Suscribirse a Noticias - Software
ByteDance ha abierto el acceso público a la API de Seedance 2.5, el modelo de vídeo que presentó en la conferencia Volcano Engine FORCE. Este modelo se basa en un clip de 30 segundos generado en una sola pasada continua, hasta 50 entradas de referencia multimodales y control de cámara mediante bloqueos 3D. La compañía también actualizó su modelo Seedance 2.0 a resolución 4K nativa con salida de 10 bits.
Pocas compañías han avanzado tanto en el desarrollo de vídeo con IA este año, ni han generado tantas controversias legales al hacerlo. Seedance 2.0 se lanzó en febrero, alcanzó el primer puesto en la clasificación de preferencias de los principales estudios independientes y luego, provocó una fuerte reacción en Hollywood por los deepfakes virales de celebridades, que derivaron en cartas de cese y desistimiento de todos los grandes estudios. Seedance 2.5 es la continuación, y está claramente orientada a trabajos más largos, controlables y con un enfoque más profesional. Ahora está en manos de los desarrolladores, en lugar de en una presentación, lo que convierte este momento en una oportunidad para poner a prueba sus afirmaciones.
Treinta segundos sin cortes
La cifra clave es la duración. ByteDance afirma que Seedance 2.5 renderiza un clip completo de 30 segundos en una sola generación, sin unir segmentos más cortos ni realizar pasadas de extensión. Su predecesor alcanzaba un máximo de aproximadamente 15 segundos de forma nativa y solo podía llegar a medio minuto uniendo generaciones separadas de extremo a extremo, que es precisamente donde el vídeo con IA suele fallar.
Este modo de fallo es más importante que la cifra en sí. Al unir dos clips, los rostros se desvían, la ropa cambia, la iluminación se distorsiona y la geometría de una habitación se reorganiza sutilmente a lo largo del corte. Una toma continua de medio minuto, si supera las pruebas reales, sería la generación nativa de una sola toma más larga entre los modelos principales. Su mayor utilidad para trabajos comerciales y de drama de formato corto no reside en la duración, sino en la ausencia de costuras que ocultar.
También existe un modo beta de vídeo largo en la página del producto Dreamina de ByteDance que extiende la salida hasta 180 segundos. La compañía define el modo estándar de 30 segundos como el más fiable y el de tres minutos como experimental, una distinción que conviene respetar hasta que se publiquen pruebas exhaustivas.
Cincuenta referencias y un bloque 3D para la cámara
El segundo pilar es la amplitud de entrada. Seedance 2.5 admite hasta 50 materiales de referencia multimodales en una sola generación, incluyendo imágenes, videoclips, audio, guiones y guías de estilo, frente al límite de doce archivos de Seedance 2.0. La mayoría de los modelos de la competencia solo admiten unas pocas imágenes de referencia, por lo que esto supone una ambición diferente: suficiente margen para integrar un personaje, una locación, un producto, un estilo de iluminación y una banda sonora en la misma toma.
La función que probablemente más les interesará a los directores de fotografía es la que menos atención ha recibido. ByteDance describe un control de referencia a vídeo que admite placas de pantalla verde o modelos 3D blancos, la geometría básica sin textura utilizada en el diseño para fijar la posición de la cámara, la puesta en escena y el bloqueo antes de iluminar o renderizar. La compañía lo describe como la primera función de previsualización de caja blanca 3D en un modelo de generación de vídeo. En la práctica, traslada la previsualización al propio proceso, permitiendo definir un movimiento de cámara y una composición en lugar de depender de lo que el modelo genere.
Para completar el conjunto, Seedance 2.5 admite la edición localizada, que redibuja parte de un fotograma manteniendo intactos el rendimiento, la iluminación y el comportamiento de la cámara. ByteDance afirma una mejora aproximada del 20% en la precisión de respuesta con respecto a la versión 2.0. El modelo admite once idiomas, incluyendo inglés, chino, japonés, coreano, español, árabe y portugués. No se ha publicado ninguna prueba de rendimiento que respalde la cifra de precisión de respuesta.
Seedance 2.0 se moderniza a 4K
La mejora que los cineastas pueden implementar de inmediato se aplicó al modelo anterior. Seedance 2.0 ahora ofrece salida 4K nativa con color de 10 bits, superando el límite anterior de 1080p a 2K, lo que sitúa al modelo disponible en el mercado a la par de sus competidores que ya contaban con 4K. Cabe destacar, para mayor precisión: el titular sobre 4K de la conferencia se refiere a la versión 2.0, y ByteDance no ha publicado por separado un límite de resolución para la versión 2.5, aunque la ficha de Dreamina describe una salida 4K nítida para el modelo más reciente.
