Seit drei Jahren geben dir praktisch alle KI‑Videomodelle dasselbe: einen wunderschönen Fünf‑Sekunden‑Clip, der genau dann endet, wenn es spannend wird. Die gesamte Kunst des KI‑Videos hat sich um diese Grenze herum entwickelt – Storyboard in Beats, in Fragmenten generieren, im Schnitt zusammenfügen und hoffen, dass die Jacke der Figur in Shot vier noch dieselbe Farbe hat wie in Shot eins.
Seedance 2.5, ByteDance’s neuestes Videomodell, greift zum ersten Mal nicht die Pixel, sondern die Beschränkung selbst an. Es generiert volle 30 Sekunden in einem einzigen Durchlauf – kein Stitching, kein Szenenschnitt‑Gefrickel, keine Nähte zum Verstecken. Diese eine Änderung zieht sich durch alles: wie du promptest, wie du budgetierst und wie viel deiner Schnittzeit übrig bleibt.
Dieser Beitrag erklärt, was sich tatsächlich geändert hat, wo es wirklich besser ist – und, genauso wichtig – die zwei Stellen, an denen es schlechter ist als das, was du bereits nutzt.
Wichtigste Erkenntnisse
- Seedance 2.5 erzeugt 30 durchgehende Sekunden in einem Pass und hält Charakteridentität, Licht und Physik über den gesamten Clip.
- Audio wird gemeinsam mit dem Bild generiert statt nachträglich darübergelegt – Lippensynchronität und Impact‑Timing landen auf dem richtigen Frame.
- Reference‑to‑Video akzeptiert bis zu 50 multimodale Inputs, wodurch Konsistenz vom Prompt‑Trick zur gelieferten Eingabe wird.
- Die Trade‑offs sind real: Ausgabe endet bei 720p, und der Preis pro Sekunde ist premium – für Hero‑Shots ein 4K‑Modell nutzen.
Was Seedance 2.5 eigentlich ist
Seedance ist ByteDance’s Videogenerations‑Familie – dieselbe Firma hinter TikTok und CapCut, was dir etwas über das Tempo‑ und Framing‑Gefühl darin verrät. Seedance 2.5 wurde im Juni 2026 auf der Volcano Engine FORCE‑Konferenz angekündigt und Ende Juli 2026 veröffentlicht, zuerst in ByteDance’s Dreamina‑ und Jimeng‑Apps, bevor es die API erreichte.
Es läuft in drei Modi: Text‑zu‑Video aus einem Prompt, Bild‑zu‑Video aus einem Still und Reference‑to‑Video – letzteres ist der Modus, für den du deinen Workflow umstellen solltest. Du kannst Seedance 2.5 auf Vivideo ohne ByteDance‑Konto nutzen – neben 30+ weiteren Modellen in einem Abo.
Die wichtigsten Specs, klar und knapp:
- 30 Sekunden, nativ in einem Durchlauf generiert (ein Ultra‑Long‑Modus reicht bis 180 Sekunden, noch Beta)
- Natives Audio, gemeinsam mit dem Video erzeugt
- Bis zu 50 Referenz‑Inputs – grob 30 Bilder, 10 Videoclips und 10 Audiodateien
- 480p und 720p Ausgabe, in Seitenverhältnissen von cinematisch 21:9 bis vertikal 9:16
- Rund 20% bessere Prompt‑Treue als die Vorgängergeneration
Die 30‑Sekunden‑Sache ist die ganze Geschichte
„30 Sekunden“ als reine Mengensteigerung zu lesen – sechsmal mehr Video pro Generation – greift zu kurz. Der Unterschied ist Kontinuität, nicht Dauer.
Wenn du sechs Fünf‑Sekunden‑Clips zusammenfügst, managst du Drift. Das Gesicht verschiebt sich leicht. Die Farbtemperatur wandert. Eine Hand wird im dritten Shot zu sechs Fingern und du regenerierst, was das Framing ändert, wodurch der Schnitt nicht mehr passt. Jede Person, die einen 30‑Sekunden‑KI‑Spot zusammengesetzt hat, weiß: Die wahren Kosten sind nicht die Generationszeit – es ist die nachgelagerte Ausgleichsarbeit.
Ein einzelner 30‑Sekunden‑Pass entfernt die Versöhnungsschritte. Identität, Kostüm, Licht und Physik werden einmal entschieden und gehalten. Genau deshalb sind 30 Sekunden entscheidend: Länge eines Standard‑Werbeslots, ein kompletter Produkt‑Erklär‑Beat oder ein vollständiges vertikales Video. Es ist die erste Dauer, bei der das Modell‑Output selbst das Deliverable ist – nicht nur Rohmaterial für den Schnitt.
