Seedance 2.5: Hva ByteDances 30‑sekundersmodell faktisk endrer

I tre år har hver AI‑videomodell gitt deg omtrent det samme: en nydelig femsekunders snutt som slutter idet det blir interessant. Hele håndverket rundt AI‑video har blitt bygget rundt den begrensningen — storyboard i takter, generer i fragmenter, sy sammen i klippen, og håp at jakken til karakteren har samme farge i bilde fire som i bilde én.

Seedance 2.5, ByteDance sin nyeste videomodell, er den første brede lanseringen som går løs på selve begrensningen i stedet for pikslene. Den genererer fulle 30 sekunder i én enkelt passering — ingen sammensying, ingen scene-kutt-liming, ingen skjøter å skjule. Den ene endringen forplanter seg i alt annet: hvordan du prompt­er, hvordan du budsjetterer, og hvor mye av klippetiden din som overlever.

Dette innlegget handler om hva som faktisk endret seg, hvor den er genuint bedre, og — like viktig — de to områdene der den er dårligere enn det du allerede bruker.

Viktige punkter

- Seedance 2.5 genererer 30 sammenhengende sekunder i én passering, og holder karakteridentitet, lyssetting og fysikk gjennom hele klippet.

- Lyd genereres sammen med bildet i stedet for å dubbes i etterkant, så lip sync og timing for treff sitter på riktig bilde.

- Reference‑to‑video aksepterer opptil 50 multimodale input, som gjør konsistens til en levert input fremfor en prompt‑kunsti.

- Avveiningene er reelle: utdata stopper på 720p, og pris per sekund er premium — bruk en 4K‑modell til hero‑shots.

Hva Seedance 2.5 faktisk er

Seedance er ByteDance sin familie for videogenerering — samme selskap som står bak TikTok og CapCut, som sier noe om rytme- og innrammingsinstinktene som ligger i bunn. Seedance 2.5 ble annonsert i juni 2026 på Volcano Engine FORCE‑konferansen og lansert i slutten av juli 2026, først i ByteDance sine Dreamina- og Jimeng‑apper før den kom til API‑et.

Den har tre moduser: tekst‑til‑video fra en skriftlig prompt, bilde‑til‑video fra et stillbilde, og reference‑to‑video, som er den det er verdt å ommøblere arbeidsflyten for. Du kan bruke Seedance 2.5 på Vivideo uten ByteDance‑konto, side om side med 30+ andre modeller på ett abonnement.

Toppfakta, rett fram:

• 30 sekunder, generert nativt i én enkelt pass (en ultralang modus går til 180 sekunder, fortsatt i beta)
• Innebygd lyd, generert sammen med videoen
• Opptil 50 referanse‑input — omtrent 30 bilder, 10 videoklipp og 10 lydfiler
• 480p og 720p ut, på tvers av sideforhold fra kinematisk 21:9 til vertikal 9:16
• Omtrent 20 % bedre prompt‑etterlevelse enn forrige generasjon

30‑sekundersgreia er hele historien

Det er fristende å lese «30 sekunder» som en kvantitetsoppgradering — seks ganger mer video per generering. Det undervurderer poenget. Forskjellen er kontinuitet, ikke varighet.

Når du syr sammen seks femsekunders klipp, håndterer du drift. Ansiktet endrer seg litt. Fargetemperaturen vandrer. En hånd blir til seks fingre i tredje klipp, og du regenererer, som endrer innrammingen, som gjør at kuttet ikke lenger matcher. Alle som har satt sammen en 30‑sekunders AI‑annonse vet at den virkelige kostnaden ikke er genereringstiden — det er forsoningsarbeidet etterpå.

Én enkelt 30‑sekunders passering fjerner forsoningen. Identitet, garderobe, lys og fysikk bestemmes én gang og holdes. Det er derfor akkurat 30 sekunder betyr noe: det er lengden på en standard annonseplass, en komplett produktforklarings‑beat, eller en full vertikal video. Det er den første varigheten der modellutdataene er leveransen, snarere enn råmateriale for en redigering.

