字节最便宜视频模型来了！1.6毛/秒，比Fast快，实测让黄仁勋和豆包一起踢球

智东西
作者 毕伟豪
编辑 李水青

智东西6月16日报道，昨晚，字节新模型Seedance 2.0 Mini深夜来袭，该模型主打性价比，侧重于提供更低的价格以及更快的生成速度。

Seedance 2.0 Mini虽然定价更低，但保留了核心能力参考生成，用户可以通过融合提示词与最多12个多种模态的参考素材（包括6张图片、3段音频、3段视频）来锁定人物一致性、精细化控制运动轨迹、卡准剧情节奏。

字节方面称，在早期测试中，Seedance 2.0 Mini在运动表现方面超过了Seedance 2.0和Seedance 2.0 Fast。

和Seedance 2.0 Fast相比，Seedance 2.0 Mini的运动质量更好，画面稳定性更强，单次生成更便宜，在短视频和快速测试场景里效率更高。Fast模型现在更适合短电影草稿这类轻量用途，Seedance 2.0则适合预算充足的高端制作。

对比强调高电影感的画面和原生音频整合的Veo 3以及重视物理真实感、延展场景和复杂叙事的Sora 2，Seedance 2.0 Mini在渲染速度、产出成本、短视频创意上占据优势。

一句话总结，如果追求快速批量创意视频生成、高端项目前期草稿、短视频制作以及节省预算，Mini是更好的选择。

API价格方面，Seedance 2.0 Mini相比Seedance 2.0有大幅度的下降，生成成本降低约50%，目前仅支持在小云雀和即梦AI中使用，或者在火山方舟大模型体验中心进行体验，API将在6月22日开放，当前在火山方舟大模型体验中心的价格为0.023元/千tokens。

C端价格上，目前在即梦和小云雀两个平台，如果想体验新模型，需要订阅会员，6月15日到6月21日有限时会员和积分消耗折扣。

官方宣传的最低价位是每秒钟0.16元，但折扣价格只有标准及以上会员才能享受，如果是最低档位的基础会员，实际使用中按照小云雀积分计算，一条10秒钟的视频平均在80积分左右，折合人民币约为8元，平均每秒为0.8元。

Seedance 2.0 Mini核心亮点如下：

1、视觉效果比前代Seedance模型更好；

2、生成速度更快，等待时间更短；

3、单次生成视频的积分消耗量更低；

4、运动一致性和指令遵循能力出色；

5、支持多模态输入的参考系统，可以实现多个图片、音频和视频引用。

为了验证这款新模型的实际表现，我们第一时间在小云雀上进行了体验。

体验发现，Seedance 2.0 Mini在生成速度上有所提升，同时视频生成的质量也可圈可点，模型在多模态输入、长文本提示词的处理、音画同步以及人物一致性方面有不错的表现，但也存在对物理定律的遵循不严谨以及镜头切换不太自然等问题。

一、口播、说唱、空中飞鲸，速度与质量兼具，但问题也不少

此次测试共设计了四组不同难度的场景，覆盖长文本理解、音画同步、复杂物理规律模拟、超现实场景生成以及电商短视频等场景，重点观察Seedance 2.0 Mini在画面一致性、动作还原、音画同步以及生成速度等方面的表现。

首先，作为主打性价比的模型，首先测试的一定是生成效率，我们选择了一个相对简单，但对速度、质量以及数量均有要求的电商口播场景，在该场景中，用户往往需要批量生成带数字人口播的商品介绍视频。如果生成时间过长，即便效果优秀，也难以满足实际生产需求。

因此，我们设计了一个典型的电商带货场景，在测试模型生成速度的同时，也观察其对于数字人口播、商品展示和镜头切换的综合表现。

提示词：现代直播电商工作室内，一位25岁左右的年轻女性主播站在商品展示台前，面向镜头进行口播。主播身穿简洁干练的职业装，面带自然微笑，手中拿着一款白色无线降噪耳机。背景是干净明亮的科技风直播间，桌面摆放着耳机充电仓和产品包装盒。视频开始时，主播看向镜头并说道：“如果你最近正在寻找一款高性价比无线降噪耳机，那么一定不要错过这款产品。”