Wenn dein aktueller Workflow auf dem Aneinanderreihen kurzer Clips basiert, gilt unser Guide zum AI Video erstellen länger als 60 Sekunden weiterhin – du wirst nur viel weniger, dafür viel längere Stücke verbinden.
Audio gemeinsam mit dem Bild generiert, nicht danach
Die meisten „KI‑Videos mit Ton“ sind zwei Systeme im Trenchcoat: erst Video generieren, dann Audio erzeugen oder drüberlegen und ausrichten. Das funktioniert, bis etwas genau auf einen Frame treffen muss – ein Schritt, ein Türknall, eine Silbe.
Seedance 2.5 erzeugt Ton und Bild gemeinsam. Praktisch heißt das: Lippensynchronität, Impact‑Timing und atmosphärische Kohärenz werden im selben Durchlauf entschieden wie die Bewegung, die sie verursacht. Nützlicher Trick: Setze eine Dialogzeile in doppelte Anführungszeichen in deinen Prompt, und die Figur spricht sie lippensynchron.
Für dialoggetriebene Formate – Testimonials, Sketche, Erklärszenen mit Presenter – schrumpft das eine mehrstufige Pipeline auf eine einzige Generation. Wenn es kreativ passt, kannst du danach weiterhin KI‑Voiceover, geklonte Stimmen oder ein Musikbett layern.
Die Rechnung, über die niemand spricht
Nimm einen klassischen 30‑Sekunden‑Produktsport. Im alten Modell generierst du sechs Clips à fünf Sekunden. Realistische Trefferquote: eine brauchbare Aufnahme von drei – macht 18 Generationen. Dann verbringst du eine Stunde im Schnitt mit Farbangleichung, Schnitt auf Bewegung und dem Verstecken der zwei Übergänge, an denen sich die Produktreflexion ändert.
Im Single‑Pass‑Modell ist derselbe Spot eine Generation. Die Trefferquote pro Versuch ist niedriger, weil über 30 Sekunden mehr schiefgehen kann als über fünf – nennen wir es eins von vier. Das sind vier Generationen und kein Versöhnungsschnitt.
Weniger Versuche ist nicht automatisch der Punkt; das Verschwinden des Versöhnungsschritts ist es. Die Stitching‑Arbeit war nie abrechenbar, nie kreativ und wurde mit Übung nie wirklich einfacher.
Multi-Subject-Bewegung ist ihre Schokoladenseite
Der andere echte Fähigkeitssprung ist Interaktion. Seedance 2.5 wurde dafür gebaut, mehrere Subjekte zu handhaben, die sich gegenseitig beeinflussen – Sport, Tanz, Kampf, kollidierende Objekte – statt nur ein einzelnes Subjekt vor einem Hintergrund.
Das ist die Shot-Klasse, die historisch am schnellsten zerfiel. Zwei Personen, die sich einen Ball zuspielen, führten zu einem Ball, der seine Größe ändert, oder zu Händen, die durch einander hindurchgreifen, weil das Modell keine konsistente Vorstellung von den Körpern hatte. Über 30 Sekunden potenziert sich dieser Fehler; dass Seedance 2.5 genau das und genau diese Länge anvisiert, ist kein Zufall.
Die praktische Lesart: Wenn in deinem Storyboard zwei oder mehr Dinge einander berühren, ist dies jetzt ein vernünftiges Modell für den ersten Versuch – nicht nur die letzte Option.
Region-Editing und die 180-Sekunden-Beta
Zwei Features stehen etwas hinter der Headline, verändern aber, wie du iterierst.
Region-Editing erlaubt dir, einen Teil eines Frames zu ändern, ohne den gesamten Clip neu zu generieren. In einem 30-sekündigen One-Take ist das enorm wichtig – im alten Workflow bedeutete ein falsches Element, die gesamte Generation wegzuwerfen und erneut zu würfeln. Eine Region fixen zu können, während alles bereits Abgenickte erhalten bleibt, macht einen langen One-Take überhaupt erst iterierbar.
Der Ultra-Long-Modus verlängert eine einzelne Generation auf 180 Sekunden. Er ist Beta und sollte auch so behandelt werden: Nutze ihn, um auszuloten, was ein drei Minuten langer kontinuierlicher Take ermöglicht – nicht, um einem Kunden nächste Woche ein Deliverable zu versprechen.
Fünfzig Referenzen: Konsistenz wird zum Input
Das leise Headline-Feature ist Reference-to-Video. Seedance 2.5 akzeptiert bis zu 50 multimodale Referenzen – Bilder, Videoclips und Audio – und hält sie über die gesamte Generation hinweg konsistent.
