字节跳动旗下现象级AI视频生成技术Seedance 2.0的研究论文已在arXiv平台公开发布。
论文中包含了长达26页的基准测试（Benchmark）结果与完整的贡献者名单。
团队公开了全部170名成员的名单，体现了对研究贡献的充分署名与尊重。
论文发布之际，正值Seedance 2.0通过Byteplus平台向全球企业客户开放。全球100多个国家的客户可通过预付费API直接调用该服务。该模型支持文本、图像、视频、音频多模态输入，可生成4至15秒、最高720p分辨率的MP4视频。
值得注意的是，此次服务开放的“全球”国家列表中，未包含美国。
核心突破：解决复杂场景生成瓶颈
论文标题直指核心目标：使AI视频生成能够应对现实世界中的复杂场景。Seedance 2.0旨在突破过往生成式视频工具的一个主要瓶颈：传统模型通常仅依赖单一文本输入，在引用真实素材（如品牌图片、配音、既有视频片段）时难以保持一致性，且需要大量反复试验才能产出可用内容。这导致创作者面临迭代速度慢、输出结果不一致、工作流程难以满足实际制作需求等问题。
其突破性在于采用了一个原生统一的模型架构，能够同时生成视频与音频，并可在一个系统中接收并处理文本、图像、音频和视频四种模态的输入。具体技术特点包括：
- 统一多模态理解：能同时理解并融合文字、图片、视频、音频指令。
- 自然运动生成：生成的人物行走、奔跑、打斗、舞蹈等动作更为自然，符合物理规律，多人互动场景也能有序呈现。
- 音画同步：自带双耳立体声音频，确保说话、唱歌、脚步声、背景音乐与画面精准同步，口型对齐准确。
- 自动化导演能力：输入一段剧情描述，可自动进行分镜头、运镜设计并控制剪辑节奏。
- 精细化编辑：支持对指定人物、动作、场景进行修改，亦可在现有视频基础上无缝续拍。
在评测部分，研究团队在VBench等多个主流基准上，从质量、运动、语义一致性等多个维度进行了全面量化对比。结果显示，Seedance 2.0已处于第一梯队，多项指标大幅领先同期其他模型。
论文最后两页列出了全部170位作者。与Seedance 1.5 Pro时期的197人团队相比，有89人离开，62人新加入，在不到半年时间内团队换血近半。
名单中保持稳定的核心成员包括：
* 吴永辉：现任字节跳动Seed团队基础研究负责人，是Seedance系列视频生成模型的最高技术决策者，直接向公司CEO梁汝波汇报。
* 曾妍：现任Seedance 2.0预训练负责人，是视频生成模型核心技术路线的关键执行者，工作地点位于美国帕洛阿尔托（Palo Alto）。
团队传闻与薪资结构披露
此前有消息称字节跳动以近亿元年薪挖角前DeepSeek研究员。对此，抖音副总裁李亮亲自辟谣，称该消息不实，并指出Seed团队薪资体系统一，近期未招聘年薪近亿元的员工。
此次辟谣同时意外披露了Seed团队的完整薪资结构：由现金、字节跳动期权及豆包（Doubao）期权组成，全部期权将在四年内归属。
李亮在辟谣后补充说明称：“Seed员工的字节和豆包期权未来收益根据期权价格有波动，假如业务发展得很好，不排除有些Seed技术人员四年后收益会达到数亿元。”此番言论被外界解读为借辟谣之机进行人才招募。
论文地址：
https://arxiv.org/abs/2604.14148
参考链接：
[1]https://www.byteplus.com/en/activity/seedance2-0
[2]https://weibo.com/7965906915/QB6lMCaGo
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/30722
