Modelos Seedance públicos
Seedance 2.0 →seedance-2.0
Seedance 2.0 es un modelo fundacional de generación de vídeo de ByteDance que crea audio y vídeo de forma nativa y sincronizada: diálogos, efectos de sonido y música de fondo se alinean con las imágenes desde el inicio. Acepta hasta 12 activos en una sola generación —hasta 9 imágenes, 3 clips de vídeo y 3 archivos de audio— y ofrece salidas audiovisuales de 15 segundos con audio de doble canal y plano múltiple. Además, permite control inteligente de la duración, selección adaptativa de la relación de aspecto, edición y extensión de vídeo conservando el movimiento y la cámara originales, y desactivar el audio para obtener vídeo silencioso.
El modelo destaca por su coherencia de identidad y escena, y por una mejora en la representación del movimiento y la física en interacciones complejas como deportes, bailes y colisiones de objetos. Incorpora medidas de seguridad a nivel de modelo que restringen la generación de semejanzas de personas reales, personajes con derechos de autor e identidades de marca protegidas, y añade una marca de agua C2PA que firma criptográficamente los metadatos de procedencia en cada vídeo generado.
Está pensado para producción cinematográfica y de vídeo con narrativas de plano múltiple y personajes consistentes, cortometrajes y vídeos musicales; marketing y publicidad con demostraciones de producto, campañas sociales y películas de marca; escaparates de comercio electrónico con referencias de imagen desde múltiples ángulos; vídeos de formación educativa en varios idiomas; contenido breve para redes sociales; y pruebas de distintos talentos en conceptos comerciales con variaciones de escena y actores. Se distribuye a través de CapCut y Dreamina, y mediante proveedores de API como Fal y OpenRouter.
Seedance 2.0 Fast →seedance-2.0-fast
Seedance 2.0 Fast es un modelo de generación de video de ByteDance que forma parte de la serie Seedance 2.0. A diferencia de la versión estándar, que prioriza la fidelidad visual y soporta 4K, esta variante se ha destilado para ofrecer un equilibrio entre velocidad de generación y eficiencia de costes. El modelo comparte una arquitectura multimodal unificada con Seedance 2.0 estándar y acepta entradas de texto, imagen, video y audio, produciendo videos con audio nativo sincronizado.
El modelo puede generar clips de 4 a 15 segundos en resoluciones de 480p, 720p y 1080p. Ofrece modos de generación de texto a video, imagen a video y video a video. Además, permite el uso de múltiples referencias: hasta 9 imágenes de referencia y hasta 3 videos de referencia de 2 a 15 segundos cada uno, con control de primer y último fotograma. También posibilita la edición de video mediante prompts sobre segmentos específicos y la extensión de videos.
Seedance 2.0 Fast está pensado para tareas que requieren rapidez y exploración creativa, como la creación de prototipos de video, la generación de variantes para redes sociales, borradores publicitarios y la visualización de storyboards. Es especialmente útil en flujos de trabajo que producen múltiples candidatos antes de seleccionar una dirección final. Sin embargo, presenta limitaciones como una menor consistencia entre múltiples sujetos, una generación de texto aún deficiente, edición compleja limitada y ocasional distorsión de audio. No soporta 4K y ofrece menos modos de generación y opciones de resolución que Seedance 2.0 estándar.
Seedance 2.0 Mini →seedance-2.0-mini
Seedance 2.0 Mini es un modelo de generación de video de ByteDance, disponible a través de Felo API.
Seedance 2.5 →seedance-2.5
Seedance 2.5 es el modelo de generación de vídeo de ByteDance Seed, presentado en la conferencia FORCE de Volcano Engine el 23 de junio de 2026 y lanzado oficialmente el 31 de julio de 2026. Utiliza una arquitectura unificada de generación conjunta de audio y vídeo que procesa ambas señales en el mismo espacio latente, de modo que el sonido ambiente, los efectos de sala y la banda sonora se producen en sincronía con la imagen generada. Admite entradas de texto, imágenes, vídeo y audio, y ofrece una salida de vídeo con audio.
El modelo destaca por generar de forma nativa una sola toma continua de hasta 30 segundos sin necesidad de empalmar fragmentos, y por permitir extensiones multiturno que alargan el contenido hasta varios minutos manteniendo una coherencia audiovisual. Acepta hasta 50 referencias por generación —30 imágenes, 10 vídeos y 10 clips de audio— que pueden guiar la apariencia del sujeto, el estilo de la escena, el movimiento y las características de la voz. Incorpora modos de referencia de modelo blanco, referencia de movimiento y referencia creativa, además de control por marcas de tiempo para acciones, cambios de cámara, ritmo e instrucciones de edición, y edición por regiones que sustituye sujetos, fondos o productos sin volver a renderizar el clip completo.
Está pensado para tareas como series cortas que requieren un arco narrativo completo, películas publicitarias y piezas para redes sociales, tráilers y demostraciones de producto, vídeos de incorporación, contenido animado, producción cinematográfica y televisiva, comunicación corporativa, formación y educación, fabricación industrial, inteligencia encarnada y conducción autónoma. Su punto fuerte es el renderizado de microdetalle y la alta controlabilidad para mantener la fidelidad de marca y producto entre tomas, aunque un informe de revisión señala que el control lógico macro es relativamente débil.
Leer la documentación de Model API →