Seedance 2.0 là gì? Hướng dẫn kèm ví dụ

Nguồn: Aleena Amir trên X

Vì ByteDance chưa công bố ghi chú phát hành tiếng Anh chính thức cho Seedance 2.0, hầu hết thông số và tuyên bố tính năng công khai đều được tái dựng từ các bài tường thuật tiếng Trung về đợt triển khai của Jimeng. Nhiều “bảng thông số” trên các trang bọc bên thứ ba dường như lặp lại cùng nguồn này thay vì tài liệu chính thức của ByteDance.

Theo thử nghiệm của truyền thông Trung Quốc và tài liệu đối tác sớm, Seedance 2.0 hứa hẹn đầu ra video chuẩn rạp chiếu 2K với khả năng giữ nhất quán nhân vật xuất sắc.

Tôi có thể truy cập Seedance 2.0 như thế nào?

Chính thức, Seedance 2.0 đang hoạt động trong Jimeng của ByteDance tại Trung Quốc đại lục, nơi nó có sẵn cho hội viên trả phí (ví dụ, các gói ≥69 RMB theo truyền thông Trung Quốc). Trên thực tế, quyền truy cập Jimeng tập trung cho thị trường Trung Quốc, và xác minh tài khoản cùng phương thức thanh toán nội địa thường là điểm vướng.

Trang giới thiệu Seedance 2.0 đã hiển thị. Tuy nhiên, quyền truy cập thực tế hiện đang bị giới hạn: đa số người dùng sẽ thấy thông báo "Coming Soon" cho đến khi phát hành đầy đủ, theo nguồn tin trong ngành dự kiến khoảng ngày 24 tháng 2 năm 2026. 

Trong lúc chờ đợi, cách phổ biến nhất với người dùng quốc tế là ChatCut, một ứng dụng video AI bên thứ ba đã tích hợp trực tiếp Seedance 2.0 và cung cấp quyền truy cập sớm toàn cầu mà không cần số điện thoại Trung Quốc. Hiện tại, đang có danh sách chờ để đăng ký.

Seedance hoạt động như thế nào?

Giống như Sora 2 và Veo 3.1, Seedance 2.0 là một mô hình khuếch tán. Tức là, nó tạo video bằng cách bắt đầu từ các khung nhiễu tĩnh và dần biến đổi qua nhiều bước để lộ ra chuỗi video mạch lạc. 

Tuy nhiên, khác với các mô hình văn bản-thành-video trước đây vốn coi video như một đoạn câm, một cú máy đơn, Seedance 2.0 được kiến trúc như một “đạo diễn đa phương thức” có thể xử lý âm thanh, cấu trúc câu chuyện và tham chiếu hình ảnh phức tạp trong một lượt duy nhất.

Đạo diễn cảnh với đầu vào bốn phương thức

Trước đây, để AI tạo ra đúng điều bạn muốn cần đến “kỹ thuật nhắc” (prompt engineering), nghĩa là gõ những mô tả dài và phức tạp rồi hy vọng AI hiểu. Seedance 2.0 loại bỏ phỏng đoán này bằng cách đạo diễn cảnh với hệ thống đầu vào bốn phương thức.

“Bốn phương thức” có nghĩa Seedream có thể xử lý đầu vào văn bản, hình ảnh, video và âm thanh. Bộ mã hóa bốn phương thức không phải một phễu duy nhất, mà là tập các bộ mã hóa được huấn luyện sẵn cho từng loại dữ liệu:

• Văn bản được xử lý bởi bộ mã hóa dựa trên LLM để trích xuất ý nghĩa ngữ nghĩa
• Hình ảnh được mã hóa thành các token đặc trưng thị giác (miếng vá)
• Video tham chiếu được mã hóa thành các token không-thời gian (miếng vá 3D)
• Âm thanh được mã hóa thành các token dạng sóng hoặc phổ (spectrogram)

Kết quả là cả bốn đầu vào thô đều được chuyển thành một ngôn ngữ thống nhất của các vector tiềm ẩn để biểu diễn toán học cho đầu vào.

