Seedance 1.5 Pro on Novita AI 將字節跳動的先進影音 AI 大規模帶給開發者。這個 45 億參數的模型在 8 種語言中提供音素級別的口型同步準確度、原生電影級控制以及同步空間音訊——這些能力以往需要昂貴的後製團隊。
對於開發對話驅動影片應用的開發者，Novita AI 的無伺服器部署提供可設定的解析度（480p/720p）和畫面比例。以下我們詳細說明這對生產工作流程的重要性。
Seedance 1.5 Pro 的與眾不同之處
原生聯合影音生成
與傳統的先影片後音訊流程不同，Seedance 1.5 Pro 採用雙分支擴散轉換器，同步生成影片影格和音訊波形。跨模態聯合模組在視覺與聲音之間保持毫秒級對齊，解決了困擾早期模型的口型同步漂移問題。
此架構帶來三個關鍵優勢：音素精確的口型動作 （將個別語音映射到正確的嘴形）、 空間音訊定位 （腳步聲根據房間聲學效果正確回響），以及 情緒一致性（音樂強度與視覺節奏匹配）。對於對話密集的應用，這消除了手動音訊清理的需求。
https://www.youtube.com/watch?v=yaB3LJElhZA
多語言方言支援
該模型支援 8 種語言，包括中文區域方言——四川話、台灣國語、粵語、上海話——再加上英語、日語、韓語、西班牙語、葡萄牙語、印尼語和印地語。每種方言都保留了真實的發音模式，同時保持口型同步準確度，這對於本地化內容推廣至關重要。
電影級控制詞彙
開發者可以用自然語言指定鏡頭移動：「對主角情緒高潮的伸縮鏡頭」、「跟隨汽車追逐的跟拍鏡頭」、「說話者之間的甩鏡轉場」。模型將這些指令轉換為具有正確物理特性的流暢鏡頭運動——無需手動關鍵幀。
Seedance 1.5 Pro 的技術規格
| 規格 | 詳細資訊 | 開發者影響 |
|---|---|---|
| 模型架構 | 45 億參數雙分支擴散轉換器 | 推理所需 VRAM 低（約 16GB），生成速度快 |
| 原生解析度 | 720p（可選 480p） | 需要外部昇級以用於 4K 工作流程 |
| 時長範圍 | 每個片段 4-12 秒 | 最適合短內容，不適合長篇敘事 |
| 音訊功能 | 空間定位、環境效果、情緒同步音樂 | 顯著減少後製音訊工作 |
視覺品質評估
來自 ByteDance
獨立評論者對 Seedance 1.5 Pro 的評分為 7-8/10（對比真人拍攝），指出與 Kling 1.6 或 Runway Gen-3 相比，皮膚紋理有所改善，色帶現象減少。然而，原生 720p 輸出限制了細節精細度——文字疊加層的邊緣可能模糊，跨鏡頭曝光略有波動。
該模型很好地處理了複雜物理效果：雪粒、高速運動模糊、水體模擬都渲染得令人信服。偶爾在頭髮和植物中出現過度銳化的偽影，可使用「自然光線」提示詞來解決。
在 Novita AI 上使用 Seedance 1.5 Pro
API 整合設定
Novita AI 透過兩個 REST 端點公開 Seedance 1.5 Pro（他們對 1.5 Pro 的命名）：Text-to-Video (T2V) 和 Image-to-Video (I2V)。兩者都遵循 OpenAI 相容的請求/回應模式，並使用非同步任務輪詢。 有關何時使用 T2V 與 I2V、音訊與靜音輸出、線上與彈性批次處理的詳細說明，請參閱 Seedance V1.5 Pro API：Text-to-Video vs Image-to-Video、音訊與靜音模式。
Text-to-Video 範例
curl --location --request POST 'https://api.novita.ai/v3/async/seedance-v1.5-pro-t2v' \
--header "Content-Type: application/json" \
--header "Authorization: Bearer ${API_KEY}" \
--data-raw '{
"fps": 24,
"seed": 42,
"ratio": "16:9",
"prompt": "A colossal sci-fi mecha stands in the rain-soaked city nightscape, neon lights reflecting off its metallic armor. Slow motion captures every raindrop bouncing off the mecha'\''s shoulder as it raises its arm cannon. Cinematic depth of field blurs the glowing skyscrapers behind. Anime style, dramatic lighting, 4K quality.",
"duration": 8,
"watermark": false,
"resolution": "720p",
"camera_fixed": false,
"service_tier": "default",
"generate_audio": true,
"execution_expires_after": 172800
}'
用於受控輸出的 Image-to-Video
I2V 模式接受起始和結束關鍵幀，適合需要精確角色設計一致性的情況：
curl --location --request POST 'https://api.novita.ai/v3/async/seedance-v1.5-pro-i2v' \
--header "Content-Type: application/json" \
--header "Authorization: Bearer ${API_KEY}" \
--data-raw '{
"fps": 24,
"seed": 42,
"image": "https://pub-32c83cde150f4d468bd19f0a5e372c23.r2.dev/multimodal-assets/2026-02/1771500580027-43159b2510134742.jpg",
"ratio": "adaptive",