Seedance 2.0 cuenta con una trayectoria que avala su calidad. Funciona con un transformador de difusión de doble rama con generación conjunta de audio y vídeo, y fue el motor de vídeo principal del largometraje de IA de 95 minutos de Higgsfield, Hell Grind, que se proyectó en Cannes en mayo sin formar parte de la selección oficial. ByteDance también informó en la conferencia que su negocio empresarial de Seedance ha alcanzado los dos mil millones de dólares en ingresos recurrentes anuales.
El problema de los derechos de autor que no resuelve el lanzamiento
Además de los modelos, ByteDance ha estado desarrollando la capa de licencias que su primer lanzamiento no logró solucionar. La plataforma de comercialización de derechos de autor Volcano Ark se lanzó el 10 de junio y se presentó nuevamente en FORCE, funcionando con Seedance 2.0 e incluyendo un sistema de gestión de derechos que abarca la autorización, la protección, la revisión, la distribución y la monetización.
Bingo Group de Stephen Chow, es el primer socio y licenció The King of Comedy, CJ7 y God of Cookery como plantillas de creación que los usuarios pueden utilizar con su propio material audiovisual en Douyin, Jimeng y CapCut. ByteDance informó un volumen de creación en un solo día superior a 100.000 para dichas plantillas. Sin embargo, no ha revelado ningún reparto de ingresos, porcentaje de regalías ni tarifa por generación, lo que deja sin respuesta la pregunta fundamental de cuánto ganan realmente los titulares de derechos.
Nada de esto resuelve la antigua disputa. Las cartas de cese y desistimiento que siguieron al lanzamiento de Seedance 2.0 siguen pendientes, y aún no hay una fecha de disponibilidad confirmada para el nuevo modelo en EE. UU. Para quienes consideren su uso comercial, la recomendación práctica sigue siendo la misma: trabajar con recursos propios, material con licencia adecuada o personajes sintéticos, y evitar la propiedad intelectual protegida, independientemente de lo que el modelo pueda generar.
Posición frente a Veo, Kling y Runway
El panorama competitivo se redujo cuando OpenAI cerró la aplicación Sora a finales de abril, aunque su API seguirá funcionando hasta finales de septiembre. Actualmente, quedan Veo de Google, Kling de Kuaishou, Runway y Seedance.
En el ámbito de la conversión a ciegas independiente, Seedance 2.0 lidera la conversión de texto a vídeo con audio con una puntuación Elo de alrededor de 1218, por delante de Kling 3.0 y Google Veo 3.1, y también encabeza la conversión de imagen a vídeo. Este es un resultado real, pero corresponde a la versión 2.0. No existe una puntuación independiente para Seedance 2.5, y cualquier cifra de 2.5 que circule actualmente debe considerarse inventada.
Característica por característica, el panorama es más equilibrado de lo que sugieren los titulares. Kling 3.0 genera de forma nativa en 4K y 60fps con una API disponible globalmente a unos siete centavos y medio por segundo, y su modo Director con IA integra varias configuraciones de cámara distintas en una generación de 15 segundos. Veo 3.1 sigue ofreciendo la mejor sincronización de diálogos y sincronización labial del grupo. Runway mantiene la interfaz de control más refinada para la producción de vídeo. La verdadera ventaja de Seedance 2.5 reside en la duración y la amplitud de referencia, no en la resolución, y el manejo de entrada multimodal es precisamente el eje que Google está impulsando con su familia Omni.
Acceso, costo y verificación personal
El acceso a la API se realiza a través de BytePlus ModelArk a nivel internacional y directamente con Volcano Engine para cuentas empresariales, mientras que el acceso para consumidores se realiza a través de Dreamina, Jimeng y CapCut. ByteDance no ha publicado una lista de precios oficial para la versión 2.5. A modo de referencia, Seedance 2.0 ronda los 0.6 centavos de dólar en los planes estándar de terceros y cerca de 0.2 centavos en los planes rápidos con descuento. Estimaciones independientes sitúan un clip de 30 segundos en 2.5, entre $1 y $2 en configuraciones bajas, con un aumento considerable en 4K. Ten en cuenta que estas son proyecciones, no precios oficiales.
La realidad, cuatro días después de su lanzamiento general, es que toda la información cuantitativa proviene de ByteDance o de sus páginas de producto. No existe una ficha técnica del modelo, ni una comparativa independiente, ni una prueba neutral de larga duración. Los vídeos de muestra que circulan en redes sociales son material promocional seleccionado, no es evidencia de una producción consistente. Lo más útil que cualquier profesional puede hacer ahora es probar el modelo con una lista de planos real, con referencias específicas y un movimiento de cámara exigente, y comprobar si la identidad del personaje y la iluminación se mantienen a lo largo de los 30 segundos.
¿Una toma fluida de 30 segundos cambia tu forma de usar el vídeo con IA en un proyecto, o la incertidumbre sobre los derechos sigue impidiendo su uso en tus rodajes? ¡Cuéntanos tu opinión en los comentarios!
