Seedance 2.5: co trafiło do produktu i co zmieniło się wobec 2.0

Seedance 2.5 da się wybrać w przestrzeni wideo OmniArt i jest to wydanie większe, niż sugeruje numer wersji. Seedance 2.0 ustanowił przesłankę multimodalną — obraz, wideo, audio i tekst zasilające jeden prompt. Seedance 2.5 zachowuje tę przesłankę i przebudowuje dwie rzeczy, które ją w praktyce ograniczały: jak długo może biec jedno generowanie i ile materiału referencyjnego model naprawdę uszanuje.

To przegląd możliwości, a nie kurs pisania promptów: co jest nowe, gdzie leżą prawdziwe sufity i gdzie wydanie wciąż ma szorstkie krawędzie. Samą zapowiedź omawialiśmy wcześniej na podstawie informacji przedpremierowych w zapowiedzi wydania Seedance 2.5; część tamtych liczb zmieniła się do czasu premiery, a liczące się wartości rozdzielczości znajdziesz poniżej.

Seedance 2.5 kontra Seedance 2.0 w skrócie

Dwa z czterech trybów są nowe. Smart Edit i Long Video nie istniały w 2.0. Smart Edit ma też rozbudowaną powierzchnię o nazwie Edit with marks, która pozwala oznaczać wgrane wideo ramkami, pędzlem, strzałkami, tekstem i punktami charakterystycznymi, plus wariant Edit Video stosujący ten sam przebieg oznaczania do klipów już po wygenerowaniu.

Trzy różne sposoby na przekroczenie 15 sekund

Najbardziej brzemienna w skutki zmiana jest taka, że pytanie „jak długo to pociągnie” ma teraz trzy osobne odpowiedzi, a wybór złej marnuje generowanie.

Pojedyncze generowanie: od 4 do 30 sekund

Zakres bazowy się podwaja. Jeden prompt kupuje teraz do 30 sekund, czyli 721 klatek, wobec 15 sekund i 361 klatek w 2.0. Dokumentacja twierdzi, że spójność czasoprzestrzenna i spójność między cięciami utrzymują się w całym trzydziestosekundowym oknie — wygląd postaci, logika przestrzeni i przejścia między ujęciami mają przetrwać dłuższy bieg, zamiast odpływać w drugiej połowie.

Przedłużanie wideo: matrioszki do 60 sekund

Każdy wynik trwający 30 sekund lub krócej można przedłużyć nowym promptem, a wynik tego przedłużenia można przedłużyć ponownie. Dokumentacja nazywa to układaniem matrioszek, a skumulowany sufit wynosi 60 sekund.

Ciekawa jest nie suma. Ciekawe jest to, że każdy węzeł przedłużenia przyjmuje nową reżyserię — dokumentacja mówi o segmentowej kontroli reżyserskiej. Możesz wygenerować dziesięć sekund biegnącej postaci, zatwierdzić je, a dopiero potem zlecić skok w kolejnym przedłużeniu, zamiast obstawiać całą akcję jednym wysłaniem. Przy choreografii walki albo zwrocie fabularnym, który ma wylądować na konkretnym takcie, to zupełnie inna metoda pracy niż napisanie dłuższego promptu.

Przedłużenia biegną w przód albo w tył, a dokumentacja zaleca wyraźne ograniczenia ciągłości przy przedłużaniu całego ujęcia: naturalne przedłużenie, płynne połączenie ruchu, brak sztywnego cięcia ujęcia, brak obiektów pojawiających się znikąd. Ten przebieg rozkładamy na części w przewodniku po montażu i przedłużaniu w Seedance 2.5.

Long Video: od 30 do 180 sekund w jednym przebiegu

Long Video to osobny tryb, a nie dłuższe ustawienie w trybie standardowym. Generuje od 30 do 180 sekund bezpośrednio, bez zszywania i bez łańcucha przedłużeń. Deklarowane cele projektowe to długodystansowa spójność cech postaci, detalu ubrania i architektury scenerii przez pełne trzy minuty oraz płynne, długie ruchy kamery — powolne najazdy, orbity i przejazdy, które wytrzymują długie ujęcie.

Ponieważ trzyminutowe generowanie kosztuje drogo, kiedy wyjdzie źle, formuła promptu do długiego wideo z dokumentacji otwiera się parametrami globalnymi — powtórz czas trwania i proporcje obrazu na początku promptu, nawet jeśli ustawiono je już w interfejsie.

