在近期的人工智能视频生成领域，字节跳动悄然发布了一款名为 Seedance1.0的新模型，该模型在独立的评测中已经超越了谷歌最新推出的 Veo3。
Seedance1.0的研究论文中详细介绍了该模型的创新之处。字节跳动的团队通过对空间和时间层的解耦，结合了多模态位置编码，从而使得该模型能够同时处理文本到视频和图像到视频的生成任务。这样的方法支持复杂的场景切换和多镜头叙事，保持了一致的主题表现。
此外，Seedance1.0的性能离不开字节跳动强大的数据管道。团队精心构建了一个大规模、多来源的数据集，配有详细的双语注释和丰富的动作与静态特征标注，确保生成内容的准确性。同时，采用了一种新颖的强化学习设置，结合了三个奖励模型，重点关注基础对齐、动作质量和美观度。
在评测中，Seedance1.0在多个维度上超过了 Veo3。在与电影导演合作开发的 SeedVideoBench 基准测试中，该模型在遵循提示和动作真实感方面取得了更高的分数。在图像到视频的任务中，Seedance 保持了输入帧的视觉一致性，而 Veo3则在某些情况下出现了光照和纹理的变化。
在推理性能方面，Seedance1.0也表现出色。该模型能够在41.4秒内生成一段1080p 的五秒视频，这一速度远超其他竞争对手，如 Sora、Runway Gen-4和 Veo3。字节跳动还表示，他们在降低成本和延迟方面取得了重大进展，使得视频生成向实时应用的目标迈进了一步。
Seedance1.0计划于2025年6月集成到 Doubao 和 Jimeng 等平台，旨在显著改善专业工作流程和常规创作任务。虽然 Veo3因首次结合了真实视频与环境音效和对话而备受瞩目，但 Seedance1.0在视觉保真度、运动稳定性和叙事连贯性方面表现更为出色，虽然在音频能力上有所欠缺。