字節(jié)跳動(dòng)旗下Seed團(tuán)隊(duì)近日宣布，正式推出新一代音視頻創(chuàng)作模型Seedance 1.5 pro。這款模型在音視頻聯(lián)合生成領(lǐng)域?qū)崿F(xiàn)重要突破，不僅支持從文本到音視頻的完整合成流程，還能通過圖像引導(dǎo)生成動(dòng)態(tài)視頻內(nèi)容，標(biāo)志著視頻創(chuàng)作從單一視覺維度向多模態(tài)協(xié)同方向邁進(jìn)。

相較于前代1.0版本專注于提升運(yùn)動(dòng)穩(wěn)定性的基礎(chǔ)優(yōu)化，新版本在技術(shù)架構(gòu)上采取更激進(jìn)的創(chuàng)新策略。研發(fā)團(tuán)隊(duì)通過引入多模態(tài)對齊算法，使模型能夠同步處理音頻與視頻的生成邏輯，在保持畫面流暢性的同時(shí)，實(shí)現(xiàn)聲音與視覺元素的精準(zhǔn)匹配。這種突破性設(shè)計(jì)讓視頻創(chuàng)作首次具備自然融合聲畫的能力，為內(nèi)容創(chuàng)作者提供更完整的表達(dá)工具。

在核心功能層面，該模型展現(xiàn)出三大技術(shù)優(yōu)勢：其一，通過深度神經(jīng)網(wǎng)絡(luò)優(yōu)化，實(shí)現(xiàn)了多語言及方言的語音韻律捕捉，能夠精準(zhǔn)匹配角色口型與情感表達(dá)，支持包括中英文在內(nèi)的多種語言及特色方言的語音合成；其二，創(chuàng)新性的鏡頭語言控制系統(tǒng)可自主完成復(fù)雜運(yùn)鏡，包括長鏡頭跟隨、希區(qū)柯克變焦等專業(yè)技巧，配合智能影調(diào)調(diào)節(jié)功能，顯著提升視頻的動(dòng)態(tài)表現(xiàn)力；其三，增強(qiáng)的語義理解模塊能夠解析敘事語境，自動(dòng)協(xié)調(diào)音視頻段落間的邏輯關(guān)系，為專業(yè)級(jí)內(nèi)容創(chuàng)作提供技術(shù)支撐。

技術(shù)評測數(shù)據(jù)顯示，Seedance 1.5 pro在音畫同步精度、語音自然度、運(yùn)鏡復(fù)雜度等關(guān)鍵指標(biāo)上達(dá)到行業(yè)領(lǐng)先水平。其多模態(tài)生成架構(gòu)不僅支持實(shí)時(shí)交互創(chuàng)作，還能通過參數(shù)調(diào)節(jié)實(shí)現(xiàn)從消費(fèi)級(jí)到專業(yè)級(jí)的創(chuàng)作需求覆蓋。目前該模型已集成至即夢AI和豆包平臺(tái)，創(chuàng)作者可通過這兩款應(yīng)用體驗(yàn)新一代音視頻創(chuàng)作工具。