Seedance 2.5：单段直出 30 秒，视频生成迈入"工业可用"门槛

2026 年 6 月 23 日，字节跳动火山引擎在夏季 FORCE 原动力大会首次展示新一代视频生成模型 Seedance 2.5，预计 7 月上线。一次性直出 30 秒完整视频与最多 50 个全模态素材联合生成，是它与可灵、Runway、Seedance 2.0 同台竞技的关键差异点。

三个核心升级

单段时长。 过去主流模型只能稳定输出 5–10 秒连续镜头，30 秒成片只能靠片段拼接，时序断层、角色走样、运镜断裂是通病。2.5 把单次生成拉到 30 秒且保持帧间一致，广告片、漫剧解说、产品演示这类"一镜到底"内容可以零拼接产出。

多模态联合参考。 新版本允许文本、图像、音频、3D 网格、深度图等最多 50 种素材同时作为条件输入，让模型同时吸收语义、结构、节奏三类信号。这背后是字节把多模态 DiT 架构扩展到任意异构 token——本质是在扩散 Transformer 里加了一条高带宽素材融合通道。

局部一致性编辑。 传统模型一旦重新生成就全局漂移，2.5 支持只对画面某区域做局部 inpaint 而保持其他镜头不变，让"局部重画"成为可能。

已在线上产线跑

官方明确表示 Seedance 2.5 已在具身智能、工业制造、智能驾驶领域用于数据合成与场景仿真——字节自家机器人、自动驾驶团队已经在用它生成训练数据，与"用世界模型合成数据替代真实路采"的技术路线完全吻合。

配合同日发布的豆包 2.1 Pro 与 Seedream 5.0，字节完成"模型即基础设施"拼图：豆包做大模型大脑、Seedream 做图像资产、Seedance 做视频资产，三者通过方舟 AgentKit 串成产线级 pipeline。对国内中小开发者而言，过去只能"看着眼馋"的可灵、Runway 路线，现在有了价格更低、且与企业 Agent 平台原生打通的国产替代入口。

30 秒不是终点，却是分水岭——能稳定输出半分钟级、且支持多模态联合控制的视频模型，第一次有了进入真实生产线的资格。