Seedance 2.0 Mini花费了2分钟左右给出了视频，口播内容与嘴型精准对应，产品展示镜头完整且符合带货逻辑，主播形象保持一致，真实度很高，但出现了展示的耳机过大，不符合现实逻辑的问题。

紧接着，我们尝试了一个涉及多人互动和嘴型同步的高难度场景：地下说唱Battle。相比简单的人物对话，说唱不仅语速极快，而且伴随着大量表情变化、肢体动作和观众互动，这对视频模型的音画同步能力提出了更高要求。

提示词：纽约布鲁克林地下街区的夜晚，两位年轻说唱歌手正在进行激烈的街头Battle。四周聚集着大量围观者，霓虹灯与街头涂鸦构成充满张力的背景。第一位歌手以极快语速输出歌词，同时配合夸张而富有节奏感的手势动作；第二位歌手则不断点头、挑眉、微笑或露出不屑表情进行回应。镜头在近距离面部特写和全景群体画面之间切换。要求每一个单词、每一个音节都与嘴部动作精准同步。围观群众不断发出欢呼、笑声和喝彩，举起手机录制视频，挥舞双手响应节奏。背景音乐为重低音Hip-Hop Beat，所有人声与嘴型必须达到真人级同步效果，整体呈现高真实度纪录片风格。

可以看到视频中的Rapper声音和嘴型保持同步，快速吐字时口部动作依然清晰自然；人物的表情、手势和身体律动能够跟随节拍变化；围观群众会在精彩段落做出及时反馈，整个现场呈现出真实街头Battle的沉浸感。但视频存在说唱的歌词混乱，听着不像英语的问题。

除了音画同步之外，物理规律模拟同样是当前视频生成模型的一大难点。因此，我们设计了一个违背日常经验、同时又要求遵循物理逻辑的失重场景，来测试模型对空间关系、惯性运动以及流体行为的理解能力。

提示词：一家现代风格咖啡馆内，重力突然消失。顾客、桌椅、书本和各种物品缓慢漂浮到空中。咖啡师漂浮着继续制作咖啡，液态咖啡从杯中溢出后形成无数漂浮液球。一只橘猫像在水中游泳一样缓慢穿过空间。镜头持续旋转并自由移动，展示整个失重环境。所有漂浮物体都必须遵循真实惯性和动量规律，液体运动需要符合流体物理特征。整体呈现极高真实感和复杂物理模拟能力。

视频中顾客、物品、猫咪会缓慢漂浮并保持在无重力状态下的运动轨迹，但出现了部分顾客没有失重，有人漂浮有人坐着的情况，且液态咖啡还在咖啡师的杯子里没有飘出来，与真实失重状态有所出入。

最后，我们选择了一个超现实场景来测试模型的创造力和泛化能力。相比街道、人物等高频训练内容，这类现实中不存在的场景往往在训练数据中占比极低，更能检验模型对罕见视觉元素组合的理解能力。

提示词：巴黎市中心的街道上，一头长达数十米的巨大蓝鲸正像在海洋中一样缓慢游过天空。阳光透过半透明鱼鳍投射出梦幻般的光影，数百条发光小鱼围绕着鲸鱼游动。下方汽车仍在正常行驶，路人纷纷停下脚步仰望天空，有人惊讶地举起手机拍摄。镜头从鲸鱼腹部下方缓慢跟随移动，展现鲸鱼掠过历史建筑时产生的巨大尺度对比。整体画面超现实但极度真实，所有细节均遵循真实摄影逻辑，营造出令人震撼的梦境般视觉体验。

视频中鲸鱼、路人和建筑的能够体现出巨大的尺度差异，鲸鱼的摆尾、鱼鳍动作符合真实海洋生物运动规律；巴黎街景、车辆和行人的反应也比较真实。

二、给图片和视频丝滑生成，黄仁勋踢世界杯，猫片魔改白虎降世

相比文生视频，图生视频对模型的要求实际上更高。

文生视频考验的是模型对文本的理解和视觉生成能力，而图生视频则需要模型先准确识别图片中的主体特征，包括人物外貌、服饰细节、面部结构以及整体身份特征，然后在此基础上完成动作延展和场景重构。

