Вступление
Seedance 1.5 Pro — это флагманская модель генерации видео и аудио, разработанная командой Seed компании ByteDance. В отличие от большинства существующих решений, которые генерируют видео и аудио по отдельности с последующим наложением звуковой дорожки, Seedance 1.5 Pro представляет собой нативную (native) фундаментальную модель совместной генерации — она создаёт видеоряд и звуковое сопровождение одновременно в едином сквозном процессе. Официальный сайт: https://seedance.ai.
Ключевая инновация модели заключается в том, что она устраняет фундаментальную проблему последовательного озвучивания — временные рассогласования между движением губ, интонацией и визуальным рядом. Seedance 1.5 Pro позиционируется как профессиональный движок для создания контента кинематографического качества, предназначенный как для индивидуальных креаторов, так и для крупных производственных студий.
Модель поддерживает два основных режима работы: генерация из текстового описания (text-to-video) и генерация на основе изображения (image-to-video), при этом в обоих случаях доступна опция создания синхронизированного аудио.
Технические характеристики
| Параметр | Значение |
|---|---|
| Архитектура | Dual-Branch Diffusion Transformer (DB-DiT) |
| Количество параметров | 4.5 миллиарда (4.5B) |
| Архитектурный принцип | Две параллельные ветви для видео и аудио с кросс-модальным модулем синхронизации |
| Механизм синхронизации | Кросс-модальный совместный модуль (cross-modal joint module) в общем латентном пространстве |
| Позиционное кодирование | MM-RoPE (Multi-modal Rotary Position Embedding) |
| Разрешение видео | 480p, 720p, 1080p |
| Длительность клипов | 4–12 секунд |
| Частота кадров | 24 fps |
| Соотношения сторон | 7 вариантов: 16:9, 9:16, 1:1, 4:3, 3:4, 21:9, 9:21 |
| Поддерживаемые языки озвучивания | 6 языков: китайский, английский, японский, корейский, испанский, индонезийский |
| Диалекты | Сычуаньский диалект и кантонский (юэ) |
| Аудио-возможности | Диалоги, звуковые эффекты, пространственный звук, фоновый шум, музыка |
| Управление камерой | Панорамирование, наклон, зум, орбитальное движение |
| Кинематографические приёмы | Dolly zoom, длинные планы (long takes), цветокоррекция |
Процесс обучения и пост-тренировочная оптимизация:
- Многостадийный пайплайн обработки данных с высококачественной разметкой.
- Supervised Fine-Tuning (SFT) на высококачественных наборах данных.
- Reinforcement Learning from Human Feedback (RLHF) с многомерными моделями вознаграждения.
Инференс и ускорение:
- Разработан специализированный фреймворк ускорения, увеличивающий скорость инференса более чем в 10 раз.
- Доступна через API с вычислением стоимости на основе токенов: (высота × ширина × длительность × 24) / 1024.
Дата выхода и доступность
- Официальная дата анонса: 16 декабря 2025 года.
- Ключевые даты релиза: 16 декабря 2025 — публичный анонс и начало закрытого тестирования в приложении Doubao; 18 декабря 2025 — официальный релиз на платформе Volcano Engine; 19 декабря 2025 — доступ для всех пользователей в Doubao; 23 декабря 2025 — API для корпоративных клиентов через Volcano Engine.
- Модель доступна на Volcano Engine (ARK), Replicate, OpenRouter, DeepInfra, Vercel AI Gateway, fal.ai, AI/ML API, а также в мобильном приложении Doubao и веб-интерфейсе Jimeng.
Ценообразование (API)
OpenRouter предлагает тарифы от $0.02306/сек видео, также существуют альтернативные варианты.
Ключевые возможности
- Нативная аудио-визуальная синхронизация — голос, звуковые эффекты и фон генерируются в одном процессе.
- Мультиязычная и диалектная поддержка — 6 языков, включая диалекты.
- Кинематографическое управление камерой — панорамирование, наклон, зум, орбита, dolly zoom.
- Сцены с множеством персонажей, диалоги и консистентность персонажей между кадрами.
Бенчмарки и позиционирование
По данным OpenRouter Arena, модель занимает 39-е место в общем рейтинге моделей генерации видео. Наивысшие результаты в категориях: Cartoon and anime, Fantasy, Outdoor, Physics, Text, Specific lighting, Indoor, Abstract. Также показывает хорошие результаты в Action, People, Photorealistic.
Заключение
Seedance 1.5 Pro представляет собой значительный шаг вперёд в области генерации видео-контента. В отличие от традиционных подходов, разделяющих генерацию видео и аудио, ByteDance предлагает целостную архитектуру, в которой звук и изображение рождаются совместно, обеспечивая бесшовную синхронизацию на уровне, недоступном для последовательных пайплайнов.
С 4.5 миллиардами параметров в архитектуре Dual-Branch Diffusion Transformer, поддержкой разрешения до 1080p и длительности до 12 секунд, модель нацелена на профессиональное использование — от создания рекламных роликов и музыкальных клипов до кинематографических сцен с диалогами и сложной операторской работой.
Модель уже доступна через широкий спектр платформ — от мобильного приложения Doubao для индивидуальных пользователей до корпоративного API на Volcano Engine и интеграций с Replicate, OpenRouter и Vercel AI Gateway. С выходом Seedance 1.5 Pro ByteDance закрепляет свои позиции как один из лидеров в быстрорастущей области генеративного ИИ для видео-контента.
