Seedance 2.5: cosa cambia davvero nel modello da 30 secondi di ByteDance

Per tre anni, ogni modello video IA ti ha dato più o meno la stessa cosa: un bellissimo clip di cinque secondi che finisce proprio quando inizia a farsi interessante. Tutto il lavoro dei video con IA si è costruito attorno a quel vincolo: storyboard a battute, generazione a frammenti, montaggio a incastro, e sperare che la giacca del personaggio abbia lo stesso colore nell’inquadratura quattro come nella uno.

Seedance 2.5, il nuovo modello video di ByteDance, è il primo rilascio mainstream che affronta il vincolo stesso invece dei pixel. Genera 30 secondi completi in un singolo passaggio: niente stitching, niente tagli di scena da incollare, nessuna cucitura da nascondere. Quel singolo cambiamento si ripercuote su tutto il resto: come fai prompt, come imposti il budget e quanta parte del tuo tempo di montaggio si salva.

Questo post spiega cosa è davvero cambiato, dove è davvero migliore e — altrettanto importante — i due ambiti in cui è peggiore di ciò che già usi.

Punti chiave

- Seedance 2.5 genera 30 secondi continui in un passaggio, mantenendo identità dei personaggi, illuminazione e fisica su tutto il clip.

- L’audio è generato insieme all’immagine, non doppiato dopo, quindi il labiale e i tempi degli impatti cadono sul frame giusto.

- La modalità reference-to-video accetta fino a 50 input multimodali, trasformando la coerenza da trucco di prompting a input fornito.

- I compromessi sono reali: output massimo a 720p e prezzo per secondo premium — usa un modello 4K per le inquadrature di punta.

Che cos’è davvero Seedance 2.5

Seedance è la famiglia di generazione video di ByteDance — la stessa azienda dietro TikTok e CapCut, il che dice qualcosa sugli istinti di ritmo e inquadratura incorporati. Seedance 2.5 è stato annunciato a giugno 2026 alla conferenza Volcano Engine FORCE e rilasciato a fine luglio 2026, arrivando prima nelle app Dreamina e Jimeng di ByteDance e poi nell’API.

Ha tre modalità: text-to-video da prompt scritto, image-to-video da uno still, e reference-to-video, quella per cui vale la pena riorganizzare il workflow. Puoi usare Seedance 2.5 su Vivideo senza account ByteDance, insieme a oltre 30 modelli con un solo abbonamento.

Specifiche principali, senza giri di parole:

• 30 secondi, generati nativamente in un singolo passaggio (una modalità ultra-long arriva a 180 secondi, ancora in beta)
• Audio nativo, generato congiuntamente al video
• Fino a 50 input di riferimento — circa 30 immagini, 10 clip video e 10 file audio
• Output 480p e 720p, con formati d’aspetto dal cinematografico 21:9 al verticale 9:16
• Circa il 20% di aderenza al prompt in più rispetto alla generazione precedente

La cosa dei 30 secondi è tutta la storia

È facile leggere “30 secondi” come un upgrade di quantità — sei volte più video per generazione. È riduttivo. La differenza è la continuità, non la durata.

Quando incolli sei clip da cinque secondi, stai gestendo la deriva. Il volto cambia leggermente. La temperatura della luce oscilla. Una mano diventa sei dita nella terza inquadratura e rigeneri, il che cambia l’inquadratura, il che fa sì che il taglio non corrisponda più. Chiunque abbia assemblato uno spot IA da 30 secondi sa che il vero costo non è il tempo di generazione — è la riconciliazione dopo.

Un singolo passaggio da 30 secondi elimina la riconciliazione. Identità, guardaroba, luci e fisica vengono decisi una volta e mantenuti. Ecco perché 30 secondi contano: è la durata di uno slot pubblicitario standard, di una sequenza completa di product explainer o di un intero video verticale. È la prima durata in cui l’output del modello è il deliverable, non materia grezza per il montaggio.