Hvis arbeidsflyten din i dag er bygget rundt å lenke korte klipp, gjelder fortsatt guiden vår om å lage AI‑videoer lengre enn 60 sekunder — du vil bare lenke langt færre, langt lengre biter.

Lyd generert sammen med bildet, ikke etterpå

De fleste «AI‑video med lyd» er to systemer i frakk: generer videoen, så generer eller dubb lyd og juster dem. Det funker helt til noe må treffe en eksakt frame — et fottrinn, et dørsmett, en stavelse.

Seedance 2.5 genererer lyd og bilder i fellesskap. Praktisk betyr det at lip sync, treff‑timing og ambient sammenheng bestemmes i samme pass som bevegelsen som forårsaker dem. Det nyttige trikset: sett en replikk i doble anførselstegn inne i prompten din, så leverer karakteren den, lip‑synket.

For dialogdrevne formater — testimonials, sketsjer, forklaringsscener med en presentatør — kollapser dette en flertrinnspipeline til én generering. Du kan fortsatt legge på AI‑voiceover, klonede stemmer eller et musikkspor etterpå når det kreative tilsier det.

Aritmetikken ingen nevner

Ta en standard 30‑sekunders produktspot. Etter den gamle modellen genererer du seks klipp på fem sekunder hver. Anta en realistisk treffrate på én brukbar take av tre — det er 18 genereringer. Deretter bruker du en time i klippen på å matche farger, kutte på bevegelse, og skjule de to overgangene der produktets refleks endrer seg.

Med en enkeltpass‑modell er den samme spotten én generering. Treffraten er lavere per forsøk, fordi mer kan gå galt over 30 sekunder enn over fem — kall det én av fire. Det er fire genereringer og ingen forsoningsklipp.

Færre forsøk er ikke automatisk poenget; forsvinningen av forsoningssteget er det. Syarbeidet var aldri fakturerbart, aldri kreativt, og ble aldri enklere med øvelse.

Flere subjekter i bevegelse er der det skinner

Det andre reelle kapabilitetsløftet er interaksjon. Seedance 2.5 er bygget for å håndtere flere subjekter som påvirker hverandre — sport, dans, slåssing, objekter som kolliderer — i stedet for ett subjekt som beveger seg foran en bakgrunn.

Dette er klassen av opptak som historisk har kollapset raskest. To personer som kaster en ball kunne gi en ball som endrer størrelse, eller hender som passerer gjennom hverandre, fordi modellen manglet en vedvarende forståelse av noen av kroppene. Over 30 sekunder forsterkes denne feilmodusen; at Seedance 2.5 sikter seg inn på nettopp dette, i nettopp denne lengden, er ikke en tilfeldighet.

Den praktiske tolkningen: hvis storyboardet ditt har to eller flere ting som berører hverandre, er dette nå en fornuftig modell å prøve først i stedet for siste utvei.

Redigering på regionnivå og 180-sekunders beta

To funksjoner ligger litt bak overskriftene, men endrer hvordan du itererer.

Redigering på regionnivå lar deg endre en del av en ramme uten å regenerere hele klippet. I en enkelt 30-sekunders tagning betyr det enormt mye — under den gamle arbeidsflyten betydde ett feil element å kaste hele genereringen og trille terningene på nytt. Å kunne fikse en region mens du beholder alt du allerede har godkjent, er det som gjør en lang enkelt-take praktisk å iterere på i det hele tatt.

Ultralang modus utvider én enkelt generering til 180 sekunder. Den er i beta, og bør behandles deretter: bruk den til å utforske hva en tre minutters kontinuerlig tagning muliggjør, ikke for å love en kunde en leveranse neste uke.

Femti referanser: konsistens blir en input

Den stille hovedfunksjonen er referanse-til-video. Seedance 2.5 aksepterer opptil 50 multimodale referanser — bilder, videoklipp og lyd — og holder dem gjennom genereringen.

