Seedance

Seedance 2.0 es el modelo de video de segunda generación de ByteDance, desarrollado por el equipo de investigación Seed de la compañía y lanzado para los usuarios chinos el 12 de febrero de 2026, seguido de un acceso global a la API el 9 de abril a través de fal.ai. A partir de junio de 2026, ocupa la posición número uno de ELO en el Artificial Analysis Video Arena en texto a video con audio (1,215), imagen a video con audio (1,193) e imagen a video sin audio (1,344), por delante de Veo 3.1, Kling 3.0 y Runway Gen-4.5. Esto no es lenguaje de marketing; es la tabla de clasificación votada por el público que todo equipo serio de IA de video observa de cerca.

Lo que separa mecánicamente a Seedance de todos sus rivales es la flexibilidad de entrada: una sola generación acepta hasta 12 archivos mixtos que abarcan texto, hasta 9 imágenes de referencia, hasta 3 clips de video y hasta 3 pistas de audio. Genera clips de 4 a 15 segundos con una resolución de hasta 2K con audio sincronizado de forma nativa (efectos de sonido, música, diálogos con sincronización labial en 8 idiomas) sin costo adicional, maneja secuencias de múltiples tomas con cortes naturales en un solo renderizado y admite seis relaciones de aspecto desde 9:16 hasta 21:9. El acceso se realiza a través de la aplicación Jimeng en China, la aplicación Dreamina y CapCut Pro a nivel internacional, la API empresarial de Volcano Engine y las API de terceros en fal.ai, Replicate y Segmind.

Lo que Seedance produce en junio de 2026

Seedance 2.0 genera clips de entre 4 y 15 segundos. La salida nativa es de 480p y 720p, con 1080p en el nivel Pro y 2K a través del nivel Cinema en Volcano Engine. El audio se genera de forma nativa en lugar de añadirse después: la música de fondo, los efectos ambientales y los diálogos hablados llegan sincronizados en el mismo renderizado, y el modelo acepta archivos de audio como entrada de referencia, algo que ni Veo 3 ni Kling pueden hacer. Si le proporcionas una pista de 30 segundos y le indicas que corte las imágenes al ritmo, el resultado llega editado al compás de la música.

La capacidad de múltiples tomas importa más de lo que parece. Si pides una secuencia de suspenso de tres tomas, Seedance devuelve un solo clip con distintas configuraciones de cámara y cortes naturales entre ellas, en lugar de tres generaciones desconectadas que tendrías que unir manualmente. Combinado con el bloqueo de referencia (el mismo rostro del personaje y el producto se mantienen consistentes a lo largo de un lote de generaciones), esto es lo más cerca que cualquier modelo actual llega a un flujo de trabajo de dirección en lugar de una máquina tragamonedas.

La generación tarda de 90 a 120 segundos para un clip estándar, más lento que la mayoría de sus rivales. El artículo de arXiv (2604.14148) describe la arquitectura como un marco unificado para la generación conjunta multimodal de audio y video, y se ha informado de una vista previa de Seedance 2.1 que promete un aumento de calidad del 20 por ciento y un nivel Mini más económico, aunque aún no tiene fecha de lanzamiento.

Dónde se sitúa Seedance frente a Veo 3 y Kling 3.0

Frente a Veo 3, el intercambio es control versus integración. Veo 3 genera audio y video en una sola pasada de extremo a extremo, por lo que los diálogos y el sonido ambiental emergen con un posicionamiento espacial natural; Seedance genera el audio como una capa separada coordinada, lo que brinda más control sobre los elementos individuales pero una mezcla ligeramente menos orgánica. Veo 3 tiene una simulación de física especialmente diseñada para la gravedad, los fluidos y las colisiones, mientras que Seedance replica el movimiento a partir de un video de referencia. Pero Seedance acepta 12 archivos de entrada mixtos donde Veo toma un prompt y una imagen, ejecuta clips de 15 segundos frente a los 8 de Veo, y cuesta aproximadamente $0.60 por un clip de 10 segundos a 1080p con audio frente a los $2.50 de Veo, el más caro de su clase.

