現(xiàn)象級AI視頻技術(shù)、字節(jié)Seedance 2.0在arXiv發(fā)論文了。

曬了26頁的Benchmark，和貢獻者名單。

170位團隊成員全公開，署名和尊重都拉滿了，不過嘛這就不怕……嘛？

論文公布的時間節(jié)點，正趕上Seedance 2.0通過Byteplus平臺鋪向全球。

100多個國家的企業(yè)客戶可以通過預(yù)付費API直接調(diào)用。支持文字、圖片、視頻、音頻多模態(tài)輸入，生成4到15秒MP4視頻，最高720p。

但這個“全球”列表里，唯獨沒有美國。

26頁只寫了兩個字：能打

首先看標題，說成大白話就是“讓AI視頻生成能搞定現(xiàn)實世界里的各種復(fù)雜場景”。

為了做到這一點，Seedance解決了過去生成式視頻工具的一個瓶頸：

通常依靠單文本輸入，在嘗試引用真實素材（品牌圖片、配音、先前的視頻片段）時難以保持一致性，并且需要大量的反復(fù)試驗才能制作出可用的作品。

對于創(chuàng)作者而言，這意味著迭代速度慢、輸出結(jié)果不一致，以及工作流程無法滿足實際制作需求。

突破方法在于Seedance是原生統(tǒng)一的模型，能夠同時生成視頻和音頻 ——并且可以在一個系統(tǒng)中接收文本、圖像、音頻和視頻作為輸入。

• 統(tǒng)一理解4種指令，支持文字 + 圖片 + 視頻 + 音頻一起輸入，能同時理解并融合

• 人物走路、跑步、打架、跳舞更自然、不扭曲、符合物理規(guī)律，多人互動也不亂。

• 音畫天生同步，自帶雙耳立體聲音頻，說話、唱歌、腳步聲、BGM和畫面嚴絲合縫，口型對得準。

• 會“當導(dǎo)演”，寫一段劇情，它自動分鏡頭、自動運鏡、自動剪輯節(jié)奏

• 可以改指定人物、動作、場景；也能在現(xiàn)有視頻后面無縫續(xù)拍

評測部分覆蓋VBench等多個主流基準，質(zhì)量、運動、語義一致性等維度全面量化對比。

Seedance 2.0直接站上了第一梯隊，多項指標大幅領(lǐng)先同時期對手。

最后兩頁是完整作者列表，共170人

與Seedance 1.5 Pro時期的197人相比，有89人不在2.0作者列表中，62人加入。

其中穩(wěn)定不變的核心人物可以找到吳永輝，現(xiàn)任字節(jié)跳動Seed團隊基礎(chǔ)研究負責人，是Seedance系列視頻生成模型的最高技術(shù)決策者，直接向公司CEO梁汝波匯報。

曾妍，現(xiàn)任Seedance 2.0預(yù)訓(xùn)練負責人，是視頻生成模型核心技術(shù)路線的關(guān)鍵執(zhí)行者。工作地點位于美國帕洛阿爾托（Palo Alto）。

One More Thing

有消息稱字節(jié)花近億元挖來了前DeepSeek研究員郭達雅。

抖音副總裁李亮親自下場辟謠：不實，Seed團隊薪資體系統(tǒng)一，近期沒有招聘到近億元年薪的員工。

辟謠歸辟謠，但這段話還披露了Seed的完整薪資結(jié)構(gòu)：現(xiàn)金+字節(jié)期權(quán)+豆包期權(quán)，四年全部歸屬。

到這，本來可以結(jié)束了。

但李亮又加了一句話。

Seed員工的字節(jié)和豆包期權(quán)未來收益根據(jù)期權(quán)價格有波動，假如業(yè)務(wù)發(fā)展得很好，不排除有些Seed技術(shù)人員四年后收益會達到數(shù)億元。

這簡直是借辟謠在招人了。

“數(shù)億”兩個字比任何招聘廣告都有殺傷力。

論文地址：
https://arxiv.org/abs/2604.14148

參考鏈接：
[1]https://www.byteplus.com/en/activity/seedance2-0
[2]https://weibo.com/7965906915/QB6lMCaGo

文章來源:量子位。