人形機器人的「iPhone時刻」何時到來？智能玩具或成被忽視大產業

🔑 增強重點摘要

• •Seedance 2.0 採用雙分支擴散變換器架構，能同時生成視頻與音頻，實現視聽高度同步。[1]
• •模型支援最多 12 種資產輸入，包括 9 張圖像、3 段視頻與 3 段音頻，每段視頻或音頻長度達 15 秒。[3][4]
• •在 SeedVideoBench-2.0 基準測試中，Seedance 2.0 在運動穩定性、物理一致性與多模態任務上超越競爭對手。[3]

🛠️ 技術深入

• •架構：雙分支擴散變換器（dual-branch diffusion transformer）結構，統一多模態音視頻聯合生成，解決傳統模型音視頻後製同步問題。[1][3]
• •輸入規格：四模態輸入（文字、圖像、視頻、音頻），單次生成支援最多 9 張參考圖像與 3 段視頻/音頻片段（視頻總長 15 秒）。[3][4][7]
• •關鍵功能：角色替換、平滑視頻延展、多片段融合；內建物理引擎，提升物體互動與運動真實性；在 SeedVideoBench-2.0 上領先運動穩定性與物理一致性。[1][2][3]
• •輸出能力：生成多鏡頭視頻，支援 60 FPS，維持角色一致性與多相機敘事流暢轉場。[4][5]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線