Lập kế hoạch câu chuyện với logic đa cú máy

Một trong những nỗi thất vọng lớn với công cụ video AI cũ là giới hạn một cú máy. Nếu bạn yêu cầu một câu chuyện, AI sẽ cố nhồi mọi thứ vào một cảnh quay liên tục, không cắt dựng. Với độ dài video thường chỉ vài giây, điều này hay dẫn đến biến dạng kỳ lạ hoặc bỏ qua một phần nội dung nhắc. 

Seedance 2.0 giới thiệu một bộ lập kế hoạch tường thuật để khắc phục bằng logic đa cú máy. Trước khi tạo dù chỉ một pixel, bộ lập kế hoạch này hoạt động như họa sĩ storyboard. Nó đọc nhắc của bạn và chia nhỏ thành chuỗi các cú máy máy quay riêng biệt. 

Ví dụ, nó có thể bắt đầu bằng một cảnh toàn thành phố, rồi cắt sang cảnh trung bình của một người, và cuối cùng là cận cảnh gương mặt, tất cả mà không cần chỉ dẫn chi tiết. Sau đó, nó điều phối việc tạo các cú máy này theo trình tự.

Nó sử dụng dữ liệu nhất quán dùng chung để đảm bảo khuôn mặt, trang phục và ánh sáng của nhân vật giữ nguyên qua mọi nhát cắt. Kết quả giống một chuỗi phim đã được dựng ra thay vì một đoạn video ảo giác thô mộc.

Kết hợp khuếch tán với hai mô hình transformer

Đa số mô hình video AI hoạt động như máy quay phim câm: tạo video trước, rồi bạn phải thêm âm thanh sau bằng công cụ khác. Điều này thường dẫn đến “trôi lệch”, nơi âm thanh bước chân hay tiếng cửa đập không khớp với hành động trên màn hình. 

Seedance 2.0 giải quyết bằng một transformer khuếch tán hai nhánh với một transformer dành riêng cho video và một cho âm thanh.

Hãy hình dung như một bộ não với hai bán cầu phối hợp hoàn hảo. Một bên tập trung hoàn toàn vào tạo khung hình video, bên kia tạo dạng sóng âm thanh. Vì chúng liên tục trao đổi trong quá trình sáng tạo, mô hình đảm bảo khi sự kiện hình ảnh xảy ra (như ly vỡ), âm thanh tương ứng được tạo đúng chính xác đến từng mili giây.

Các tính năng chính của Seedance 2.0

Giờ đã hiểu cách hoạt động, hãy xem Seedance 2.0 làm được gì. Hai tính năng đáng chú ý nhất là hệ thống tham chiếu đa phương thức toàn diện và dựng storyboard đa cú máy nguyên bản.

Hệ thống tham chiếu đa phương thức toàn diện

Seedream 2.0 cho phép bạn cho xem điều bạn muốn, thay vì chỉ “kể”. Bạn có thể tải lên tối đa 12 tệp (9 ảnh, 3 video và 3 âm thanh) và gán vai trò cụ thể cho chúng bằng hệ thống tham chiếu @.

• Cần một diễn viên cụ thể? Tải ảnh của họ và gắn thẻ làm tham chiếu nhân vật.
• Muốn chuyển động máy quay cụ thể? Tải video mẫu và gắn thẻ làm tham chiếu chuyển động.
• Có nhịp điệu cụ thể? Tải bài hát và gắn thẻ làm tham chiếu tiết tấu.

Mô hình tách và kết hợp các đầu vào này, cho phép bạn “đạo diễn” cảnh bằng tài nguyên cụ thể thay vì phụ thuộc vào may rủi.