Frente a Kling 3.0, la brecha va en la otra dirección en cuanto a movimiento puro. Kling es el maestro del movimiento: la precisión física ha sido calificada como excelente por los críticos, ofrece 4K nativo a 60 fps y los clips más baratos de su clase a aproximadamente $0.50 por cada 10 segundos. Seedance responde con el liderazgo en los benchmarks (1,215 ELO frente a los 1,099 de Kling en texto a video con audio), entrada de referencia de audio de la que Kling carece por completo, y el sistema multimodal de 12 entradas frente a una o dos imágenes de referencia de Kling. Los equipos que necesitan bloquear la semejanza de un personaje y controlar la banda sonora en la misma generación no tienen un equivalente en Kling.

Frente a Gemini Omni, la comparación por la que preguntarán los lectores de Vantaige: Seedance lidera en ELO agregado, anatomía y cinemáticas de alta acción para clips cortos, que es exactamente la razón por la que múltiples críticos compararon a Omni con él en su lanzamiento y encontraron que Omni se quedaba atrás. La respuesta de Omni es la edición iterativa conversacional a través de múltiples turnos, algo que Seedance no puede hacer; Seedance contraataca con funciones de edición nativas como el reemplazo de personajes, la extensión de escenas y la transferencia de estilo que se ejecutan como operaciones discretas. Una advertencia que la tabla de clasificación no muestra: en clips que se acercan a los 12 o 15 segundos con interacciones complejas de múltiples personajes, los críticos documentan consistentemente microinconsistencias en el movimiento de las extremidades. La ventaja en anatomía es real, pero es más fuerte por debajo de los 12 segundos.

"En las pruebas de escenas de acción a alta velocidad, Seedance 2.0 demostró ángulos de cámara dinámicos, desenfoque de movimiento cinematográfico, física realista, gran detalle ambiental y una clara legibilidad del sujeto." - Runbo Li, CEO de Magic Hour, abril de 2026

El costo real de generar con Seedance

El precio depende completamente de la puerta por la que entres. El camino serio más barato es fal.ai: $0.022 por segundo en el nivel Fast (un clip de 10 segundos por unos 22 centavos) y $0.247 por segundo en el nivel Standard, con audio sincronizado incluido. La API oficial de Volcano Engine fija el precio de texto a video en torno a $0.14 a $0.15 por segundo, lo que la prensa financiera china denominó la era de un yuan por segundo. Segmind se sitúa en torno a $0.71 por un clip de 8 a 10 segundos y destaca por ser el único proveedor que ejecuta el modelo sin la capa de moderación adicional.

El acceso para consumidores se realiza a través de Jimeng en China por aproximadamente $9.60 al mes, e internacionalmente a través de Dreamina con planes de créditos de $18 a $84 al mes, además de CapCut Pro, que comenzó a incluir Seedance a nivel mundial en abril de 2026. Existen créditos gratuitos por inicio de sesión diario en Jimeng y créditos de prueba en Dreamina, pero son raciones de evaluación, no un nivel de trabajo. Las matemáticas comparativas por clip de 10 segundos a 1080p con audio: Seedance alrededor de $0.60, Kling alrededor de $0.50, Sora 2 alrededor de $1.00, Veo 3.1 alrededor de $2.50.

Dónde falla Seedance consistentemente

El filtro de contenido es la queja dominante, y es estructural. En la mayoría de las plataformas, el filtro intercepta los prompts antes de que el modelo los vea, rechazando referencias de rostros, descripciones de cascos y gafas, nombres de celebridades, logotipos y solicitudes estilísticas que el propio marketing de ByteDance demuestra como características. Las coreografías de peleas, los conceptos de terror y las creatividades publicitarias atrevidas se bloquean de forma rutinaria.