同时，在视频生成过程中，模型还需要处理主体一致性、动作连贯性、场景融合以及物理规律等多个维度的问题，因此图生视频往往更容易暴露模型能力短板。

为体验Seedance 2.0 Mini的图生视频能力，我们分别上传了黄仁勋和豆包的照片，并输入如下提示词：

帮我生成一个视频，图1和图2中的人物在世界杯赛场上踢足球，图1人物进攻，图2人物防守，要有盘带动作，两个人都穿上球衣。

足球属于典型的高动态运动场景，盘带、变向、防守、身体对抗等动作都涉及复杂的人体运动逻辑和足球运动轨迹，模型不仅需要让两个人“像本人”，还要让他们“像球员”。

从生成结果来看，Seedance 2.0 Mini成功识别出了黄仁勋的核心面部特征，并将他进行了动漫化处理。视频中，黄仁勋负责带球推进，豆包则进行贴身防守，足球运动轨迹与人物动作基本保持一致，美中不足的是镜头不是一镜到底，中间盘带过人的时候切镜头导致画面不顺畅。

根据已有视频素材进行创意生成，也非常考验模型能力，于是我们上传了一段逗猫的视频，并输入了另一组提示词：

生成一段小猫逐渐长大成为白虎的视频。

在这个视频里，小猫逐渐长大的过程中，对于毛色、头部和眼睛等关键区域，模型保留了较好的连续性，使观众能够明显感受到这是同一个主体在不断成长，不过由于没有进行分镜设计，因此长大的过程中背景的切换比较生硬。

为了检验Seedance 2.0 Mini基于多模态素材的生成水准，我们上传了两张图片、一段视频以及一个音频，让Seedance 2.0 Mini生成一个夏日动物出游的视频，提示词如下：

Seedance 2.0 Mini很快输出了视频，能看到视频中的动物形象保持了不错的一致性，与背景环境以及音乐的融合也比较融洽，模型对于多种模态素材的处理较为精细。

从测试中可以看出，Seedance 2.0 Mini不仅能够完成常规的人物动作生成，在涉及身份保持、角色成长和形态演变等更复杂的多模态素材处理时，也具备较强的视觉连续性和稳定性。但不可否认的是，模型在一些细节的处理上还存在一些问题。

总结：视频生成模型卷起性价比，价格低但质量不低

整体看这次测试，无论是长文本理解、音画同步、图生视频，还是超现实场景生成，作为一款主打高性价比的轻量化模型，Seedance 2.0 Mini都交出了一份超出预期的答卷。

过去很长一段时间里，视频生成领域始终面临一个经典难题：质量、速度和成本三者难以兼得。

想要更好的画质，就需要更大的模型和更长的推理时间，想要更快的速度，就不得不牺牲部分效果，而当用户开始大规模生产内容时，成本又会成为新的瓶颈。

但从Seedance 2.0 Mini的表现来看，字节正在试图找到速度、价格和质量之间的平衡。Seedance20 Mini主要面向头脑风暴、快速测试、视频原型制作以及短视频创作等场景，在这些场景中，创作者主要使用720p的分辨率生成视频，这将进一步降低成本。

在我们的测试中，虽然存在一些问题，但对于普通用户来说，它已经能够满足日常创作需求了。

而对于自媒体、MCN机构、电商团队以及短剧工作室而言，其生成效率和价格优势则意味着可以实现更具性价比的批量化生产。不过若是追求视频的质量以及细节，那这款模型就不太够用了，但如果放在精细化视频生成的前期“草稿”阶段，这款量大管饱的模型是非常合适的。

视频生成模型发展到今天，越来越多用户开始关心AI视频生成的价格问题，能否在生产环境中大规模运用至关重要。

从这个角度来看，Seedance 2.0 Mini的意义在于进一步降低了AI视频内容的生产门槛，价格虽然低了，但质量依然有保证。