Để bạn hình dung rõ hơn cách nó hoạt động, dưới đây là một ví dụ:

Nhắc lệnh: “Thay thế người mẫu trong video quảng cáo @Video1 bằng một người mẫu phương Tây, tham chiếu ngoại hình trong @Image2. Đổi toàn bộ ngôn ngữ nói sang tiếng Anh.” (Nguồn: SD AI Animation Storyteller trên X)

Kết quả rất ấn tượng. Seedance làm đúng hoàn toàn chỉ dẫn, tái hiện gần như hoàn hảo diện mạo người mẫu tham chiếu, và điều chỉnh động tác môi khi dịch âm thanh sang tiếng Anh. Đáng chú ý, hành vi phản chiếu trên kính mắt được giữ nguyên hoàn toàn.

Storyboard đa cú máy

Tính năng storyboard đa cú máy đặt Seedance 2.0 vào vai vừa đạo diễn vừa biên tập cùng lúc. Cách nó hoạt động như sau:

1. Mô hình tự động chia một câu chuyện thành nhiều cú máy liên kết
2. Với mỗi cú máy, nó chọn loại máy quay phù hợp.
3. Cuối cùng, nó dựng các cú máy và thêm chuyển cảnh giữa chúng.

Nhắc lệnh: “Cảnh đại chiến trong Avenger's Endgame, nhưng Thanos dừng mọi thứ và nói với các siêu anh hùng rằng hắn xin lỗi. Tất cả lập tức chấp nhận và quay đi, nhưng rồi Spiderman nói, "Ôi không đời nào, hắn đã giết cả tỉ người!" Thế là tất cả lao trở lại và đá hắn khi hắn gục xuống.” (Nguồn: Christopher Fryant trên X)

Đây là ví dụ hay về storyboard vận hành. Cảnh toàn đầu video, thu cận Thanos, lia xuống Thor và cắt cứng sang Spiderman—tất cả đều rất mạch lạc và mang đúng chất Avengers mà không cần yêu cầu tường minh các chuyển động máy quay đó.

Tạo hiệu ứng âm thanh gốc và nhân bản giọng nói

Không lâu trước đây, khả năng tạo âm thanh gốc đã đủ là tính năng sát thủ, nhưng nay nó là tiêu chuẩn kỳ vọng. Dù vậy, Seedance 2.0 không chỉ tạo đồng bộ video và âm thanh cùng lúc, mà còn có hội thoại đa ngôn ngữ, âm thanh môi trường và hiệu ứng âm thanh gắn với hành động.

Một tính năng rất thú vị nhờ khả năng nhập âm thanh là nhân bản giọng nói, được cho là đa người nói, nên bạn có thể có tối đa 3 giọng nhân vật tùy chỉnh mỗi cảnh (vì giới hạn tệp âm thanh). Nó cho phép người dùng tải giọng thật để định hướng ngữ điệu, tông giọng và thậm chí hội thoại đa nhân vật.

Dù chúng ta đã thấy khả năng ngôn ngữ và khớp khẩu hình trong ví dụ dịch, hãy xem Seedance tạo nhạc nền và hiệu ứng âm thanh từ đầu như thế nào.

Nhắc lệnh (dùng tệp tham chiếu): “Người phụ nữ trong @Image1 bước tới gương và nhìn phản chiếu của mình. Tư thế tham chiếu @Image2. Sau một thoáng trầm tư, cô chợt gục ngã và bắt đầu la hét. Hành động nắm lấy gương, cũng như cảm xúc và biểu cảm khuôn mặt trong lúc gục ngã và hét, phải tham chiếu đầy đủ @Video1.” (Nguồn: Feyber trên X)

Ví dụ cho thấy mô hình có thể xử lý nhiều cảm xúc đối nghịch trong cùng một cảnh, không chỉ về hình ảnh mà còn về âm thanh. 

Nhạc nền buồn lúc đầu phản ánh tốt biểu cảm nhân vật, rồi chuyển sang giai điệu thiên về kinh dị khi cô giận dữ hét vào gương. Nhạc nền không lấn át tiếng hét hay âm thanh nắm lấy gương, mà bổ trợ hài hòa.

