Seedance 2.5 | Professionelles multimodales KI-Videomodell

Vier Verbesserungen in Seedance 2.5

Alle Zahlen unten stammen aus ByteDances offiziellen Release Notes. Das Modell ist jetzt auf MakeFun live — was du tatsächlich bekommst, ist das Ergebnis deiner eigenen Erzeugung.

Lange Erzählung

Eine einzelne Einstellung läuft jetzt 30 statt 15 Sekunden. Das reicht für einen vollständigen emotionalen Bogen, ohne in der Post Clips zusammenzusetzen. Eine hochwertige zeitliche Erweiterung kann kurzes Material außerdem zu einem längeren Schnitt ausdehnen und dabei Figur, Szene und Kamera konsistent halten.

Starke Referenzen

Bis zu 50 Referenz-Assets in einer Erzeugung, gegenüber 12 bei Seedance 2.0. Füttere Besetzung, mehrere Drehorte, Referenz-Kamerafahrten und Markenmusik auf einmal; das Modell liest alles zusammen und liefert einen Schnitt, der zum Briefing passt. Gesichter, Mimik und Garderobe bleiben über die Einstellungen hinweg stabil.

Präzises Bearbeiten

Übergib einen vorhandenen Schnitt als @video1, beschreibe die Änderung im Prompt, und das Modell schreibt nur diesen Teil neu, während alles andere bestehen bleibt. Tausche ein Produkt aus, gib dem Material einen anderen Look, passe Alter oder Mimik einer Darstellerin an, entferne ein Wasserzeichen oder ersetze die Hintergrundmusik.

Mehrsprachig

Über zehn Sprachen von Haus aus, sodass Creator ihre Absicht in der eigenen Sprache beschreiben können, ohne den Umweg über eine Übersetzung. Ein Dreh lässt sich außerdem als mehrere lokalisierte Vertonungen veröffentlichen — der Clip links ist dieselbe Szene auf Englisch, Französisch, Japanisch, Spanisch, Koreanisch und Hindi.

Was sich gegenüber Seedance 2.0 ändert

ByteDance sagt ausdrücklich, dass 2.5 kein Generationssprung ist wie 2.0 gegenüber 1.5. Version 2.0 brachte den eigentlichen Fähigkeitsdurchbruch; 2.5 ist eine systematische Verstärkung mit Blick auf echte Produktionsarbeit.

Fähigkeit	Seedance 2.0	Seedance 2.5
Dauer einer Einstellung	15 s	30 s
Referenz-Assets pro Erzeugung	12	50
— Bilder	9	30 (bis 4K)
— Videoclips	3	10
— Audioclips	3	10
Gesamtlänge der Video-/Audio-Referenzen	15 s	30 s
Nur-Audio-Referenz	Nicht unterstützt	Unterstützt
Native Sprachen	—	10+

Wisse, welche Aufgabe du fährst

ByteDance widmet dem aus gutem Grund einen eigenen Abschnitt: Referenz, Bearbeitung und Verlängerung werden in der Praxis vermischt, was den Prompt am falschen Ort landen lässt, die falschen Assets zitiert und dich Kontrolle wie Stabilität kostet. Wähle zuerst die Aufgabe, dann schreib den Prompt dafür.

Referenz-Erzeugung

Wann: du hast noch keinen Schnitt. Baue ein neues Video von null, mit Bildern, Video oder Audio als Referenz.

Form des Prompts: was erzeugt werden soll, in Klartext, plus @video N @image N @audio N um jedes Asset zu zitieren.

Festgelegte Parameter: keine. Seitenverhältnis und Dauer wählst du selbst.

Videobearbeitung

Wann: du hast bereits einen Schnitt und willst einen Teil davon umschreiben, ersetzen, ergänzen oder entfernen.

Form des Prompts: die gewünschte Änderung, plus @video1 für den Ausgangsschnitt, optional @image N oder @audio N.

Festgelegte Parameter: Das Seitenverhältnis folgt exakt der Quelle, es wird also nichts gestreckt oder beschnitten. Die Ausgabelänge folgt der Quelle auf etwa 0,3 Sekunden genau. Als Ausgabeformat wird MOV empfohlen. Halte die Eingabe unter 20 Sekunden.