Budżet referencji: 50 materiałów i jak je wydać

Seedance 2.5 przyjmuje do 50 materiałów referencyjnych w jednym żądaniu. Ten sufit dzieli się na trzy strumienie, a każdy typ ma twardy limit i osobny zakres zalecany.

Cała historia mieści się w różnicy między kolumnami. Trzydzieści obrazów przyjmuje żądanie; osiem tematów model obsługuje niezawodnie. Wypełnianie budżetu nie jest strategią — dokumentacja mówi wprost, że tworzenie z wieloma referencjami polega na dobieraniu właściwych materiałów do każdej sceny, a nie na pokazaniu wszystkich naraz.

Jedna praktyczna zasada warta zapamiętania: jeśli więcej niż pięć tematów potrzebuje dodatkowo kilku kątów widzenia, umieść każdy widok w osobnym obrazie. Niezależne obrazy per widok są stabilniejsze niż jeden arkusz zbiorczy.

Co do higieny wejścia: obrazy mogą być w formacie jpeg, png, webp, bmp, tiff, gif, heic albo heif, o proporcjach między 0,4 a 2,5, wymiarach od 300 do 6000 px, poniżej 30 MB każdy, przy ciele żądania poniżej 64 MB. Wideo referencyjne przyjmuje mp4 albo mov od 480p do 4K w tych samych granicach proporcji i wymiarów.

Kolejność i przypisywanie ról w pakietach referencji opisuje przewodnik po promptach referencyjnych w Seedance 2.5.

Sterowanie znacznikami czasu, co do sekundy

Seedance 2.5 natywnie obsługuje sterowanie fabułą i interwałami ujęć przez znaczniki czasu. Zapisujesz marker w rodzaju [00.0-05] przed ujęciem, dialogiem albo akcją, a resztę rozpisujesz w porządku chronologicznym. Zakresy muszą następować po sobie i nie mogą się nakładać.

Uczciwe ujęcie z dokumentacji: zakres czasu jest budżetem czasowym zdarzenia, a nie punktem montażowym z dokładnością do klatki. Akcje mogą wylądować nieco przed granicą albo po niej. Za mało treści w zakresie daje modelowi swobodę, której możesz nie chcieć; za dużo powoduje nadmierne cięcie albo pominięcie zdarzeń. Wymaganie częstotliwości w rodzaju trzech osobnych akcji w jednej sekundzie nie zadziała.

Użyte poprawnie, pozostaje i tak największą dźwignią na tempo. To ono sprawia, że trzydziestosekundowe generowanie wieloujęciowe zachowuje się jak scenariusz, a nie jak montaż, i to ono jest kręgosłupem podejścia z przewodnika po trzydziestosekundowych promptach do Seedance.

Wejście wielojęzyczne i dialog

Seedance 2.5 przyjmuje tekst w wielu językach, z dwoma udokumentowanymi poziomami. Najwyższy priorytet optymalizacji obejmuje chiński, angielski, hiszpański, indonezyjski i malajski. Pełne pokrycie rozciąga się na tajski, arabski, portugalski, wietnamski, japoński i koreański.

Wydanie celuje też w poprawność wymowy, mniej błędnych odczytów rzadkich słów i lepszy lip-sync przy mowie wielojęzycznej. Dla każdego, kto produkuje zlokalizowane warianty reklam albo krótki film, w którym postacie mówią różnymi językami, ta kombinacja — brief we własnym języku, dialog w języku docelowym, układ ust, który za tym nadąża — jest praktycznym odblokowaniem.

Praca nad jakością modelu bazowego

Nie wszystko w 2.5 jest nowym przyciskiem. Znaczna część wydania to przebudowa modelu bazowego wycelowana w to, co dokumentacja nazywa usuwaniem posmaku AI:

• Skóra — mniej plastikowego połysku i tłustych rozbłysków, przywrócone prawdziwe pory i reakcja na światło.
• Sierść zwierząt — puszystsza i lepiej rozdzielona zamiast sklejonej.
• Głos — mniej mechanicznej barwy TTS w generowanym dialogu.
• Ruch z długiego ogona — nietypowe tańce, złożone sztuki walki i subtelne zmiany mimiki generują się teraz płynnie, zamiast się deformować.
• Spójność — logika czasoprzestrzenna i ciągłość postaci przez cięcia utrzymują się w pełnym trzydziestosekundowym generowaniu.