Hình ảnh điện ảnh độ phân giải cao

Seedance hỗ trợ đầu ra đến 2K, nhiều tỷ lệ khung hình và tốc độ khung 24–60 fps, tùy nền tảng. Nó nhấn mạnh thẩm mỹ điện ảnh bằng cách chú ý chi tiết như:

• Kết cấu chi tiết
• Ánh sáng tổng thể vững chắc
• Phối màu đậm chất phim

Một trọng tâm khác trong phát triển Seedance 2.0 là tôn trọng vật lý. Hai yếu tố này song hành, như ta thấy ở ví dụ tiếp theo:

Nhắc lệnh: “Một chuỗi hành động điện ảnh năng lượng cao vào ban đêm trong thành phố rực neon, máy quay bám theo một nhân vật đơn độc lao qua các con phố ướt mưa khi drone cảnh sát và đèn pha lướt mờ qua, cắt nhanh giữa cận cảnh đôi mắt kiên định, đôi ủng văng nước, và cảnh rộng xe cộ suýt tông trúng anh ta, máy quay quất lia khi anh ta vượt rào, trượt qua nắp capo và né các vụ nổ tóe lửa phía sau, nhòe chuyển động mạnh và ánh sáng động, cảm giác máy quay cầm tay với cú đẩy mạnh, tương phản kịch tính, biên đạo nhanh, va chạm dứt khoát, và nhịp slo-mo cuối khi anh ta nhảy khỏi mái nhà vào bóng tối trong khi đèn thành phố kéo vệt bên dưới.” (Nguồn: Txori trên X)

Kết quả trông như cảnh cắt ra từ phim hành động. Chuyển động máy quay, ánh sáng, thậm chí vật lý nước bắn khỏi vũng đều rất chuẩn. Điều chưa hợp lý là nhân vật nhảy từ mái nhà ngay sau khi chạy ở dưới phố.

Một điều vừa rõ vừa thú vị là nhân vật chỉ được mô tả là “đơn độc”, nhưng lại hóa thành bản sao y hệt Keanu Reeves. 

Xét nhắc lệnh nặng hành động với bối cảnh u tối (“thành phố rực neon”, “ướt mưa”, “drone cảnh sát”), bạn có thể đoán nguồn gợi. Câu hỏi còn lại là cảm hứng đến từ The Matrix, John Wick, hay Cyberpunk 2077 (hoặc kết hợp cả ba).

Seedance 2.0 tốt đến mức nào?

Thực lòng mà nói, các video ta thấy khi giới thiệu tính năng đã tự nói lên tất cả. Ở phần này, tôi muốn tập trung vào hai vấn đề trong tạo video mà điểm mạnh của Seedance 2.0 giúp giảm nhẹ.

Chấm dứt phụ thuộc vào “nhắc lệnh phép màu”

Một điểm đau lớn của thế hệ đầu AI video là kỹ thuật nhắc kiểu hộp đen: Người sáng tạo phải mò ra “nhắc lệnh phép màu” và cách diễn đạt lắt léo để có kết quả dùng được từ các mô hình hiểu ngữ nghĩa kém và kiểm soát hạn chế.

Đây là nơi cả hệ thống tham chiếu toàn diện và storyboard đa cú máy phát huy tác dụng. Kết hợp khả năng gán tài nguyên vào vai trò và mô hình xuất sắc trong hiểu ngữ cảnh xuyên suốt các cú máy đem lại kết quả ấn tượng mà không cần “tối đa hóa nhắc lệnh”. Nó cũng tránh việc nhồi nhét nhắc lệnh (và quá tải mô hình).

