Что известно на 4 ноября
Официально ничего. ByteDance не выложила карточку модели Seedance 3.0, не добавила её в документацию API и не выпустила пресс-релиз. Материал, вокруг которого идёт разговор, вышел 4 ноября в блоге WaveSpeed: авторы собрали пересказы из обсуждений в сообществе.
Это важная деталь для планирования. У слуха нет версии, нет даты, нет лицензии. Вчерашний материал про выручку Seedance за рубежом опирался хотя бы на 36Kr и людей, близких к Volcano Engine. Здесь источник один: текст WaveSpeed и разговоры вокруг него.
Что слухи приписывают Seedance 3.0
Список короткий. Плотнее синхрон звука и картинки, включая движение губ. Multi-shot storytelling, где персонаж сохраняет лицо и одежду между планами. Разрешение 2K и 4K. Более сильные референсы на входе. Ускоренная генерация.
Ни одной даты в слухах нет. Любой названный день релиза стоит читать как догадку автора поста, включая осторожные формулировки вида «до конца года». Я такую дату в план не ставлю.
Из шести пунктов для производства важны два. Синхрон губ убирает отдельную озвучку и подгонку, а это половина работы над репликой в кадре. Multi-shot с удержанием персонажа снимает главную боль сериала: склейку между сценами, где герой незаметно меняет лицо.
Что уже работает в Seedance 2.5
Часть списка закрыта текущей версией. Нативное аудио появилось ещё в 2.0, в 2.5 звук включён по умолчанию, есть референс по аудио и мультимодальные референсы. На WaveSpeed версия 2.5 отдаёт до 4K.
Три пункта из слухов про 3.0 уже работают, с оговорками. Аудио в 2.5 синхронизируется с картинкой, вопрос в точности на крупном плане и в длинной реплике. 4K есть, вопрос в цене и времени рендера. Разница между «есть» и «есть стабильно» в продакшне стоит дороже, чем номер версии.
Что показывает сравнение нейросетей для видео
4 ноября в рейтинге Artificial Analysis Text-to-Video Seedance 2.5 держится около 1155 баллов Elo, Wan 3.0 лидирует с 1172. Разрыв 17 баллов, это меньше двух процентов, но первое место занято.
Рейтинг считает слепые пары на общих промптах. Он не знает ни вашей сцены, ни цены секунды, ни числа дублей на брак. Смотрю на него как на ориентир по картинке, а смету строю по своим тестам.
Почему «Seedance 3.0 вышла» писать нельзя
Слово «вышла» означает как минимум доступный эндпоинт. Пока у ByteDance нет карточки модели и описания в API, утверждение о релизе подменяет факт желанием. Отсутствие анонса не доказывает, что работа остановлена. Наличие слуха не доказывает, что она закончена.
Практический вред от такого заголовка конкретный. Заказчик читает «вышла», строит график под новый синхрон, а на входе получает версию 2.5 с прежним поведением на длинной реплике. Переделка оплачивается из бюджета проекта. Мне проще написать скучно и остаться правым.
Что готовить в пайплайне уже сейчас
Два слуха стоят подготовки, потому что меняют раскадровку.
Первый, синхрон губ. Если реплика в кадре перестанет требовать отдельной дорожки, сцена с говорящим человеком сократится на один этап: генерация, проверка, монтаж. Под это можно уже сейчас писать сценарии с прямой речью в кадре и не закладывать запас на переозвучку.
Второй, multi-shot. Один промпт на три-четыре плана внутри сцены меняет единицу работы: в смете теперь сцена вместо дубля. Раскадровка тогда готовится блоками по десять-пятнадцать секунд, и это удобно ложится на вертикальный формат.
Подготовка стоит дешевле ожидания. Шаблон брифа, разбивка на сцены, чек-лист приёмки по губам и звуку делаются на текущей версии и не пропадут при смене модели.
Решение по Seedance 2.5 и цене секунды
Пока нет карточки модели и описания API, считаю по 2.5. Причина простая: у неё известна цена секунды, известен предел разрешения, и работу можно принять по чек-листу. У 3.0 из слухов известны только обещания.
Второй довод экономический. Разрыв в 17 баллов Elo между 2.5 и Wan 3.0 на вашем материале может исчезнуть или развернуться. Цена секунды и число дублей останутся в смете при любой модели. Поэтому сравнение моделей я начинаю с теста на своей сцене и с расчёта стоимости готовой минуты, и только потом смотрю на номер версии.
Когда ролик нужен под задачу и срок, дешевле заказать видео нейросетями у подрядчика с готовым пайплайном. Там, где в кадре нужен живой человек и голос без оговорок, выручают ручные ролики: их снимают и монтируют руками, а модель отвечает только за отдельные вставки.
Дальше решает объём. Один ролик в месяц живёт на подписке, а серия вертикальных выпусков требует шаблона и предсказуемой цены за штуку. Под серию я бы брал 2.5 и закладывал запас секунд на брак, пока 3.0 не подтвердится документацией.
