ByteDance는 방대한 안무 및 퍼포먼스 영상 데이터로 Seedance를 학습시켜, 관절 움직임, 체중 이동, 리듬 타이밍에 대한 깊은 이해력을 갖추게 했습니다. 이 모델은 프레임당 137개의 골격 키포인트를 추적하며, 이는 대부분의 경쟁 모델보다 약 두 배 많습니다. 덕분에 피루엣, 브레이크댄스 프리즈, 싱크로나이즈드 그룹 안무 같은 복잡한 동작을 범용 영상 모델에서 흔히 보이는 왜곡된 포즈 없이 해부학적으로 정확한 사지 배치로 표현합니다.

Seedance 1.5 Pro는 공유 잠재 공간을 통해 두 개의 병렬 확산 브랜치로 영상과 오디오를 생성합니다. 영상 브랜치는 시각적 프레임을 처리하고, 오디오 브랜치는 동기화된 사운드를 생성하며, 둘 다 동일한 프롬프트 임베딩을 조건으로 합니다. 순차적으로 실행되는 것이 아니라 동시에 생성되기 때문에, 입술 움직임이 밀리초 단위로 음성과 일치하고 발소리도 발이 지면에 닿는 순간에 정확히 맞춰집니다.

매우 뛰어납니다. ByteDance는 세로 9:16 출력을 16:9의 크롭이 아닌 기본 형식으로 설계했습니다. 생성 속도는 1080p 클립 기준 30~60초로, 반복적인 콘텐츠 제작에 충분히 빠릅니다. 내장된 오디오 싱크 덕분에 댄스 클립과 어울리는 음악을 한 번의 생성으로 완성할 수 있으며, 다른 도구에서 필요한 수동 오디오 정렬 작업을 생략할 수 있습니다.

골격 추적 시스템은 댄스를 넘어 다양한 동작에 범용적으로 적용됩니다. 무술 시퀀스, 요가 플로우, 스포츠 하이라이트, 연극적 제스처 모두 동일한 모션 정밀도를 활용합니다. 특히 표정 표현이 세밀하게 포착되며, 대화나 퍼포먼스 장면에서 감정을 전달하는 눈과 입 주변의 미세 표정까지 구현합니다.

물리-오디오 잠금은 영상 속 물리적 이벤트에 사운드 생성을 연결합니다. 공이 튀면 접촉하는 정확한 프레임에 충격음이 발생하고, 댄서가 박수를 치면 손이 충돌하는 순간에 오디오 피크가 맞춰집니다. 이는 후처리가 아닌 생성 단계에서 모델 수준으로 처리되므로, 빠르거나 겹치는 이벤트에서도 동기화가 유지됩니다.

네. 오디오 브랜치는 영어, 중국어, 일본어, 한국어의 음소 세트를 기본으로 지원합니다. 입술 모양은 프롬프트 또는 참조 오디오의 음성 내용을 기반으로 생성되므로, 범용적인 입 벌림-닫힘 패턴이 아닌 해당 언어에 맞는 정확한 입 모양으로 구현됩니다.

약 10배 빠릅니다. Seedance 1.0에서 8~10분 걸리던 24fps 1080p 클립이 이제 30~60초 내에 완성됩니다. ByteDance는 출력 품질을 낮추지 않고 확산 스케줄러의 아키텍처 최적화와 더 효율적인 어텐션 메커니즘을 통해 이를 달성했습니다.