Videoverlängerung

Wann: du hast bereits einen Schnitt und willst ihn im gleichen Look, Tempo und Stil fortsetzen.

Richtungen: vorwärts ab dem letzten Einzelbild, rückwärts ab dem ersten Einzelbild oder als Lückenfüller zwischen zwei bis drei Clips.

Festgelegte Parameter: Das Seitenverhältnis folgt der Quelle. Die Länge des neuen Abschnitts bestimmst du — gib sie im Prompt an. MOV wird auch hier empfohlen.

Erstes Einzelbild und erstes/letztes Einzelbild

Gib ein Bild als Anfangsbild an oder zwei Bilder als Anfangs- und Schlussbild. Das Seitenverhältnis folgt dem ersten Bild; hat das Schlussbild ein anderes Format, wird es passend gestreckt — liefere daher Bilder gleicher Proportion. Die Dauer bleibt in deiner Hand.

Prompts für 2.5 schreiben

Das Prompt-Engineering hat sich in dieser Version geändert, und das Modell erwartet nun mehr vom Text. ByteDance empfiehlt, wie eine Regisseurin zu denken und einen strukturierten Prompt in vier Teilen zu schreiben.

Zitiere deine Assets. Nummeriere jedes Bild, Video und Audio in der Reihenfolge des Uploads und sag, wofür es steht — wer das Abbild liefert, welches die Stimme ist, welches die Bewegung vorgibt, welches den Ort setzt.
Zusammenfassung in einer Zeile. Subjekt, Ort, Ereignis, Genre oder Stil und jede besondere Kameraarbeit.
Detail Beat für Beat. Geh die Einstellungen der Reihe nach durch — Zeitstempel oder „Einstellung N“ funktionieren beide. Beschreibe Bildausschnitt, Kamerabewegung, Handlung, Dialog und Geräusche. Formuliere positiv.
Schließ es ab. Ergänze die Details, die durch das ganze Stück laufen: Objektiv und Kameraposition, Umgebung, Stimme, Atmosphäre.

Der offizielle Prompt-Tuning-Skill

ByteDance empfiehlt für Seedance 2.5 ausdrücklich den eigenen Prompt-Engineering-Skill. Er wird lokal per npx installiert und läuft in deinem eigenen KI-Chatfenster — ohne Drittanbieterdienst.

npx --yes skills@latest add \
  "https://arkdocs.tos-cn-beijing.volces.com/skills/" \
  --skill sd25-pe \
  --yes

Dann tippe /sd25-pe gefolgt von deinem Prompt-Entwurf.

Negative Steuerung wird unterstützt

Du kannst Dinge ebenso ausschließen wie anfordern. Untertitel und Audio haben eigene Schalter — „keine eingeblendeten Untertitel“, „keine Hintergrundmusik, nur Atmo und Geräusche“ — und Audio lässt sich getrennt als Soundeffekte, Hintergrundmusik oder Dialog steuern.

Ein paar Dinge, die still schiefgehen

Zeitstempel liest das Modell am besten in Ein-Sekunden-Schritten. Eine Häufigkeit innerhalb eines Zeitfensters zu nennen — „schüttelt den Kopf dreimal in einer Sekunde“ — ist nicht empfehlenswert.
Storyboard-Raster funktionieren bis etwa 15 Felder. Strichmännchen oder Linienzeichnungen schlagen ausgearbeitete Grafik, und viel Text im Feld schadet.
Graubox-Previz wirkt grob besser als fein — grob zusammengesetzte einfache Geometrie liest sich klarer als ein detailliertes Modell.
Ordne Figuren den Assets explizit zu. Einen Namen nur auf das Bild zu schreiben und ihn dann im Prompt zu verwenden, lädt das Modell dazu ein, Personen zu verwechseln.

Was du pro Erzeugung einstellen kannst

Das sind die Regler, die ByteDance für das Modell offenlegt. Was das Generierungsformular auf MakeFun bietet, ist das, was für deinen Auftrag tatsächlich gilt.