Das verändert Brand-Konsistenz grundlegend. Historisch hast du Konsistenz herbeigepromptet: eine Figur obsessiv detailliert beschrieben und gehofft, dass das Modell konvergiert. Jetzt lieferst du das Ding selbst. Ein Produkt aus drei Blickwinkeln. Das Gesicht einer Moderatorin. Eine Location. Eine Stimme. Das Modell matched statt zu approximieren.
Für Kampagnenarbeit ist das der Unterschied zwischen „unsere Shots wirken verwandt“ und „unsere Shots wirken wie aus demselben Dreh“. Wenn du bislang ein Prompt-Dokument gepflegt hast, um eine Figur über eine Serie stabil zu halten, ersetzen Referenzen den Großteil davon.
Was es dich kostet
Zwei ehrliche Trade-offs, beide wichtig bei der Modellwahl für einen Job.
Die Auflösung endet bei 720p. Seedance 2.5 liefert 480p und 720p – nicht 1080p und nicht 4K, trotz mancher Launch-Berichte, die es mit dem 2.0-Refresh verwechselt haben. Für Social-first-Work auf dem Smartphone ist 720p meist okay. Für einen Hero-Shot auf einer Landingpage oder alles für große Screens generierst du diesen Shot besser mit einem 4K-fähigen Modell wie Veo 3.1.
Preise pro Sekunde sind Premium. Nativ wird Seedance 2.5 pro Ausgabesekunde abgerechnet, und 720p kostet grob doppelt so viel wie 480p. Dreißig Sekunden sind viele Sekunden. Der praktische Workflow: erst in 480p entwerfen, bis der Prompt sitzt, dann auf einen 720p-Final-Pass committen. Auf Vivideo ist das Modell in einem Abo enthalten statt pro Clip abgerechnet zu werden – das nimmt den meisten Drafting-Stress.
Seedance 2.5 vs Seedance 2.0: wann welches verwenden
Seedance 2.0 ist nicht obsolet, und die richtige Wahl spart Geld.
Greife zu 2.5, wenn der Clip selbst das Deliverable ist: ein 30-Sekunden-Spot, eine Dialogszene, alles, wo eine Figur oder ein Produkt durchgehend identisch bleiben muss oder wo Audio bestimmte Frames treffen muss.
Greife zu 2.0, wenn du einen kurzen, knackigen, bewegungsreichen Cut brauchst – einen Drei-Sekunden-Hook, eine Transition, einen Energieschub für einen schnellen Edit – oder wenn du 1080p willst und keine Länge brauchst. Die Bewegungsqualität bleibt exzellent, und kurze Generationen sind günstiger.
Der Vergleich, den man verinnerlichen sollte: 2.0 optimiert den Shot, 2.5 optimiert die Szene.
So promptest du Seedance 2.5
Dreißig Sekunden Kontinuität belohnen eine andere Prompt-Form als fünf Sekunden Spektakel. Ein paar Muster bewähren sich:
Schreibe ein Beat Sheet, keine Beschreibung. In fünf Sekunden beschreibst du einen Moment. In dreißig beschreibst du einen kleinen Bogen: Was passiert zuerst, was verändert sich, wo endet es. Das Modell hat Raum für eine Entwicklung — gib ihm eine, sonst füllt es mit Belanglosem auf.
Benenne das Kameraverhalten einmal. Eine einzelne kontinuierliche Aufnahme impliziert eine einzelne Kamera. Entscheide, ob sie statisch ist, langsam hineinfährt oder aus der Hand geführt wird, und sage es genau einmal. Mitten im Prompt die Kamera „umzukämpfen“ ist der schnellste Weg, genau die Schnitte zu provozieren, die du vermeiden wolltest.
Setze Dialog in doppelte Anführungszeichen. Das ist der dokumentierte Trigger für lippensynchronen Ton. Halte Zeilen so kurz, dass sie in der verfügbaren Zeit natürlich gesprochen werden können — ein 30‑Sekunden‑Clip trägt weit weniger Dialog, als die meisten schätzen.
Liefere Referenzen statt Adjektiven. Wenn du das Gesicht, das Produkt oder den Ort hast, hänge es an. Jede Referenz ersetzt einen Absatz Beschreibung, den du nicht schreiben musst — und sie ist verlässlicher.
Unser ausführlicher Guide zum Schreiben von KI‑Video‑Prompts deckt die Grundlagen ab, die bei jedem Modell gelten.