Se il tuo flusso attuale si basa su concatenare clip brevi, la nostra guida su come fare video IA più lunghi di 60 secondi è ancora valida — solo che concatenerai molti meno pezzi, molto più lunghi.

Audio generato insieme all’immagine, non dopo

La maggior parte dei “video IA con audio” è due sistemi in trench coat: si genera il video, poi si genera o si doppia l’audio e si allinea. Funziona finché qualcosa non deve cadere su un frame esatto — un passo, una porta che sbatte, una sillaba.

Seedance 2.5 genera suono e immagine congiuntamente. In pratica, significa che labiale, tempi d’impatto e coerenza ambientale vengono decisi nello stesso passaggio del movimento che li causa. Il trucco utile: metti una battuta tra virgolette doppie nel prompt e il personaggio la pronuncia, sincronizzato a labiale.

Per i formati guidati dai dialoghi — testimonial, sketch, scene di spiegazione con presentatore — questo comprime una pipeline multi-step in una sola generazione. Puoi comunque aggiungere in seguito voiceover IA, voci clonate o una traccia musicale quando serve creativamente.

L’aritmetica che nessuno menziona

Prendi uno spot prodotto standard da 30 secondi. Con il vecchio modello generi sei clip da cinque secondi ciascuna. Supponi un tasso realistico di una ripresa utilizzabile su tre — sono 18 generazioni. Poi passi un’ora in montaggio a uniformare il colore, tagliare sul movimento e nascondere le due transizioni in cui cambia il riflesso del prodotto.

Con un modello a passaggio singolo lo stesso spot è una generazione. Il tasso di riuscita per tentativo è più basso, perché in 30 secondi può andare storto più che in cinque — diciamo una su quattro. Sono quattro generazioni e nessun montaggio di riconciliazione.

Fare meno tentativi non è automaticamente il punto; la scomparsa della fase di riconciliazione lo è. Quel lavoro di stitching non era mai fatturabile, mai creativo e non diventava mai più facile con l’esperienza.

Il multi-soggetto è dove brilla

L’altro vero salto di capacità è l’interazione. Seedance 2.5 è stato progettato per gestire più soggetti che si influenzano a vicenda — sport, danza, combattimenti, oggetti che collidono — invece di un singolo soggetto davanti a uno sfondo.

Questa è la classe di inquadrature che storicamente si sfaldava più in fretta. Due persone che si passano una palla producevano una palla che cambia dimensione o mani che si attraversano, perché il modello non aveva una nozione persistente di nessuno dei due corpi. Su 30 secondi, quella modalità di errore si amplifica; il fatto che Seedance 2.5 prenda di mira proprio questo, proprio a questa durata, non è una coincidenza.

La lettura pratica: se il tuo storyboard ha due o più elementi che si toccano, ora questo è un modello sensato da provare per primo invece che l’ultima spiaggia.

Editing a livello di regione e beta da 180 secondi

Due funzioni restano un filo dietro al titolo, ma cambiano come iteri.

Editing a livello di regione ti consente di cambiare una parte del frame senza rigenerare l’intera clip. In una singola ripresa da 30 secondi conta enormemente — nel vecchio flusso, un elemento sbagliato significava buttare via l’intera generazione e ritentare alla cieca. Poter correggere una regione mantenendo tutto ciò che avevi già approvato è ciò che rende pratico iterare su una lunga ripresa singola.

La modalità ultra-long estende una singola generazione a 180 secondi. È in beta, e va trattata come tale: usala per esplorare cosa rende possibile una ripresa continua di tre minuti, non per promettere a un cliente una consegna la prossima settimana.

Cinquanta reference: la coerenza diventa un input

La funzione “titolo silenzioso” è reference-to-video. Seedance 2.5 accetta fino a 50 reference multimodali — immagini, clip video e audio — e le mantiene per tutta la generazione.