Modus — Referenz-Erzeugung, erstes / erstes-letztes Einzelbild, Videobearbeitung oder Videoverlängerung. Wähle das zuerst: Es entscheidet, welche der Einstellungen unten dir aus der Hand genommen werden.
Auflösung — 480p oder 720p.
Seitenverhältnis — 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 — oder das Modell entscheidet anhand deiner Assets.
Dauer — in Sekunden festlegen oder dem Modell überlassen.
Ausgabeformat — MOV wird für Bearbeitungs- und Verlängerungsaufträge empfohlen, weil es Farbe, Helligkeit und Bild-Ton-Synchronität besser hält.
Audio — an oder aus.
Batchgröße — bis zu 8 Clips in einem Durchgang.

Doku und API

Du willst Seedance in dein eigenes Produkt einbauen? Endpunkte, Parameter, Authentifizierung und Abrechnung stehen alle in der MakeFun-Entwicklerdokumentation, und MCP-Zugang gibt es dort ebenfalls.

Mit Seedance 2.5 erzeugen Entwicklerdokumentation öffnen

Fünfzig Referenzen — und wie viele du wirklich nutzen solltest

Die Obergrenze liegt bei 50 Assets — 30 Bilder, 10 Videoclips und 10 Audioclips. ByteDance sagt ebenso klar, dass das Ausreizen der Grenze nicht das Ziel ist. Die Verhältnisse unten stammen aus ihrer eigenen großangelegten Auswertung.

Harte Grenzen

Bilder: bis zu 30, 4K oder kleiner, je 30 MB. JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF.
Video: bis zu 10 Clips, 480p bis 4K, je 200 MB. MP4 oder MOV. Jeder Clip 2–30 s, insgesamt 30 s.
Audio: bis zu 10 Clips, je 15 MB. MP3 oder WAV. Jeder Clip 2–30 s, insgesamt 30 s.
Video- und Audiobudget werden getrennt gezählt, nicht zusammengelegt.

Was tatsächlich funktioniert

Subjekt über Video oder Audio geführt: 1–5 Assets funktionieren gut. 6–10 sind einen Versuch wert, aber die Stabilität sinkt und du brauchst womöglich mehrere Anläufe.
Solche Clips sind bei 5–10 Sekunden am besten. Zwei Sekunden tragen zu wenig zum Erkennen bei; dreißig Sekunden verwässern die Merkmale und bringen Rauschen.
Subjekt über Standbilder geführt: 1–8 Bilder funktionieren gut, 9–12 sind einen Versuch wert.
Bis zu 5 Subjekte; Einzel- wie Mehransichtsbilder sind beide in Ordnung. Über 5 hinaus ist Einzelansicht stabiler — teile die Blickwinkel auf getrennte Bilder auf, statt sie in eines zu packen.

Ein „Subjekt“ ist jedes Kernelement, das über den ganzen Schnitt stabil bleiben soll — eine Figur, ein Hauptprodukt oder Requisit, der Ort, der Gesamtstil. Bei „jemand schießt im Wald mit Pfeil und Bogen auf ein Kaninchen“ sind Person, Bogen und Kaninchen drei Subjekte.

Warum Seedance auf MakeFun laufen lassen

Kostenlos starten, kein Abo

Erzeuge ohne Monatstarif. Seedance 2.5 läuft mit deinen vorhandenen Credits, und vor deinem ersten Clip musst du nichts zusätzlich aktivieren.

Ein Ort für jedes Modell

Seedance, Kling, Wan, Sora, Veo, Seedream und mehr liegen hinter einem Konto und einem Guthaben. Vergleiche sie am selben Briefing, statt mehrere Tools zu bezahlen.

Für die Auslieferung gebaut

Lippensync, Stimmklon, Gesichts- und Kopftausch, Untertitel entfernen und Hochskalieren liegen direkt neben der Erzeugung — so wird aus einem Prompt an einem Ort ein fertiges Asset.

Seedance 2.5: professionelles multimodales KI-Video