Một ví dụ hay là dùng lưới ảnh 3x3. Với 9 ảnh tham chiếu đại diện các cú máy khác nhau trong một cảnh, bạn có thể nhận đầu ra ổn dù không đầu tư gì vào nhắc lệnh. Hãy xem mô hình trả về gì từ lưới sau làm đầu vào, kết hợp với một nhắc lệnh đơn giản nhất có thể:

Nhắc lệnh: “Tạo video từ storyboard.” (Nguồn: Mr.Iancu trên X)

Một lần nữa, kết quả rất ấn tượng. Mô hình tự nhiên hiểu ngữ cảnh cảnh quay và lấp đầy khoảng trống giữa các khung riêng lẻ. Điều vô lý là giữa video, dường như một kẻ tấn công đứng ở góc phía sau cô ấy trong vài khung hình.

Một lỗi nhỏ khác mà (tôi nghĩ) tôi nhận thấy là chiếc bàn dựng thẳng đứng, sẽ không cho nhân vật che chắn—nhưng nếu nhìn kỹ góc dưới bên trái, bạn sẽ thấy lỗi này vốn đã nằm trong lưới ảnh, vốn được tạo bởi Nano Banana Pro.

Giải quyết vấn đề “clip bỏ đi”

Với các mô hình trước, tạo video thường biến thành xổ số để tình cờ ra đúng clip, với rất nhiều lần thử (tốn kém) “bỏ đi” dọc đường. Storyboard đa cú máy tự động giải quyết và làm rất tốt việc phân rã nhắc lệnh tường thuật thành nhiều cú máy.

Seedance 2.0 cung cấp mức độ nhất quán về danh tính và bối cảnh cao hơn đáng kể so với các mô hình trước. Điều này giảm mạnh các tạo tác khó chịu như lệch nhân vật, thay đổi ngoại hình đột ngột, hay nhấp nháy, vốn thường khiến những clip đầy hứa hẹn trở nên không dùng được.

Nhắc lệnh: “Một phim tài liệu thiên nhiên về một con rái cá lái máy bay.” (Nguồn: ChinaTechTrend trên X)

Hạn chế của Seedance 2.0 là gì?

Bên cạnh tất cả điểm mạnh đã bàn, hãy xem một vài hạn chế của mô hình Seedance 2.0.

Cảnh phức tạp, nhiều lớp với kính

Có báo cáo rằng Seedance 2.0 gặp khó khi xử lý nhiều lớp chuyển động phía sau kính, điều mà thừa nhận là khá thách thức với bất kỳ mô hình tạo video nào (và cũng là một trường hợp biên không quá phổ biến). 

Tuy nhiên, ví dụ duy nhất tôi tìm thấy được bàn luận trong bài đánh giá trên YouTube này. Nó cho thấy “một cảnh ngoại điển hình cho cảnh quán ăn, kiểu Cyberpunk, nhìn xuyên qua kính, nhân vật bên trong, xe cộ bên ngoài di chuyển.” Đầu ra phần nào trông rất tự nhiên, với giọt mưa trên cửa kính và hoạt ảnh thở, nhưng toàn bộ khung cảnh chuyển động không tự nhiên (như thể “bị buộc vào một chiếc xe”).

Có vẻ một cảnh có kính ở cả hai phía nhân vật, với nền bổ sung phía sau lớp kính thứ hai, là quá sức với Seedream 2.0, và nó không còn phân biệt được nền tĩnh với xe chuyển động.

Trong ví dụ trước đó nhân vật đeo kính, độ trong suốt và phản chiếu của kính đều chuẩn, nhưng cần lưu ý a) đó là ví dụ đơn giản hơn nhiều, và b) dùng video tham chiếu làm mẫu cho mô hình.

