Seedance 2.0 ist ByteDances Modell für die gemeinsame Audio- und Videogenerierung. Ein Prompt liefert einen Multi-Shot-Clip von bis zu 15 Sekunden mit Stereo-Audio. Text, Bild, Audio und Video lassen sich alle als Input einsetzen.
ByteDances Text-zu-Video-Modell, das Ton und Bild gemeinsam ausliefert
Seedance 2.0 ist das Videogenerierungsmodell von ByteDance Seed, offiziell veröffentlicht am 2026-02-12. In einem Render entsteht ein einziger Multi-Shot-Clip von bis zu 15 Sekunden Länge mit Stereo-Audio. Eine Generierung mit Seedance 2.0 verarbeitet bis zu 9 Referenzbilder, 3 Videoclips und 3 Audioclips zusätzlich zum Text-Prompt — so lassen sich Charaktere fixieren, eine Tonspur abgleichen oder ein bestehendes Take verlängern, ohne das Modell zu wechseln. Seedance 2.0 legt Wert auf physikalische Genauigkeit und Multi-Subjekt-Interaktion: Gliedmaßen sitzen dort, wo sie sitzen sollten, Schwerkraft und Berührungen wirken stimmig, und mehrere Figuren agieren in derselben Aufnahme ohne schwebende Glieder oder Artefakte.
Ein einzelner Render von Seedance 2.0 liefert einen durchgehenden Multi-Shot-Clip von bis zu 15 Sekunden — kein Loop, keine Verkettung.
Seedance 2.0 erzeugt zweikanaliges Audio im selben Durchlauf wie die Frames — synchron zur Handlung.
Bis zu 9 Bilder, 3 Videoclips und 3 Audioclips ergänzen den Text-Prompt und steuern eine Generierung mit Seedance 2.0.
Seedance 2.0 meistert Multi-Subjekt-Interaktionen — Handschläge, Tanzpartner, Kampfszenen — ohne Artefakte schwebender Gliedmaßen.
Lege Kamerafahrt, Hauptlicht und Schattenform fest — Seedance 2.0 nimmt das Vokabular einer Shot List direkt im Prompt auf.
Übergib Referenzbilder, und Seedance 2.0 hält dieselbe Person oder dasselbe Produkt über den gesamten Multi-Shot von Seedance 2.0 hinweg konstant.
Seedance 2.0 — Text rein, Multi-Shot-Video raus, Audio inklusive.
Du schreibst die Szene; Seedance 2.0 liest sie und gibt einen durchgehenden Clip mit mehreren Aufnahmen und synchronem Ton zurück. Produkt-Teaser, Marken-Promos, Social-Media-Opener — wie spezifisch der Output ausfällt, hängt von der Detailtiefe deines Prompts ab.
Ein Prompt für Seedance 2.0 kann alle vier Modalitäten in einem Aufruf kombinieren.
Lege ein Referenzfoto ab, um eine Figur zu fixieren, einen vorhandenen Clip zur Verlängerung, eine Tonspur zur Abstimmung — Seedance 2.0 liest sie zusammen mit dem Text. Das offizielle Limit liegt bei 9 Bildern, 3 Videoclips und 3 Audioclips pro Generierung.
Seedance 2.0 hält Gliedmaßen, Berührungen und Timing korrekt, wenn mehrere Figuren eine Aufnahme teilen.
Frühere Videomodelle versagten, sobald zwei Personen tanzen, kämpfen oder sich die Hand geben sollten — Glieder rutschten, Hände gingen ineinander, das Timing stimmte nicht. Seedance 2.0 wurde gezielt für physische Multi-Subjekt-Interaktion trainiert. Gruppenchoreografien und kontaktstarke Szenen halten auf Shot-Ebene zusammen.
Seedance 2.0 erzeugt Stereo-Audio im selben Durchlauf wie das Video.
Klassische Text-zu-Video-Tools lieferten stummes Material — Vertonung und Mix erfolgten in der Post. Seedance 2.0 rendert Stereo-Audio synchron zur Handlung in einem einzigen Render, sodass ein Clip ohne separaten Audio-Pass auf TikTok oder YouTube landen kann.
Seedance 2.0 versteht das Vokabular einer Shot List — Dolly, Kran, Hauptlicht, Schatten.
Briefe den Clip wie einen Kameramann. Nenne das Objektiv, die Kamerafahrt, Haupt- und Kantenlicht sowie die Stimmung. Seedance 2.0 trifft die geplante Aufnahme näher als ein Try-and-Error-Reroll — nützlich für Hero-Cuts, Marken-Promos und Opener.
Acht Clips — jede Bildunterschrift ist ein wiederverwendbarer Seedance 2.0 Prompt
Offiziell veröffentlichte Werte direkt von den Anbieterseiten — keine Drittquellen.
| Fähigkeit | Seedance 2.0 | Veo 3.1 | Sora 2 | Kling 3.0 |
|---|---|---|---|---|
| Max. Clip-Länge | 15 Sekunden (Multi-Shot) | 8 Sek. Basis; bis 148s via Scene Extension | Bis zu 12s (Sora 2 API) | Bis zu 15s (bis 6 Shots) |
| Audio im Render | Ja, Dual-Channel | Ja, nativ 48kHz | Ja, synchroner Ton | Ja, mehrsprachig nativ |
| Referenz-Assets | 9 Bilder + 3 Videos + 3 Audio | Bis zu 3 Referenzbilder | Einzelne Bildreferenz | Multimodale Eingabe |
| Multi-Shot-Ausgabe | Ein Render, Multi-Shot | Scene Extension verkettet 8s-Clips | Einzelner Clip | Bis zu 6 Shots in einem Render |
| Multimodale Eingabe | Text, Bild, Audio, Video | Text, Bild | Text, Bild | Text, Bild, Audio, Video |
| Veröffentlichung | 2026-02-12 (ByteDance Seed) | 2026-01-13 (Google DeepMind) | 2025 (OpenAI) | 2026-02-04 (Kuaishou) |
Vier Gewohnheiten, die brauchbares Material von Reroll-Rauschen trennen
Nenne Subjekt, Kamerafahrt, Objektiv, Licht, Stimmung und Audio in einem einzigen Seedance 2.0 Prompt. Ein Render von Seedance 2.0 spiegelt das wider, was du eingibst.
16:9 für YouTube, 9:16 für Reels, 1:1 für Feeds. 5-8s für Loops, bis zu 15s für Opener. Lege beides fest, bevor du an Seedance 2.0 sendest.
Übergib ein Referenzfoto, wenn eine Figur oder ein Produkt über Aufnahmen hinweg gleich aussehen soll. Seedance 2.0 liest bis zu 9 Bilder pro Generierung.
Sag, was du hören willst — 'Regenrauschen', 'fröhlicher Lofi', 'zwei Freunde lachen'. Seedance 2.0 liefert Stereo-Audio im selben Render, also beschreibe es.
Jedes Videomodell hat eigene Stärken — Realismus, Tempo, Stil, Kosten
Was Nutzer vor dem ersten Render mit Seedance 2.0 wirklich fragen
Kostenlos. Ohne Kreditkarte. Multi-Shot bis zu 15 Sekunden mit Stereo-Audio. Teste Seedance 2.0 oben auf ZorqAI.