Uchwyty po stronie promptu są krótkie i konkretne: zwroty w rodzaju „native skin texture” i „hair root distinct” na realizm oraz stabilne opisy karty postaci powtarzane w każdym ujęciu, żeby utrzymać spójność przez cięcia.

Bez napisów, bez podkładu — teraz naprawdę respektowane

To drobna poprawka o nieproporcjonalnym wpływie na pracę produkcyjną. Poprzednie wersje wypalały napisy albo dokładały muzykę w tle nawet wtedy, gdy prompt tego zabraniał. Seedance 2.5 respektuje te instrukcje, a udokumentowany zapis to modyfikator w rodzaju „pure video, no subtitles, no background music”.

Jeśli oddajesz montażyście albo realizatorowi dźwięku czyste materiały, to różnica między wyjściem użytecznym a takim, które trzeba wygenerować od nowa.

Ulepszenia po stronie referencji multimodalnych

Największy pojedynczy blok w informacjach o wydaniu to grupa możliwości po stronie referencji. Razem przesuwają Seedance z generatora w stronę czegoś bliższego reżyserowanej powierzchni montażowej:

• Separacja podkładu — usunięcie muzyki w tle przy zachowaniu mówionego głosu i, co istotne, przy nienaruszonych napisach na ekranie oraz innych elementach wizualnych.
• Transfer pomysłu i języka kamery — przeniesienie z referencji trajektorii najazdu, odjazdu i panoramy, drżenia kamery z ręki, logiki koloru i atmosfery emocjonalnej, a nie tylko powierzchownego ruchu ciała.
• Częściowe usuwanie i edycja — zaznacz pędzlem albo ramką region do bezśladowego wymazania, z tłem uzupełnianym zgodnie z logiką fizyki i światła, plus kierunkowa podmiana elementów.
• Zmiana perspektywy przestrzeni — przestawienie istniejącego ujęcia na widok z góry, z dołu albo z pierwszej osoby przy zachowaniu spójnych proporcji i układu.
• Referencja barwy głosu — odtworzenie barwy wraz z napięciem emocjonalnym i rytmem nagrania referencyjnego.
• Referencja wieloosobowa — brak mieszania rysów twarzy między postaciami, brak podmiany ubrań, poprawne przesłanianie fizyczne podczas interakcji.
• Zielony ekran — precyzyjna segmentacja pierwszego planu ze stabilnością na poziomie klatki wobec dynamicznego tła.
• Clay Renderer — wtyczka do blockoutów i białych modeli dla Maya i Blendera, która odtwarza język kamery, blokuje przestrzeń i kompozycję oraz steruje pozycją postaci i ścieżką ruchu.
• Płynne przejście — wygenerowanie treści łączącej dwa niezależne klipy bez modyfikowania żadnego ze źródeł, przy użyciu przejść na ogniskowej, obrocie albo zanurzeniu, wyzwalanych akcją, spojrzeniem lub przesłonięciem.
• Storyboard wielokadrowy — podanie wielopanelowego obrazu storyboardu jako referencji fabularnej.

Dwie z nich mają uwagi użytkowe warte powtórzenia. Clay Renderer daje obecnie lepsze wyniki z grubych blockoutów — prostych kul, walców i sześcianów tworzących dynamiczny szkielet — niż z drobiazgowych, w pełni wymodelowanych brył. Storyboardy wielokadrowe działają najlepiej jako prosta kreska albo ludziki z patyczków, najlepiej w liczbie nie większej niż 15 paneli, z minimalną liczbą podpisów. Oba tematy omawia przewodnik po storyboardach i blockoutach w Seedance 2.5.

Parametry, które blokują się same

Seedance 2.5 dzieli pracę opartą na materiałach na zadania zablokowane i odblokowane. W zadaniu zablokowanym wejście staje się częścią osi czasu wyjścia i wynik się do niego dostosowuje. W zadaniu odblokowanym materiały dają wskazówkę semantyczną, a ty zachowujesz kontrolę nad czasem trwania i proporcjami obrazu.