Những bất nhất nhỏ và văn bản nền

Một số bất nhất thực ra là hệ quả của việc diễn giải sai ngữ cảnh đã mã hóa hơn là chất lượng tạo video kém. Chẳng hạn, khi được yêu cầu tạo một cảnh giao thoa giữa Game of Thrones và Friends, nó vô tình chèn một nhân vật từ How I Met Your Mother:

Nhắc lệnh: “Dàn diễn viên Friends đóng trong sitcom Game of Thrones. Chandler vào vai Vua Joffrey. Joey làm Thủ tướng.” (Nguồn: Gavin Purcell trên X)

Giống ví dụ Keanu Reeves, bạn có thể đoán nguồn gợi: Cả hai đều là sitcom rất giống nhau, nên biểu diễn vector của chúng sẽ cực kỳ gần nhau.

Trong khi các văn bản nền nói chung đọc được ngay cả ở cảnh chuyển động nhanh (hãy nhớ ví dụ Keanu Reeves), một số trường hợp chúng hơi rỗ. Ví dụ, hãy xem bảng quảng cáo trong video bóng rổ cậu bé ghi điểm trước Lebron James đang lan truyền này:

Nhắc lệnh không rõ (Nguồn: Serge Bulaev trên X)

Một lần nữa, đây là kết quả rất ấn tượng tổng thể: chuyển động của người chơi rất thực, máy quay giữ tiêu điểm vào cô bé dẫn bóng, và cả bóng đổ lẫn tiếng ồn nền đều khớp với những gì ta thấy. Tiếc là nhắc lệnh dùng trong ví dụ này không được chia sẻ.

Kịch bản biểu diễn âm nhạc

Khó mà chỉ ra nguyên nhân, nhưng tôi thấy các cảnh biểu diễn âm nhạc, như hòa nhạc, vẫn có chút cảm giác “thung lũng kỳ lạ” quen thuộc. Đây là một ví dụ cảnh hòa nhạc K-pop:

Nhắc lệnh: “Cảnh hòa nhạc K-pop hoành tráng - Sân khấu kịch tính với ánh sáng, hiệu ứng và năng lượng, không mô tả cá nhân có thật.” (Nguồn: Ankit Patel trên X)

Có vài điểm đáng chú ý. Trước hết, âm thanh bao gồm bài hát (kèm dội âm và tiếng đám đông) nhưng nghe hơi “gỗ”. Chuyển động các thành viên ban nhạc cũng trông hơi lạ, với ca sĩ nền bên trái dường như hòa vào sân khấu.

Seedance 2.0 so với đối thủ

Hãy xem Seedance 2.0 so với ba đối thủ chính như thế nào.

Seedance 2.0 so với Sora 2

Một trong các điểm bán hàng chính của Sora 2 là được kiến trúc như “trình mô phỏng thực tại” với hiểu biết vật lý sâu, xuất sắc ở mô hình hóa trọng lực, động lực học chất lỏng và tính bền vững của vật thể. Dù không phải trọng tâm chính của Seedance 2.0, những kết quả đầu tiên cho thấy nó không tụt lại đáng kể phía sau Sora 2 và có thể cạnh tranh.

Ngược lại, hệ thống tham chiếu bốn phương thức của Seedance là điều Sora còn thiếu, vốn chỉ phục vụ như mô hình văn bản-thành-video và ảnh-thành-video. Do đó, việc nhân bản phong cách hay nhân vật cụ thể trong Sora khá tĩnh, so với khả năng sao chép chuyển động cả cảnh hoặc nhân bản giọng nói trong Seedance.

Trong khi Sora 2 có thể tạo video chất lượng cao, nó coi âm thanh là quy trình tách biệt, thứ cấp. Kiến trúc transformer hai nhánh của Seedance 2.0 thì khác căn bản, khi tạo video và âm thanh đồng thời trong một lượt. Điều này cho phép đồng bộ chặt chẽ, chính xác theo khung hình (như tiếng bước chân khớp đúng lúc chân chạm đất) hơn so với Veo.

Seedance 2.0 so với Google Veo 3.1

Veo 3.1 cho đạo diễn quyền kiểm soát chính xác qua công cụ Chỉnh sửa có Mặt nạ (Masked Editing), cho phép chọn và chỉnh vùng cụ thể của video (ví dụ, đổi trang phục nhân vật) trong khi phần còn lại giữ nguyên. Nó cũng cung cấp lệnh máy quay cụ thể (pan, tilt, zoom) để mô phỏng kỹ thuật làm phim truyền thống. 

