字节跳动近日正式发布了 Seedance 2.0，这是一款具备尖端多模态能力的生成式人工智能系统。该系统由字节跳动 Seed 团队开发，成功实现了文本、图像、音频和视频四种模态的深度融合，标志着 AI 视频生成技术的重大突破。
Seedance 2.0 的核心竞争力在于其创新的双分支扩散 Transformer（Dual Branch Diffusion Transformer）架构。这一架构允许模型并行处理视觉和音频数据，从而在视频生成过程中实现极高的连贯性。特别是在音画同步方面，该系统展现了行业领先的原生口型同步能力，能够根据音频输入精准调整视频中的面部动态。
在性能指标上，Seedance 2.0 支持生成分辨率高达 2K 的超清视频，单次生成长度可达 60 秒。通过这种多模态统一架构，用户可以利用多样化的输入媒介将创意转化为高品质的动态内容，为数字内容创作和专业视频生产提供了全新的技术底座。
