ByteDance представила Seedance 1.0 — новую модель генерации видео с помощью искусственного интеллекта. По заявлению ByteDance, Seedance 1.0 превосходит другие модели по точности выполнения промптов, качеству движения и четкости изображения.
На платформе Artificial Analysis Seedance 1.0 занимает первое место в задачах преобразования текста и изображений в видео, обгоняя Google Veo 3, Kling 2.0 от Kuaishou и OpenAI Sora.
Модель работает с простыми запросами, превращая их в сложные видео. Seedance 1.0 способен создавать не только короткие сцены — он справляется с длинными роликами, поддерживает несколько ракурсов и сохраняет одинаковых героев на протяжении всей истории. ByteDance отмечает, что модель особенно точно передает детали из запроса, включая движения, смену камеры и различные стили.
Seedance 1.0 обучали на большом наборе видеороликов из открытых и лицензионных источников. Видео прошли несколько этапов очистки от логотипов, субтитров и сцен с насилием. Кроме автоматических инструментов разметки, использовались ручные описания, чтобы создать максимально точные объяснения движений, внешнего вида и стилистики.
Процесс обучения делился на этапы: сначала модель училась на разнообразных изображениях и видео, затем адаптировалась для задач генерации видео по изображениям, после чего происходила донастройка на специальных клипах. Важной частью стал “reward training” — эксперты выбирали лучшие видео, где движения и сцены точнее соответствовали заданному запросу.
Главная особенность Seedance 1.0 — высокая скорость генерации: пять секунд Full HD видео создаются за 41 секунду, что быстрее многих аналогов, хотя с появлением Veo 3 Fast от Google это преимущество могло уменьшиться. Модель не поддерживает генерацию аудио.
ByteDance планирует внедрить Seedance 1.0 в свои платформы Doubao и Jimeng. Ожидается, что инструмент будет полезен как профессионалам, так и обычным пользователям — например, для маркетинга или быстрых видеомонтажей по голосовому запросу.
