这两天，字节又出手了，一口气放出一堆大货。

豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型...全家桶式上新，看着热闹。

如果你只是扫一眼上述产品，可能觉得就是大厂又来了一波例行升级，没什么特别的。现在AI圈更新节奏这么快，新模型、版本号、榜单名次一大堆，确实不太容易提起兴趣。

但稍微往下看一看，会发现这次字节的做法不太一样。它并没有靠一两个参数或者演示视频来抢风头，而是开始把模型能力做成一整套“能直接跑起来”的应用，从文字、图像、视频，到语音、操作系统，全都串在了一起，而且不少是直接挂进了豆包APP、火山方舟这些已经在用的产品里。

我们就从两个核心产品说起。

Seedance 1.0 Pro 实测表现：

稳定、成型，但仍有边界

如果只看热度，这几个产品中Seedance应该是被关注度最高的了。

它刚上线就登上了第三方榜单Artificial Analysis的文生视频和图生视频两项第一，超过了可灵2.0和谷歌的Veo 3。榜单怎么评的我们可以再讨论，但至少说明在业内标准下，Seedance的生成效果已经达到了主流模型中的较好水平。

我们来看下这个模型的基本情况。

Seedance 1.0 Pro支持文字和图片输入，能生成10秒左右的1080p视频，支持2-3个镜头切换。它的主要特点，是强调镜头之间的连贯性和内容的稳定性。

这点在之前的视频生成模型里，确实是个短板。很多模型虽然能出图像，但内容连不起来，主角突然消失或者背景抖动都很常见。

Seedance解决这个问题的方式，是把每个镜头的内容用文字描述得更细，官方叫「精准描述模型」。它先生成一段描述，然后再根据这个描述训练视频。这种方式能让模型更好地知道该生成什么内容，也更容易控制住动作和细节。

Seedance能生成的视频风格也比较多样，可以支持航拍、第一人称、动画、水墨等多种风格。这点其实各家模型都有类似能力，只是Seedance在这方面的完成度和一致性更高一些。

生成速度方面，5秒的1080p视频只需大约40秒，这个速度属于目前行业中等偏上的水平。

来看一下我们实测的成果（每个维度我们都测试了多个case，篇幅限制只展示其中的一个）：

镜头语言