Dette endrer naturen til merkevarekonsistens. Historisk har du skrevet prompt for å nærme deg konsistens: beskrevet en karakter i detalj og håpet at modellen konvergerte. Nå leverer du selve tingen. Et produkt fra tre vinkler. Ansiktet til en programleder. En lokasjon. En stemme. Modellen matcher i stedet for å anslå.

For kampanjearbeid er dette forskjellen mellom «bildene våre ser beslektet ut» og «bildene våre ser ut som samme shoot». Hvis du har vedlikeholdt et prompt-dokument for å holde en karakter stabil gjennom en serie, erstatter referanser det meste av det.

Hva det koster deg

To ærlige avveiinger, fordi begge betyr noe når du velger modell til en jobb.

Oppløsningen topper ut på 720p. Seedance 2.5 leverer 480p og 720p — ikke 1080p, og ikke 4K, til tross for noe lanseringsdekning som forvekslet den med 2.0-oppdateringen. For sosialt først-arbeid levert til mobil er 720p som regel fint. For en hero-shot på en landingsside eller noe som skal på en stor skjerm, generer det opptaket med en 4K-kapabel modell som Veo 3.1 i stedet.

Pris per sekund er premium. Nativt blir Seedance 2.5 målt per sekund utdata, og 720p koster omtrent det dobbelte av 480p. Tretti sekunder er mange sekunder. Den praktiske arbeidsflyten: kladd i 480p til prompten sitter, og gjør deretter en siste passering i 720p. På Vivideo er modellen inkludert i ett abonnement i stedet for å bli målt per klipp, noe som fjerner det meste av kladdeangsten.

Seedance 2.5 vs Seedance 2.0: når bruke hva

Seedance 2.0 er ikke utdatert, og riktig valg sparer penger.

Velg 2.5 når klippet er leveransen: en 30-sekunders spot, en dialogscene, alt der en karakter eller et produkt må forbli identisk gjennom hele, eller der lyd må treffe spesifikke bilderammer.

Velg 2.0 når du trenger et kort, punchy, høybevegelsesklipp — en tre sekunders hook, en overgang, en energiburst til en rask klipp — eller når du vil ha 1080p og ikke trenger lengde. Bevegelseskvaliteten er fortsatt utmerket, og korte genereringer er billigere.

Sammenligningen verdt å internalisere: 2.0 optimaliserer opptaket, 2.5 optimaliserer scenen.

Slik prompt-er du Seedance 2.5

Tretti sekunder med kontinuitet belønner en annen prompt-form enn fem sekunder med fyrverkeri. Noen mønstre som fungerer:

Skriv en beat sheet, ikke en beskrivelse. Med fem sekunder beskriver du et øyeblikk. Med tretti beskriver du en liten bue: hva skjer først, hva endres, hvor det ender. Modellen har rom til å gjennomføre en progresjon — gi den én, ellers finner den på fyllstoff.

Navngi kamerabevegelsen én gang. Ett kontinuerlig opptak innebærer ett kamera. Bestem om det står fast, sakte dolly-in, eller håndholdt, og si det én gang. Å krangle med kameraet midt i prompten er raskeste vei til å innføre de klippene du ville unngå.

Sett dialog i doble anførselstegn. Dette er den dokumenterte utløseren for leppesynkronisert tale. Hold replikkene korte nok til å kunne sies komfortabelt i tiden som er tilgjengelig — en 30-sekunders klipp rommer langt mindre dialog enn folk tror.

Gi referanser i stedet for adjektiver. Har du ansiktet, produktet eller stedet, legg det ved. Hver referanse du legger til er et avsnitt med beskrivelse du slipper å skrive, og den er mer pålitelig.

Den bredere veiledningen vår om å skrive AI-videoprompter dekker det grunnleggende som gjelder for enhver modell.

