A reference-to-video model that uses one or more reference images to control characters, objects, environments, and artistic style, improving consistency across generated frames.
Price: $0.18 / request
480P reference_to_video : $0.06999999999999999 /
720P reference_to_video : $0.13999999999999999 /
1080P reference_to_video : $0.18 /
Dreamina Seedance 2.0 是字节跳动 Seed 团队开发的音视频生成模型，并集成到 CapCut 中。该模型采用双分支扩散 Transformer 架构，在生成链路中实现视觉与听觉信息流的并行处理，通过注意力/桥接机制实现帧级精度的声画同步。模型支持文本、图像、音频和视频多模态输入，最高可同步解析 12 个参考文件，生成长达 15 秒的视频，具备原生音视频同步生成能力。模型配备了隐形水印和 C2PA 内容凭证等保护措施。
PixVerse V3.5 于2024年12月29日发布，核心承诺是“瞬间创建——10秒内”完成视频生成，并大幅升级了动漫渲染能力。它支持5秒或8秒的视频输出，分辨率覆盖360p至1080p，引入的开始-结束帧概念成为后续系列的重要基础能力。V3.5是当前 PixVerse API 仍然接受的最旧模型名称，普通的V3已从枚举中移除，说明其接口稳定性经过了长期验证。在定价上，5秒V3.5片段在360p或540p下需45积分，720p需60积分，1080p需120积分，选择8秒或快速运动则翻倍。V3.5的发布标志着 PixVerse 从功能堆叠转向生成速度的实质性突破，为后续版本奠定了效率基础。
PixVerse V5.5 于2025年12月1日发布，是首款实现“分镜+音频”一键直出的 AI 视频大模型。此次更新首次支持音频与多镜头同步生成，并强化了多角色音画同步能力，AI 能够根据提示词生成具备叙事结构的短片，标志着 AI 视频从“镜头生成”向自动“讲故事”的进化。用户可在多镜头和音画同步开启状态下生成5秒、8秒或10秒的视频，直接在提示词中控制音效类型。在分辨率方面，10秒片段最高支持720p，1080p输出限制为5秒或8秒。V5.5新增了 generate_audio_switch 和 generate_multi_clip_switch 等 API 参数，为开发者提供了更细粒度的控制能力。
dreamina-seedance-2-0-fast 是 Seedance 2.0 的速度优化版本，继承了核心功能的同时大幅提升生成速度。它具备原生音频同步、摄像机控制和稳定动作能力，每次渲染成本更低，适合对生成速度有较高要求的电影剪辑场景。输出分辨率限制为 480P 和 720P（不支持 1080P）。在 Seedance 2.0 的产品矩阵中，Fast 版位于标准版和 Mini 版之间，是兼顾速度与质量的中档选择。