Ein durchgespieltes Beispiel
So sieht eine Form aus, die für einen 30‑Sekunden‑Product‑Spot meist funktioniert:
Eine einzelne kontinuierliche Handkamera‑Einstellung in einer sonnendurchfluteten Küche. Eine Frau Anfang dreißig packt eine Kaffeemühle aus einem Karton auf der Arbeitsplatte, dreht sie in den Händen und stellt sie neben den Wasserkocher. Sie blickt auf und sagt: "Ehrlich? Die ist leiser als meine alte." Sie lächelt und beginnt zu mahlen. Warmes Morgenlicht, geringe Schärfentiefe, sanftes Kameradriften nach rechts über die gesamte Dauer.
Beachte, was hier passiert: eine Kameraanweisung, einmalig genannt; ein Drei‑Beat‑Bogen (auspacken, hinstellen, benutzen); eine kurze, zitierte Zeile passend zum Moment; und die Beleuchtung einmal insgesamt statt pro Beat beschrieben. Fügst du das echte Produktfoto als Referenz hinzu, nimmst du dem Modell den einzigen Teil, den es sonst raten müsste.
Vergleiche das mit der Fünf‑Sekunden‑Gewohnheit — „cinematic shot of a coffee grinder, dramatic lighting, 8k“ — die einem 30‑Sekunden‑Modell für 25 seiner Sekunden nichts zu tun gibt.
Seitenverhältnisse sind eine Grundsatzentscheidung
Seedance 2.5 deckt 21:9 bis 9:16 ab, inklusive 16:9, 4:3, 1:1 und 3:4. Wähle bewusst zur Generierung statt später zu beschneiden: Eine 30‑Sekunden‑Einstellung, die für 9:16 komponiert ist, hält ihr Motiv über die gesamte Dauer im Bild, während das Beschneiden einer 16:9‑Einstellung auf vertikal irgendwo in diesen dreißig Sekunden aus dem Frame driftet — und du bist wieder am Schneiden.
Wie es sich neben Veo, Sora und Kling einordnet
Kein einzelnes Modell gewinnt alles, und die Palette als Werkzeugkasten zu behandeln schlägt die Loyalität zu einem Namen.
Seedance 2.5 glänzt bei durchgehender Dauer mit synchronisiertem Audio. Veo 3.1 bleibt die Wahl für 4K‑Fidelity. Sora 2 ist stark in physikalischer Plausibilität und Prompt‑Verständnis. Kling beherrscht ausdrucksstarke menschliche Bewegung und Image‑to‑Video.
Das pragmatische Setup für ein 30‑Sekunden‑Stück: die Hauptszene mit Seedance 2.5 generieren, Close‑up‑Hero‑Shot mit einem 4K‑Modell ersetzen und zusammen schneiden. Genau dafür ist eine Multi‑Modell‑Plattform da — sieh dir in unserem Überblick an, wie das aktuelle Feld in den besten KI‑Video‑Generatoren 2026 abschneidet.
Solltest du diese Woche umsteigen?
Ja, wenn du 30‑Sekunden‑Social‑Spots, Dialogszenen, Testimonials oder UGC‑Style‑Ads produzierst; wenn Charakter‑ oder Produktkonsistenz über eine Kampagne hinweg ein wiederkehrender Schmerz ist; oder wenn ein spürbarer Teil deiner Woche ins Zusammennähen und Farbmatchen von Clips verschwindet.
Noch nicht, wenn dein Output primär Großbild oder 4K ist; wenn du Clips unter zehn Sekunden brauchst, wo 2.0 und andere Modelle günstiger und genauso gut sind; oder wenn deine Pipeline bereits auf kurze Generierungen getrimmt ist und die Umstellungskosten die gesparte Schnittzeit überwiegen.
Probier’s so oder so, wenn du den Stack fürs nächste Quartal wählst. Ein Modell, das das Lieferergebnis in einem Durchgang macht, ist ein anderes Werkzeug als eines, das Rohmaterial erzeugt — und diesen Unterschied spürst du an einem Nachmittag Nutzung besser, als du ihn vom Datenblatt herleiten kannst.
Die Kurzfassung
Seedance 2.5 ist das erste Modell, bei dem die Ausgabelänge der Länge dessen entspricht, was Leute tatsächlich veröffentlichen. Dreißig durchgehende Sekunden mit kohärentem Audio und referenzgesicherten Charakteren eliminieren eine ganze Kategorie an Post‑Produktion — bezahlt wird das mit Auflösung und Kosten pro Sekunde.
Wenn deine Arbeit kurzformig, social, dialoggetrieben oder kampagnenkonsistent ist, ist es bislang das nützlichste Release des Jahres. Wenn du 4K‑Master brauchst, behalte es als ein Werkzeug unter mehreren.
Du kannst Seedance 2.5 kostenlos auf Vivideo ausprobieren — kein ByteDance‑Account, wasserzeichenfreie Exporte im Bezahlplan und 30+ weitere Modelle daneben, wenn ein Shot etwas anderes braucht.