Technische architectuur van Seedance 2.0

Openbare technische beschrijvingen verwijzen naar een uniforme multimodale architectuur voor gezamenlijke audio-videogeneratie. Als input gebruik je tekst plus tot 9 afbeeldingen, 3 videoclips en 3 audiotracks, uiteraard binnen de platformlimieten. Tekst stuurt scène, actie en stijl; beeld, video en audio leveren referenties voor compositie, beweging, camera en geluid. Met @-tags kun je die rollen in de prompt duidelijk toewijzen.

Video wordt meestal gegenereerd in de range van 4-15 seconden, met resoluties tot 2K (2048×1080). Publieke beschrijvingen noemen beeldverhoudingen als 16:9, 9:16, 1:1, 4:3, 3:4, 21:9 en adaptieve formaten. Audio ontstaat native samen met de video in plaats van via post-dubbing; in openbare bronnen worden stereo-output, lip-sync en videoverlenging vaak genoemd.

Technische write-ups van derden beschrijven een dual-branch diffusion transformer die visuele en auditieve stromen in één inferentie verwerkt. Daardoor kunnen lip-sync, sound effects en muziek vanaf het begin op het beeld worden afgestemd. Consistentie over meerdere shots ontstaat vooral door dezelfde referentiebeelden opnieuw te gebruiken en er correct naar te verwijzen in de prompt.