"prompt": "A young woman dances energetically on a city street with graffiti walls and neon lights. The camera follows her fluid movements as she spins and grooves to the rhythm. Shot scale changes from medium to close-up, capturing her confident natural expression. Detail enhancement on her facial features and clothing textures. Smooth stabilization throughout the dance sequence with consistent neon lighting reflections.",
"duration": 4,
"watermark": false,
"resolution": "720p",
"camera_fixed": false,
"service_tier": "default",
"generate_audio": true,
"execution_expires_after": 172800
}'
Seedance 1.5 Pro 在 Novita AI 上的費用
Novita AI 按每次生成任務收費，而非按令牌收費。
Seedance 1.5 Pro · Text to Video (T2V)
| 解析度 | 音訊 | 線上 ($/秒) | 批次 ($/秒) |
|---|---|---|---|
| 480P | 無音訊 | $0.012 | $0.006 |
| 480P | 有音訊 | $0.024 | $0.012 |
| 720P | 無音訊 | $0.026 | $0.013 |
| 720P | 有音訊 | $0.052 | $0.026 |
Seedance 1.5 Pro · Image to Video (I2V)
| 解析度 | 音訊 | 線上 ($/秒) | 批次 ($/秒) |
|---|---|---|---|
| 480P | 無音訊 | $0.012 | $0.006 |
| 480P | 有音訊 | $0.024 | $0.012 |
| 720P | 無音訊 | $0.026 | $0.013 |
| 720P | 有音訊 | $0.052 | $0.026 |
省錢秘訣：
- 先從 480p 開始進行原型設計（生成速度最快），然後再以 720p 重新生成最終版本。
- 當可接受靜態鏡頭時，使用固定相機（`camera_fixed: true`）可將處理時間減少約 30%。
- 線上任務即時處理並立即回傳結果，而批次任務則以非同步方式執行，適用於大規模生成，成本更低。
Seedance 1.5 Pro 的提示工程最佳實踐
結構化以獲得最佳結果
Seedance 1.5 Pro 在 明確、分層的提示詞 下表現最佳，這些提示詞將視覺動作、音訊提示和鏡頭指令分開：
[角色動作] + [含語言的對話] + [音訊環境] + [鏡頭移動] + [光線/風格]
範例：
「老婦人在鄉村廚房裡揉麵時爽朗大笑。
用四川方言微笑地說『這是我祖母的食譜！』
背景聲音：沸騰的鍋子、木勺碰撞、輕柔的民謠。
緩慢的伸縮鏡頭聚焦在手部，然後臉部。
午後溫暖陽光透過窗戶，淺景深。」
方言與情緒關鍵詞
對於多語言專案，明確指定方言 以觸發正確的音素模型：
- 中文方言：「用粵語」、「用台灣國語」、「帶上海口音」
- 情緒強度：「憤怒地大喊」、「緊張地低語」、「自信地說話」
- 非語言音訊：「腳步聲在大理石上迴響」、「畫外玻璃碎裂聲」、「遠處交通噪音」
應避免的內容
評論者指出，在非常複雜的動作序列上表現不佳——保持 1-2 個角色並限制同時動作。避免使用以下提示詞：
- 「五個角色進行小組討論」（模型最多處理 2-3 個發話者表現良好）
- 「角色奔跑、跳躍然後戰鬥」（對於 10 秒的影片來說順序動作太多）
- 「史詩級爆炸戰鬥場景」（未針對動作最佳化，更適合對話/劇情）
Seedance 1.5 Pro 的常見陷阱與解決方案
問題：鏡頭間的曝光變化
原因： 原生 720p 生成有時會導致場景轉換時的亮度不一致。
解決方法： 在提示詞中加入「場景中光線保持一致」，或使用 Lumetri Color/Color Wheels 在後製中標準化曝光。
問題：文字疊加層模糊
原因： 原生 720p 解析度無法保留清晰文字邊緣。
解決方法： 生成不含畫面上文字的影片，然後在後製中使用 After Effects 或 Motion 以更高解析度加入標題／圖形。
問題：多說話者場景中的音訊偏移
原因： 複雜的重疊對話偶爾會導致 100-200 毫秒的失同步。
解決方法： 將每個片段限制為 2 個說話者。對於群體對話，分別生成正拍／反拍片段再剪輯在一起。
問題：鏡頭自訂有限
原因： 模型會解讀鏡頭指令，但不接受精確的焦距／光圈值。
解決方法： 使用描述性術語，例如「淺景深」或「廣角視角」，而非技術規格。
Seedance 1.5 Pro on Novita AI 為對話為主的短形式內容提供可投入生產的影音生成。其音素級別的口型同步準確度與 OpenAI 相容的 REST API 為開發者打造本地化廣告、微短劇和音樂影片原型提供了從腳本到渲染影片的快速路徑。
常見問題
Seedance 1.5 Pro 如何處理提示詞中的版權音樂？
該模型會生成與情緒描述（「歡快爵士」、「憂鬱鋼琴」）匹配的原創音樂。它不會重製受版權保護的歌曲——嘗試提示現有曲目只會得到通用詮釋。
我可以將音訊和影片軌道分開匯出進行專業後製嗎？
可以。輸出的 MP4 包含標準音訊軌道，可使用 FFmpeg 提取：`ffmpeg -i output.mp4 -vn -acodec pcm_s16le audio.wav` 用於無損音訊匯出。
Seedance 1.5 Pro 是否支援即時生成以用於即時應用？
不支援。生成每個片段大約需要 30-60 秒。對於延遲敏感的工作流程，請使用批次端點搭配 webhook 回調以非同步方式接收結果，或預先生成一個片段庫並按需提供，而非即時生成。
Novita AI 是一個 AI 與代理雲端平台，幫助開發者和初創公司以高效能、高可靠性和低成本構建、部署和擴展模型與代理應用。
