Seedance 2.5 API

Seedance 2.5 é o modelo de vídeo da ByteDance Seed team, anunciado em 23 de junho de 2026 na conferência FORCE do Volcano Engine e lançado oficialmente em 31 de julho de 2026. Ele gera uma única tomada contínua de até 30 segundos nativamente em uma só passagem, sem emenda de segmentos, e oferece extensão multi-turno para expandir o conteúdo a vários minutos mantendo uma linguagem audiovisual consistente. A arquitetura unificada de geração conjunta de áudio e vídeo processa sinais visuais e sonoros no mesmo espaço latente, produzindo som ambiente, foley e trilha em sincronia com a imagem gerada. O modelo aceita até 50 entradas de referência por geração — 30 imagens, 10 vídeos e 10 clipes de áudio — que podem orientar a aparência do sujeito, o estilo da cena, o movimento e as características da voz. Suporta os modos de referência white-model, referência de movimento e referência criativa, além de prompts de texto. Oferece controle em nível de timestamp para especificar ações, mudanças de câmera, ritmo e instruções de edição em pontos determinados, e edição em nível de região que substitui sujeito, fundo ou produto sem renderizar todo o clipe, incluindo edição em chroma key, edição de ponto de vista e edição por referência. É indicado para tarefas que exigem um arco narrativo completo em vídeo, como curtas-metragens e dramas curtos, filmes publicitários e peças para redes sociais, trailers e demonstrações de produtos, segmentos de onboarding e conteúdo animado. Também atende produção cinematográfica e televisiva, planejamento criativo, comunicação corporativa e documentação interna, educação e treinamento, manufatura industrial, inteligência incorporada e direção autônoma. Entre os pontos fortes estão a geração nativa de 30 segundos em tomada única, que evita a deriva de personagem e a inconsistência de iluminação causadas pela emenda, e o controle refinado de movimento e alinhamento ao prompt.

Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes. Cobrado com base no custo real de geração. Consulte sua conta para o valor final.

Ele aceita imagens, vídeos, áudio e prompts de texto como entrada, e produz vídeo com áudio como saída. Até 50 referências multimodais podem ser usadas por geração: 30 imagens, 10 vídeos e 10 clipes de áudio.

O modelo gera uma única tomada contínua de até 30 segundos nativamente em uma só passagem, sem emenda de segmentos. Com extensão multi-turno, o conteúdo pode ser expandido a vários minutos mantendo a consistência audiovisual.

Há controle em nível de timestamp para ações, mudanças de câmera, ritmo e instruções de edição, além de edição por região que substitui sujeito, fundo ou produto sem renderizar o clipe inteiro. Também estão disponíveis edição em chroma key, edição de ponto de vista e edição por referência.

Ele é indicado para dramas curtos, filmes publicitários, trailers e demonstrações de produtos, onboarding, conteúdo animado e produção cinematográfica. Também serve a comunicação corporativa, educação, treinamento, manufatura industrial, inteligência incorporada e direção autônoma.

A geração nativa em tomada única passou de 15 segundos no Seedance 2.0 para 30 segundos no Seedance 2.5. A capacidade de referências multimodais subiu de 12 entradas no Seedance 2.0 para 50 no Seedance 2.5, e o fornecedor afirma uma melhoria de 20% na aderência ao prompt em relação à geração anterior.