Seedance 2.0 擅长什么——又不擅长什么

Seedance 2.0 是这样一种模型:当一个场景所需要的远远超出一段文本 prompt 的时候你才会用它——当一个导演会把一摞情绪板、一张服装表、一段口音参考、一段武术替身视频塞给摄影师然后期待它们全部出现在同一个镜头里的时候。早一代 Seedance 1.5 Pro 能分开吃这些输入。Seedance 2.0 是一起吃:9 张参考图、3 段视频、3 段音频喂进同一个统一多模态架构,模型自己决定每一镜该怎么加权。

这个模型最出彩的能力是基于角色的资产打标签。把一张主角参考图标成 character_a、一张产品静帧标成 product_x、一段替身武术视频标成 motion_ref。Seedance 会让被标签的角色在所有剪辑里都保持视觉一致——同一张脸、同一头发型、同一身穿搭——同时让动作参考决定他们怎么动。这件事其他视频模型至今做不好:你生成一段 5 秒,主角的发色到中段就开始漂。Seedance 2.0 把"角色"这个变量锁死。

第二件它做得好的事是节拍感知音频同步。喂一段 15 秒音乐底,模型会让运镜、角色动作、画面切都落在重音上。这是原生能力,不是后处理。同一个模型还能生成带唇形同步的对白和环境音(脚步声、室内底噪、风雨声),不用再走一次单独的 TTS。截至 2026 年 3 月,Seedance 2.0 在公开榜 text-to-video 拿到 Elo 1,269、image-to-video 拿到 Elo 1,351——两个榜单都是第一,领先 Kling 3.0、Veo 3 和 Runway Gen-4.5。

它弱在哪:能力上几乎没有短板。Seedance 2.0 是当前旗舰里最强的全能选手——公开 Elo 榜双榜第一、原生 1080p、原生音频、最深的多模态参考集,要写多镜头分镜也能写。它是终稿档模型——质量优先时用它,不适合用来跑二十个草稿变种试方向。要在方向上做快速迭代,用 Grok Imagine,选定方向后再把胜出的 prompt 交给 Seedance 走终稿。

一个合理的心理模型是:只要镜头追求质量,默认选 Seedance 2.0——参考重的镜头、终稿成片、高级交付都用它。要在方向上快速迭代试错,用 Grok Imagine;要 Veo 3.1 的专属 4K 升级路径,终稿时切过去;要单 prompt 带硬切的多镜头分镜,用 Kling V3。