Questo cambia la natura della coerenza di brand. Storicamente si cercava di ottenere coerenza tramite prompt: descrivendo un personaggio in modo ossessivo e sperando che il modello convergesse. Ora fornisci direttamente l’oggetto. Un prodotto da tre angolazioni. Il volto di un presentatore. Una location. Una voce. Il modello fa il matching invece di approssimare.

Per il lavoro di campagna questa è la differenza tra “i nostri shot sembrano correlati” e “i nostri shot sembrano lo stesso set”. Se hai mantenuto un documento di prompt per tenere stabile un personaggio in una serie, le reference ne sostituiscono gran parte.

Cosa ti costa

Due trade-off onesti, perché entrambi contano quando scegli un modello per un lavoro.

La risoluzione arriva fino a 720p. Seedance 2.5 produce 480p e 720p — non 1080p, e non 4K, nonostante alcune coperture del lancio che l’hanno confuso con l’aggiornamento 2.0. Per lavori social-first destinati al telefono, 720p va di solito bene. Per un hero shot su una landing page o qualsiasi cosa destinata a uno schermo grande, genera quella ripresa con un modello capace di 4K come Veo 3.1.

Il prezzo al secondo è premium. Nativamente, Seedance 2.5 è tariffato al secondo di output, e 720p costa circa il doppio di 480p. Trenta secondi sono molti secondi. Il flusso pratico: abbozza a 480p finché il prompt è giusto, poi passa a una finale a 720p. Su Vivideo il modello è incluso in un unico abbonamento invece che tariffato per clip, il che elimina gran parte dell’ansia in fase di bozza.

Seedance 2.5 vs Seedance 2.0: quando usare quale

Seedance 2.0 non è obsoleto, e scegliere correttamente fa risparmiare.

Scegli 2.5 quando la clip è il deliverable: uno spot da 30 secondi, una scena di dialogo, qualsiasi cosa in cui un personaggio o un prodotto debba rimanere identico dall’inizio alla fine, o quando l’audio deve cadere su frame specifici.

Scegli 2.0 quando ti serve un taglio breve, incisivo, ad alta dinamicità — un hook da tre secondi, una transizione, un’esplosione di energia destinata a un montaggio veloce — o quando vuoi 1080p e non ti serve la lunghezza. La qualità del movimento resta eccellente, e le generazioni brevi costano meno.

Il confronto da interiorizzare: la 2.0 ottimizza lo shot, la 2.5 ottimizza la scena.

Come fare prompt per Seedance 2.5

Trenta secondi di continuità richiedono un tipo di prompt diverso rispetto a cinque secondi di spettacolo. Alcuni schemi che reggono bene:

Scrivi un beat sheet, non una descrizione. Con cinque secondi descrivi un momento. Con trenta descrivi un piccolo arco: cosa succede per primo, cosa cambia, dove finisce. Il modello ha spazio per eseguire una progressione — dagliela, o inventerà riempitivi.

Indica una sola volta il comportamento della camera. Una singola ripresa continua implica una singola camera. Decidi se è fissa, se avanza lentamente, o se è a mano, e dichiaralo una volta sola. Combattere la camera a metà prompt è il modo più rapido per introdurre i tagli che volevi evitare.

Metti i dialoghi tra virgolette doppie. È il trigger documentato per la parlata sincronizzata con le labbra. Tieni le battute abbastanza corte da poter essere pronunciate comodamente nel tempo disponibile — un clip di 30 secondi contiene molto meno dialogo di quanto la gente stimi.

Fornisci reference invece di aggettivi. Se hai il volto, il prodotto o la location, allegali. Ogni reference che aggiungi vale un paragrafo di descrizione che non devi scrivere, ed è più affidabile.

La nostra guida più ampia alla scrittura di prompt per video IA copre i fondamenti che valgono per qualsiasi modello.

