Seedance 2.5：带音频的 AI 视频生成

Seedance 2.5 是字节跳动的新一代视频创作模型，于 2026 年 7 月 31 日发布。基于 Seedance 2.0 的统一多模态音视频联合生成架构，它将焦点从生成单个片段转向完成完整的创意作品，在长篇叙事、多模态参考和编辑方面取得了重大突破。 该模型单次即可生成长达 30 秒的高质量音视频，镜头转换与场景切换得到改进，在较长视频中具有更强的连贯性。它支持多轮扩展，创作者可以构建具有一致视听语言的多分钟内容，一次生成即可将完整故事生动呈现。图像、音频和动态质量均较上一代有所提升，呈现出更自然、更精致的视觉效果。

​

关键能力

• 30秒生成：单次生成即可输出高质量30秒音视频片段，并支持多轮扩展
• 音视频同步：视频与音频同步生成，包含对话和口型同步语音
• 全面升级的多模态参考：最多可接受30张参考图像、10个视频片段和10个音频片段，用于角色一致性、视觉风格和动作节奏控制
• 精准编辑：提供时间戳级控制，可对视频和音频进行针对性编辑，并支持绿幕及基于参考的编辑
• 多轮扩展：通过扩展片段构建数分钟内容，保持一致的视听语言
• 多场景适用：适用于品牌宣传片、剧集、电商内容、产品展示和角色驱动的短剧

​

可用工作流

​

文生视频（T2V）

根据文本提示生成一段 30 秒的电影感视频，并配备同步的声音和音乐。节点支持 480p、720p 和 1080p 输出分辨率。 该工作流还提供专门的 1080p 版本：

​

图生视频（I2V）

将单张图片动画为一段 1080p 视频片段，并配备同步的声音、音乐和对话。工作流支持最长 30 秒、任意宽高比的片段，输入为单张图片。

​

首尾帧视频（FLF2V）

提供起始帧和结束帧，Seedance 2.5 将生成两者之间的运动和过渡，并锁定两个端点。

​

参考生视频（R2V）

使用参考图像、视频片段或音频，在单个输出中控制角色一致性、视觉风格和运动节奏，并配备同步声音和口型同步对话。

​

视频编辑

通过自然语言描述更改来编辑现有视频片段。替换对象、更换背景、更改场景或迁移风格，同时保留原始构图和运动。 您还可以向前或向后扩展现有片段。将片段连接为参考视频，将 task_type 选项设置为 extend，并在提示词中描述后续内容，例如 “extend forward”、“extend backward” 或 “continue”。输出仅包含您设置时长的新生成片段，其宽高比沿用源片段。

​

开始使用

1. 将 ComfyUI 更新到最新版本
2. 前往模板库，搜索 Seedance 2.5