Seedance 2.0 tiếp cận kiểm soát theo cách khác với hệ thống Tham chiếu Bốn Phương thức. Thay vì mặt nạ chỉnh sửa, người dùng Seedance có thể nhân bản phong cách hoặc chuyển động bằng cách tải video và ảnh tham chiếu. Nếu Veo là một bộ chỉnh sửa số, thì Seedance là “động cơ chuyển phong cách” siêu nạp, phù hợp hơn để tái hiện một không khí hay chuyển động máy quay cụ thể.

Tương tự Sora 2, Veo 3.1 không thể cạnh tranh với Seedance 2.0 về đồng bộ đầu ra âm thanh và hình ảnh.

Seedance 2.0 so với Kling 3.0

Cả hai mô hình đều xuất sắc trong việc giữ nhân vật nhất quán, nhưng đạt được theo cách khác nhau. Kling 3.0 dùng Omni Mode để “ràng buộc” các nhân vật cụ thể (khuôn mặt, trang phục) và tái sử dụng qua nhiều cú máy hoặc cảnh. Về bản chất, nó tạo thư viện tài nguyên bạn có thể gọi bằng tham chiếu @. 

So với hệ thống tham chiếu bốn phương thức của Seedance 2.0, khác biệt nằm ở việc bạn muốn nhân bản từ bên ngoài hay giữ nguyên các tạo tác đã tạo. Kling phù hợp hơn để xây dàn nhân vật tái sử dụng cho một series, còn Seedance phù hợp hơn để “chuyển phong cách” một không khí hay cú máy cụ thể từ clip có sẵn sang chủ thể mới.

Kling 3.0 cung cấp kiểm soát chính xác tông và cảm xúc của hội thoại tạo ra (ví dụ, “thì thầm”, “hào hứng”, “mỉa mai”) và hỗ trợ lời nói đa ngôn ngữ gốc, cho kết quả ấn tượng. Dù đồng bộ âm-hình của nó vượt Veo 3.1 và Sora 2, Seedance 2.0 vẫn nhỉnh hơn đôi chút.

Lời kết 

Những kết quả đầu tiên từ mô hình Seedance 2.0 của ByteDance rất ấn tượng và hứa hẹn bước nhảy vọt trong tạo video bằng AI. Đặc biệt, sự kết hợp giữa đầu vào bốn phương thức và storyboard đa cú máy tự động có tiềm năng tạo nên bước ngoặt thật sự cho các trường hợp sử dụng từ quảng cáo và dựng mẫu đến điện ảnh và game.

Tuy nhiên, sức mạnh này đi kèm ma sát tức thời. Khả năng của mô hình trong việc nhân bản giọng nói từ một bức ảnh và vô tình tạo ra hình tượng có bản quyền (như bản sao Keanu Reeves không được yêu cầu) đã buộc ByteDance khẩn cấp tạm dừng một số tính năng tham chiếu “người thật” và siết chặt xác minh danh tính.

Sẽ thú vị khi xem các ông lớn như Google và OpenAI phản ứng thế nào với việc phát hành Seedance, và liệu hạn chế truy cập toàn cầu có được dỡ bỏ, giúp người dùng thoát phụ thuộc vào các lớp bọc API bên thứ ba hay không. Chúng tôi đang theo dõi sát và sẽ cung cấp bài đánh giá thực tế đầy đủ ngay khi có quyền truy cập trực tiếp để tự kiểm thử khả năng của mô hình.

Nếu bạn quan tâm đến các khái niệm đứng sau những công cụ nâng cao như Seedream 2.0, tôi khuyên bạn đăng ký lộ trình kỹ năng AI Fundamentals của chúng tôi.