Seedance 2.0 es el modelo de generación de audio y vídeo de ByteDance. Una sola indicación produce un clip multi-toma de hasta 15 segundos con audio en doble canal. Acepta texto, imagen, audio y vídeo como entradas.
El modelo de texto a vídeo de ByteDance que entrega sonido junto con los fotogramas
Seedance 2.0 es el modelo de generación de vídeo de ByteDance Seed, lanzado oficialmente el 2026-02-12. Produce un único clip multi-toma de hasta 15 segundos con audio en doble canal en una sola renderización. Una generación de Seedance 2.0 admite hasta 9 imágenes de referencia, 3 clips de vídeo y 3 clips de audio junto con la indicación de texto, así puedes fijar un personaje, ajustar una banda sonora o extender una toma existente sin salir del modelo. Seedance 2.0 enfatiza la precisión física y la interacción multi-sujeto: las extremidades caen donde deben, la gravedad y el contacto se ven reales, y varios personajes pueden actuar en la misma toma sin glitches de extremidades flotantes.
Una sola renderización de Seedance 2.0 entrega un clip multi-toma continuo de hasta 15 segundos: ni bucle, ni montaje pegado.
Seedance 2.0 renderiza audio en doble canal en la misma pasada que los fotogramas, sincronizado con la acción.
Hasta 9 imágenes, 3 clips de vídeo y 3 clips de audio pueden acompañar la indicación de texto para guiar una generación de Seedance 2.0.
Seedance 2.0 maneja interacciones entre varios sujetos —apretones de manos, parejas de baile, peleas— sin artefactos de extremidades a la deriva.
Dirige el movimiento de lente, la luz principal y la forma de la sombra: Seedance 2.0 entiende vocabulario de plan de rodaje en la indicación.
Pasa imágenes de referencia y Seedance 2.0 mantiene a la misma persona o producto a lo largo del multi-toma de Seedance 2.0.
Seedance 2.0 — texto a la entrada, vídeo multi-toma a la salida, audio incluido.
Tú escribes la escena; Seedance 2.0 la lee y devuelve un clip continuo con varias tomas y sonido sincronizado. Teasers de producto, promos de marca, openers para redes: la concreción del resultado de Seedance 2.0 depende de cuán detallada sea tu indicación.
Una indicación de Seedance 2.0 puede combinar las cuatro modalidades en una sola llamada.
Suelta una foto de referencia para fijar un personaje, un clip existente para extenderlo, una pista de audio para que cuadre: Seedance 2.0 los lee junto con el texto. El tope oficial de entrada de Seedance 2.0 es 9 imágenes, 3 clips de vídeo y 3 clips de audio por generación.
Seedance 2.0 mantiene extremidades, contacto y tempo correctos cuando varios sujetos comparten una toma.
Los modelos de vídeo anteriores fallaban cuando dos personas tenían que bailar, pelear o darse la mano: las extremidades patinaban, las manos se atravesaban, el tempo se descuadraba. Seedance 2.0 fue afinado específicamente para la interacción física multi-sujeto. Con Seedance 2.0, las coreografías grupales y las escenas con mucho contacto se sostienen a nivel de toma.
Seedance 2.0 produce audio en doble canal en la misma pasada que el vídeo.
Las herramientas heredadas de texto a vídeo entregaban material mudo: tú musicalizabas y mezclabas en posproducción. Seedance 2.0 renderiza audio en doble canal sincronizado con la acción en pantalla en una sola pasada, así un clip de Seedance 2.0 puede aterrizar en TikTok o YouTube sin un pase de audio aparte.
Seedance 2.0 acepta vocabulario de plan de rodaje: dolly, grúa, luz principal, sombra.
Brifea el clip como brifearías a un director de fotografía. Nombra la lente, el movimiento de cámara, la luz principal y de contra, el ambiente. Seedance 2.0 aterriza más cerca de la toma planeada que el método de generar y rerodar a ciegas: Seedance 2.0 resulta útil para tomas hero, promos de marca y openers.
Ocho clips: cada descripción es una indicación reutilizable de Seedance 2.0
Datos oficiales tomados de las páginas de cada proveedor — sin cifras de terceros.
| Capacidad | Seedance 2.0 | Veo 3.1 | Sora 2 | Kling 3.0 |
|---|---|---|---|---|
| Duración máx. | 15 segundos (multi-toma) | 8s base; hasta 148s con Scene Extension | Hasta 12s (API de Sora 2) | Hasta 15s (hasta 6 tomas) |
| Audio en el render | Sí, doble canal | Sí, nativo 48kHz | Sí, audio sincronizado | Sí, multilingüe nativo |
| Referencias por prompt | 9 imágenes + 3 vídeos + 3 audio | Hasta 3 imágenes de referencia | Una sola imagen de referencia | Entrada multimodal |
| Salida multi-toma | Un render, multi-toma | Scene Extension encadena clips de 8s | Clip único | Hasta 6 tomas en un render |
| Entrada multimodal | Texto, imagen, audio, vídeo | Texto, imagen | Texto, imagen | Texto, imagen, audio, vídeo |
| Fecha de lanzamiento | 2026-02-12 (ByteDance Seed) | 2026-01-13 (Google DeepMind) | 2025 (OpenAI) | 2026-02-04 (Kuaishou) |
Cuatro hábitos que separan el material aprovechable del ruido de rerodaje
Nombra sujeto, movimiento de cámara, lente, luz, ambiente y audio en una sola indicación de Seedance 2.0. Una renderización de Seedance 2.0 refleja exactamente lo que le das a Seedance 2.0.
16:9 para YouTube, 9:16 para Reels, 1:1 para feeds. 5-8s para bucles, hasta 15s para openers. Define ambos antes de enviar la indicación a Seedance 2.0; Seedance 2.0 respeta la proporción que pidas.
Pasa una foto de referencia cuando un personaje o producto deba lucir igual entre tomas. Seedance 2.0 lee hasta 9 imágenes por generación de Seedance 2.0.
Di lo que quieres oír: 'lluvia ambiente', 'lofi animado', 'dos amigas riendo'. Seedance 2.0 entrega audio en doble canal en la misma renderización de Seedance 2.0, así que descríbelo.
Cada modelo de vídeo tiene sus fuertes: realismo, velocidad, estilo, coste
Visión general de la categoría: qué es texto a vídeo y cómo escribir buenas indicaciones.
Texto a vídeo cinematográfico de Google: audio nativo, clips de 8 segundos. Prueba en el estudio.
Texto a vídeo e imagen a vídeo de Kuaishou con movimiento fluido. Prueba en el estudio.
Lo que los usuarios realmente preguntan antes de su primera renderización con Seedance 2.0
Gratis. Sin tarjeta de crédito. Multi-toma de hasta 15 segundos con audio en doble canal. Prueba Seedance 2.0 en ZorqAI arriba.