ByteDance macht KI-Videos mit Seedance 2.5 kontrollierbar: 30 Sekunden natives 4K, 50 Referenzen und direkte Bearbeitung
ByteDance stellte Seedance 2.5 am 23. Juni auf seiner Volcano Engine FORCE-Konferenz in Peking vor. Auf dem Datenblatt ist es ein großer Sprung: ein einzelner durchgängiger 30-Sekunden-Clip in nativem 4K mit 10-Bit-Farbtiefe und synchronisiertem Audio, generiert in einem Durchgang. Doch entscheidend sind weder die Auflösung noch die Länge. Entscheidend ist, dass du jetzt Regie führen kannst. Seedance 2.5 verarbeitet pro Generierung bis zu 50 multimodale Referenzen, ermöglicht die direkte Bearbeitung eines fertigen Clips, anstatt ihn neu zu generieren, und legt eine Szene zunächst in 3D an, bevor das Rendering beginnt.
Ein Praxiseinblick in die Neuerungen von Seedance 2.5
Die wichtigsten Zahlen in Kürze
Der Sprung gegenüber Seedance 2.0 ist deutlich. Einzelne Clips werden nicht mehr nur wenige Sekunden lang, sondern laufen durchgängig 30 Sekunden. Die Ausgabe ist nicht mehr auf 1080p begrenzt, sondern erfolgt in nativem 4K mit 10-Bit-Farbtiefe – ohne Hochskalierung. Audio wird im selben latenten Durchgang wie das Video mitgeneriert, statt nachträglich hinzugefügt zu werden, sodass es tatsächlich synchron ist. Und das Referenzbudget steigt von ungefähr einem Dutzend Eingaben auf 50 multimodale Referenzen, die Bilder, Clips, Audio und Stilvorgaben kombinieren können. ByteDance zufolge verbessert sich darüber hinaus die Prompt-Treue um etwa 20 %.
Das sind erhebliche Fortschritte bei den Fähigkeiten. Sie sind beeindruckend, und vor einem Jahr wäre jeder einzelne davon die ganze Meldung gewesen. Heute ist das nicht mehr so.
Kontrolle ist die neue Grenze
Zwei Jahre lang ging es im Wettlauf um KI-Videos vor allem um Fähigkeiten. Welches Modell beherrscht 4K, welches synchronisiert Audio und welches hält eine Figur über mehrere Einstellungen hinweg konsistent? Dieses Rennen ist größtenteils entschieden. Kling 3.0 erschien im März mit 4K und Audio, LTX 2.3 bot dasselbe als Open-Source-Lösung, und die führenden Modelle liegen inzwischen so nah beieinander, dass ihre Unterschiede eher Diskussionsstoff als echte Lücken sind. Danach verlagerte sich die Diskussion auf die Kosten, wobei destillierte Modelle den Preis pro Videosekunde um den Faktor zehn senkten.
Seedance 2.5 weist auf die nächste Dimension hin: Kontrolle. Drei Funktionen liefern dafür die Argumente. Erstens: gezielte Bearbeitung. Wenn die Haarfarbe einer Figur in einer 30-sekündigen Aufnahme falsch ist, korrigierst du diesen Bereich, statt den gesamten Clip neu zu generieren und dabei die gelungene Darstellung, den Gesichtsausdruck und die Beleuchtung zu verlieren. Zweitens: 50 Referenzen. Das reicht aus, um gleichzeitig das Gesicht einer Figur, das Aussehen eines Sets, ein Requisit und einen Bewegungsstil festzulegen. So entsteht Konsistenz über mehrere Einstellungen hinweg statt eines Glücksspielautomaten. Drittens: eine Previsualisierung mit weißen 3D-Modellen, mit der du Szenenaufbau, Kamerabild und Bewegungen planen kannst, bevor du auch nur ein vollständiges Rendering startest.
Zusammen ergibt das ein Modell, bei dem du Regie führen kannst, statt es nur mit Prompts zu füttern. Der Wechsel von „Kann es etwas Schönes generieren?“ zu „Bekommst du beim zweiten Versuch genau das, was du meintest?“ macht aus diesen Werkzeugen echte Produktionsmittel statt bloßer Demo-Maschinen.
Was das für Entwickler bedeutet
Wenn du in einem Produkt Videos generierst, ergeben sich aus dieser Veröffentlichung drei Konsequenzen.
Die Kosten für erneute Generierungen waren die unsichtbare Abgabe auf jede generative Videofunktion. Wenn sich ein falsches Detail nur beheben ließ, indem der gesamte Clip neu generiert wurde – verbunden mit dem Risiko, dass danach alles andere wieder falsch war –, verbrauchten Nutzer gleichermaßen Credits und Geduld. Die direkte Bearbeitung setzt genau dort an. Die kostenpflichtige Änderungseinheit schrumpft von einem ganzen Clip auf einen einzelnen Bereich.
Referenzen sind der Schlüssel zu verlässlicher Konsistenz. Eine Figur, die in zehn Einstellungen gleich aussieht, ein Set, dessen Erscheinungsbild erhalten bleibt, und ein Requisit, das durchgehend dasselbe Requisit bleibt. Fünfzig Referenzplätze reichen aus, um diese Elemente tatsächlich festzulegen. Und Konsistenz unterscheidet eine brauchbare Asset-Pipeline von einer bloßen Spielerei.
Die Previsualisierung vor dem Rendering vermittelt dieselbe Lektion wie die Kostendebatte, nur aus einer anderen Richtung. Eine Szene zunächst kostengünstig in 3D zu planen, bevor ein teurer 4K-Durchgang gestartet wird, bedeutet, dass die rechenintensiven Ressourcen für bereits komponierte Einstellungen eingesetzt werden – nicht für Lose in einer Lotterie.
Für Cinevva ist das genau das Muster, auf das wir weiterhin setzen. Die Generierungswerkzeuge der Plattform funktionieren als Geschäftsmodell nur, wenn Kreative schnell und kostengünstig das gewünschte Ergebnis erhalten, ohne ein Dutzend Neugenerierungen zu benötigen, um eine einzige Sache zu korrigieren. Fähigkeiten wurden schnell zur Standardware. Die Kosten sinken. Die nächste Runde nützlicher Produkte wird über Kontrolle entschieden – also darüber, gezielt genau das gewünschte Ergebnis zu erzielen.
Seedance 2.5 befindet sich derzeit weltweit in einer Enterprise-Betaphase. Eine breitere öffentliche Veröffentlichung ist für Anfang Juli geplant. Einen Zeitplan für die Verfügbarkeit in den USA gibt es noch nicht.
Quellen
- The Next Web: ByteDance stellt Seedance 2.5 vor, ein natives 4K-KI-Videomodell für 30-Sekunden-Clips mit Unterstützung für 50 Referenzeingaben
- Digital Applied: Seedance 2.5, das KI-Videomodell von ByteDance für 30-Sekunden-Clips
- MindStudio: Seedance 2.5 – 30-Sekunden-Videos, 4K und 50 multimodale Referenzen erklärt
- Kie.ai: Veröffentlichung von Seedance 2.5 – was ByteDance gerade auf den Markt gebracht hat