Un esempio pratico

Ecco la forma che tende a funzionare, per uno spot prodotto da 30 secondi:

Una singola ripresa continua a mano in una cucina illuminata dal sole. Una donna sui trent'anni tira fuori un macinacaffè da una scatola sul bancone, lo gira tra le mani e lo appoggia accanto al bollitore. Alza lo sguardo e dice: "Onestamente? È più silenzioso del mio vecchio." Sorride e inizia a macinare. Calda luce del mattino, profondità di campo ridotta, lieve deriva della camera verso destra per tutta la durata.

Nota cosa fa: un'istruzione di camera detta una volta, un arco in tre battute (disimballa, posiziona, usa), una breve frase tra virgolette adeguata al momento, e l'illuminazione descritta una volta invece che per ogni passaggio. Aggiungi la foto reale del prodotto come reference e avrai tolto l'unica parte che il modello altrimenti dovrebbe indovinare.

Confrontalo con l'abitudine da cinque secondi — "ripresa cinematografica di un macinacaffè, luce drammatica, 8k" — che non dà nulla da fare a un modello da 30 secondi per 25 dei suoi secondi.

I formati sono una scelta primaria

Seedance 2.5 copre da 21:9 a 9:16, inclusi 16:9, 4:3, 1:1 e 3:4. Scegli consapevolmente in fase di generazione invece di ritagliare dopo: una ripresa da 30 secondi composta per il 9:16 mantiene il soggetto inquadrato per tutta la durata, mentre ritagliare un 16:9 in verticale lo farà uscire dall'inquadratura in qualche punto di quei trenta secondi e tornerai ai tagli.

Dove si colloca rispetto a Veo, Sora e Kling

Nessun singolo modello vince su tutto, e trattare la rosa come una cassetta degli attrezzi batte la fedeltà a un solo nome.

Seedance 2.5 eccelle in durata continua con audio sincronizzato. Veo 3.1 resta la scelta per la fedeltà in 4K. Sora 2 è forte su plausibilità fisica e comprensione del prompt. Kling gestisce bene il movimento umano espressivo e l'image-to-video.

L'impostazione pragmatica per un pezzo da 30 secondi: genera la scena principale con Seedance 2.5, sostituisci eventuali primi piani hero con un modello 4K e montali insieme. È esattamente ciò per cui serve una piattaforma multi-modello — vedi come il panorama attuale si confronta nel nostro roundup dei migliori generatori video IA per il 2026.

Dovresti passare già questa settimana?

Sì, se produci spot social da 30 secondi, scene di dialogo, testimonial o ads in stile UGC; se la coerenza di personaggi o prodotti lungo una campagna è un grattacapo ricorrente; o se una quota significativa della tua settimana sparisce a cucire clip e uniformare il colore.

Non ancora, se il tuo output è principalmente per grande schermo o in 4K; se ti servono clip sotto i dieci secondi, dove la 2.0 e altri modelli costano meno e sono altrettanto validi; o se la tua pipeline è già ottimizzata per generazioni brevi e il costo di passaggio supera il tempo di editing risparmiato.

Provalo comunque se stai scegliendo lo stack per il prossimo trimestre. Un modello che realizza il deliverable in un solo passaggio è uno strumento diverso da uno che produce materiale grezzo, e questa differenza è più facile da sentire in un pomeriggio d'uso che da dedurre da una scheda tecnica.

La versione breve

Seedance 2.5 è il primo modello in cui la lunghezza dell'output corrisponde alla durata delle cose che le persone pubblicano davvero. Trenta secondi continui con audio coerente e personaggi ancorati alle reference eliminano un'intera categoria di lavori di post-produzione, e il prezzo da pagare è in risoluzione e costo al secondo.

Se il tuo lavoro è short-form, social, guidato dai dialoghi o coerente di campagna, è l'uscita più utile dell'anno finora. Se ti servono master in 4K, tienilo come uno strumento tra diversi.

Puoi provare Seedance 2.5 gratis su Vivideo — nessun account ByteDance, export senza watermark con un piano a pagamento e oltre 30 altri modelli accanto quando un'inquadratura richiede qualcosa di diverso.