-вход чинит это, позволяя сказать: «вот персонаж (image 1), вот комната (image 2), вот настроение (клипы 1 и 2), вот музыка (audio 1)». Seedance 2.0 — не первая, кто пробует — у Pika была версия, у Runway есть бета, — но первая, у кого это работает достаточно часто, чтобы строить вокруг воркфлоу.

Где реально выигрывает

После недели стресс-тестов три категории — однозначные победы:

Сторибординг под short-form. Возьмите бренд-деку, загрузите 4–6 кадров в Seedance — получите серию клипов с общей визуальной идентичностью. Консистентность персонажа в среднем около 80% на 8-клиповой серии — этого хватает для боевого продакшена (плохие 20% просто перегенерируете).

Клипы и темпо-залоченные нарезки. Аудиовход здесь не для генерации звука — Seedance молчит — а для пейсинга. Кидаете 30-секундный кусок трека, и модель режет движение под биты. Прогнали на трёх реальных треках, диапазон — от «окей, рабочая отправная точка» до «это можно отгружать после лёгкой правки». По сравнению с генерацией немых клипов и подгонкой под музыку потом — экономия часов.

Brand-consistent product motion. Загрузите кадр продукта и три бренд-референса; сгенерируйте продукт в движении, в контексте. Сам продукт остаётся поразительно стабильным между генерациями — prompt-only моделям так не дано. Совпадает ли окружение с брендом — попадание разное, но это уже не бутылочное горлышко.

Где всё ещё спотыкается

Слабости очевидные — анонс вам про них не расскажет:

• Длинное движение. Всё, что дольше 10–12 секунд, — консистентность резко падает. Модель держит первые секунды, дрейфует в середине и иногда восстанавливается к концу. Пока обращайтесь с ней как с клип-генератором, а не сцен-генератором.
• Сложное аудио. Темп под одну инструменталку — работает. Темп под диалог или трек с разной структурой — попадание разное. Модель ловит темп, но плохо ловит структурные подсказки вроде перехода куплет-припев.
• Руки и ступни. Стандартная оговорка — Seedance тут не лучше остального поля. Кадрирование с близкими руками или ступнями — всё ещё там, где видеомодели ломаются.

Как мы её используем

В студии Seedance 2.0 в видео-пикере, как остальные, но с другим дефолтным UI: панель ввода показывает референсные слоты сразу — модель задумана под референсы. Если дадите только текст, получите приемлемое, но используете её неправильно — как FLUX без указания стиля.

К этому релизу добавили в студию паттерн «reference set»: загружаете набор кадров один раз, называете («Northbreak brand kit», «Maya the character»), и он доступен на всех видеомоделях с поддержкой референсов — не только Seedance. Один и тот же набор работает в Seedance-серии и в Kling-продолжении в том же проекте.

Где она в линейке

Seedance 2.0 ничего не заменяет в логике рекомендаций. HappyHorse — всё ещё дефолт под совместное аудио+видео. Veo — всё ещё кинематографичный hero. Grok Imagine — всё ещё социальный дефолт. Seedance — вариант под бриф: когда есть чёткий визуальный замысел с референсной базой и хочется, чтобы консистентность была главной фичей.

Добавьте в ротацию. Ничего ради неё не выводите.