Trzy typy zadań nadpisują ustawienia, którymi spodziewasz się sterować. Wiedza o tym przed wysłaniem oszczędza zmarnowane generowanie.

Zasada pierwszej i ostatniej klatki działa wtedy, gdy obrazy wysyłasz z content.role = first_frame i content.role = last_frame. Ponieważ proporcje pochodzą ściśle z pierwszej klatki, ostatni obraz o innych proporcjach zostanie rozciągnięty. Zrównaj oba przed wgraniem.

Generowanie z referencji, siatki storyboardu i niezależne referencje klatek kluczowych są odblokowane. Nie dziedziczą proporcji obrazu ani czasu trwania po materiale. Istnieje też luźniejsza technika pierwszej i ostatniej klatki: wyślij obrazy jako reference_image i nazwij je w prompcie pierwszą oraz ostatnią klatką. To zostawia ustawienia wyjścia wolne, ale wygenerowane klatki brzegowe tylko przybliżają referencje, zamiast ściśle je odwzorowywać.

Ograniczenia, wokół których warto planować

Rozdzielczość wyjścia to 480p i 720p. To sufit tego wydania i najprawdopodobniej właśnie on wpłynie na decyzję o dostawie — trzyminutowe generowanie w 720p to zupełnie inny materiał niż trzyminutowy master. Wpisuj więc Seedance 2.5 w previz, dostawę na social media i materiał referencyjny, a przed długim generowaniem sprawdź specyfikację dostawy.

Dokumentacja szczerze wymienia też kilka ograniczeń zachowania:

• Znaczniki czasu przydzielają czas zdarzeniom; nie są punktami montażowymi z dokładnością do klatki.
• Prompty montażowe podnoszą prawdopodobieństwo, że kluczowe zdarzenia zgrają się ze źródłem. Nie gwarantują pokrycia klatka w klatkę.
• Wyjście montażu wideo może różnić się od wejścia o mniej więcej 0,3 sekundy.
• Przedłużone segmenty mogą nieznacznie różnić się głośnością od klipu źródłowego.
• Płynne przejścia celują w ciągłość obrazu i dźwięku, a nie w sklejkę identyczną co do piksela.
• Klatki brzegowe w przedłużeniu łączą się naturalnie na poziomie wizualnym, ale nie są identyczne co do piksela.
• Przy napisach, wzorach, szyldach, specyfikacjach produktu albo taktowaniu na poziomie klatki, które musi być dokładne, połącz przygotowane materiały referencyjne, generowanie i postprodukcję.

Żadne z tych ograniczeń nie dyskwalifikuje modelu. Wyznaczają one różnicę między traktowaniem Seedance 2.5 jako reżyserowanego generatora wewnątrz pipeline'u a traktowaniem go jako narzędzia wykończeniowego, którym nie jest.

Pierwsze kroki w OmniArt

Otwórz przestrzeń wideo OmniArt, wybierz Seedance 2.5, a potem przejdź przez to wydanie w kolejności, która naprawdę buduje umiejętność:

1. Zacznij od jednego trzydziestosekundowego generowania ze znacznikami czasu. Napisz trzy albo cztery następujące po sobie, nienakładające się zakresy i zobacz, jak blisko ląduje tempo. To uczy taktowania modelu szybciej niż cokolwiek innego.
2. Potem przetestuj przedłużanie. Wygeneruj dziesięć sekund, które ci się podobają, przedłuż je nową instrukcją, a wynik przedłuż ponownie. Obserwuj szew i głośność na każdej granicy.
3. Zbuduj pakiet referencji w zakresie zalecanym, a nie na twardym limicie — garść obrazów tematów, każdy z jednym wyraźnym zadaniem, plus krótkie wideo referencyjne, jeśli potrzebujesz języka kamery.
4. Long Video zarezerwuj dla briefów już zweryfikowanych przy krótszych czasach. Trzy minuty to dużo, żeby powierzyć je nieprzetestowanemu promptowi.
5. Dodaj „pure video, no subtitles, no background music” do wszystkiego, co idzie do montażysty.

Filozofię pisania promptów, która działa w każdej wersji Seedance, znajdziesz w tekście jak pisać prompty do Seedance. Potem wybierz przewodnik pasujący do twojego zadania: prompty referencyjne, prompty trzydziestosekundowe, montaż i przedłużanie albo storyboardy i blockouty.