Et gjennomarbeidet eksempel

Her er formen som pleier å fungere, for en 30-sekunders produktspot:

Ett sammenhengende håndholdt opptak på et solfylt kjøkken. En kvinne i trettiårene pakker ut en kaffekvern fra en eske på benken, snur den i hendene og setter den ved siden av vannkokeren. Hun ser opp og sier: "Ærlig talt? Den er stillere enn den gamle min." Hun smiler og begynner å male. Varmt morgenlys, liten dybdeskarphet, myk kameradrift mot høyre gjennom hele opptaket.

Legg merke til hva den gjør: én kamerainstruks uttalt én gang, en tre-slags bue (pakke ut, plassere, bruke), én kort sitert linje tilpasset øyeblikket, og lyssetting beskrevet én gang i stedet for per beat. Legg ved faktisk produktfoto som referanse, så har du fjernet den eneste delen modellen ellers måtte gjette på.

Sammenlign det med femsekunders-vanen — "cinematisk opptak av en kaffekvern, dramatisk lyssetting, 8k" — som gir en 30-sekunders modell ingenting å gjøre i 25 av sine sekunder.

Bildeformater er et førsteklassevalg

Seedance 2.5 spenner fra 21:9 til 9:16, inkludert 16:9, 4:3, 1:1 og 3:4. Velg bevisst ved generering i stedet for å beskjære senere: et 30-sekunders opptak komponert for 9:16 holder motivet innrammet hele varigheten, mens å beskjære et 16:9-opptak til vertikalt vil drive ut av rammen et sted i løpet av de tretti sekundene, og du er tilbake til å klippe.

Hvordan det passer ved siden av Veo, Sora og Kling

Ingen enkeltmodell vinner alt, og å behandle utvalget som en verktøykasse slår lojalitet til ett navn.

Seedance 2.5 eier sammenhengende varighet med synkronisert lyd. Veo 3.1 er fortsatt valget for 4K-fidelitet. Sora 2 er sterk på fysisk plausibilitet og prompt-forståelse. Kling håndterer uttrykksfull menneskelig bevegelse og bilde-til-video godt.

Det pragmatiske oppsettet for en 30-sekunders film: generer hovedscenen med Seedance 2.5, erstatt eventuelle nærbilder av heltemotivet med en 4K-modell, og klipp dem sammen. Det er akkurat det en multimodell-plattform er til for — se hvordan dagens felt rangerer i vår oversikt over de beste AI-videogeneratorene for 2026.

Bør du bytte denne uken?

Ja, hvis du lager 30-sekunders SoMe-spots, dialogscener, testimonials eller UGC-annonser; hvis karakter- eller produktkonsistens på tvers av en kampanje er en gjenganger; eller hvis en meningsfull del av uken forsvinner i å sy sammen og farge-matche klipp.

Ikke ennå, hvis leveransene dine primært er storskjerm eller 4K; hvis du trenger klipp under ti sekunder, der 2.0 og andre modeller er billigere og like gode; eller hvis arbeidsflyten din allerede er trimmet for korte genereringer og bytte-kostnaden overstiger spart redigeringstid.

Prøv uansett hvis du velger stack for neste kvartal. En modell som lager leveransen i ett pass er et annet verktøy enn en som lager råmateriale, og den forskjellen er lettere å kjenne på etter en ettermiddag i bruk enn å resonnere seg frem til fra et spesifikasjonsark.

Den korte versjonen

Seedance 2.5 er den første modellen der utgangslengden matcher lengden på ting folk faktisk publiserer. Tretti sammenhengende sekunder med koherent lyd og referanselåste karakterer fjerner en hel kategori etterarbeid, og prisen for det er oppløsning og kostnad per sekund.

Hvis arbeidet ditt er kortform, sosialt, dialogdrevet eller kampanjekonsistent, er dette årets mest nyttige lansering så langt. Hvis du trenger 4K-mastere, behold den som ett verktøy blant flere.

Du kan prøve Seedance 2.5 gratis på Vivideo — ingen ByteDance-konto, vannmerkefrie eksporter på en betalt plan, og 30+ andre modeller ved siden av når et opptak trenger noe annet.