"Los creadores pasan un tiempo excesivo reformulando los prompts para eludir los filtros en lugar de centrarse en su trabajo creativo real, luchando contra el filtro en lugar de hacer lo que se propusieron crear." - Rohit Rao, blog de Segmind, 8 de abril de 2026

Tres patrones más documentados. Fricción de acceso: de febrero a abril de 2026, la aplicación completa de Jimeng requería un número de teléfono y un método de pago chinos, y las soluciones alternativas con VPN se prohibían con frecuencia; la API de fal.ai y el lanzamiento global de Dreamina solucionaron esto para los desarrolladores, pero los meses perdidos le costaron a ByteDance el impulso inicial en Occidente. Velocidad: de 90 a 120 segundos por clip significa que una sesión de ideación produce de 6 a 12 clips por cada 15 minutos, mientras que los rivales más rápidos duplican esa cifra. Complejidad para el operador: el sistema de entrada multimodal recompensa a las personas que piensan como directores y castiga a los creadores de prompts casuales; las referencias débiles producen resultados débiles, y los críticos señalan constantemente que no es amigable para principiantes en comparación con herramientas centradas en prompts como Kling Standard o Runway.

El lanzamiento en sí fue el incidente del año en el video con IA. A las 48 horas del lanzamiento del 12 de febrero, clips de Tom Cruise peleando con Brad Pitt y duelos con sables de luz inundaron X y Reddit. Disney emitió una orden de cese y desistimiento el 13 de febrero, Paramount hizo lo mismo el 14, la Motion Picture Association y SAG-AFTRA condenaron el modelo el 15, y ByteDance agregó marcas de agua C2PA y endureció las medidas de seguridad el 16. ByteDance también había suspendido una función de rostro a voz dos días antes del lanzamiento después de que un crítico demostrara que podía reconstruir la voz de una persona a partir de una fotografía. El guionista Rhett Reese (Deadpool and Wolverine) publicó esa semana: "Odio decirlo. Es probable que se haya acabado para nosotros". El filtro agresivo que frustra a los creadores hoy en día es el residuo directo de esa cascada legal.

Mejores casos de uso frente a escenarios a evitar

Seedance es la opción actual más sólida para el marketing de rendimiento a escala: bloquea la imagen de un producto y el talento de la marca en un lote de variantes 9:16, 16:9 y 1:1 con música renderizada, sin necesidad de volver a grabar ni de añadir audio en posproducción. Es igualmente fuerte para la previsualización, donde una secuencia guionizada de tres tomas con movimiento de cámara de referencia devuelve un borrador listo para presentar en un solo renderizado, y es el único modelo superior para contenido impulsado por audio, ya que acepta la banda sonora como entrada. Los desarrolladores que construyen canales de video obtienen al líder de los benchmarks a precios de fal.ai, y los equipos multilingües obtienen sincronización labial en 8 idiomas que ni Hailuo ni Pixverse pueden igualar.

Evítalo si quieres escribir una oración y obtener un video; Kling Standard y Runway son drásticamente más amigables. Evítalo para 4K nativo (Kling), para un rango creativo sin restricciones (Veo 3 a través de AI Studio, o el Seedance sin filtros de Segmind si aceptas el riesgo de terceros), para iteraciones rápidas donde la latencia de 90 segundos se acumula, y para clips de más de 15 segundos sin uniones. La puntuación de 4.4 refleja la misma ecuación en todo momento: el modelo de video objetivamente mejor en mediciones independientes, con un precio inferior al de sus rivales, frenado de una puntuación mayor por un filtro que lucha contra sus propios usuarios, renderizados lentos y una física que tambalea en el extremo más largo del rango del clip. Modelos relacionados que vale la pena comparar en Vantaige: WAN para pesos abiertos y Jimeng para el hermano orientado al consumidor de ByteDance.