Doubao Seedance 2.0 API: 네이티브 오디오를 지원하는 텍스트-비디오 생성, 실행당 $0.2957부터
Doubao Seedance 2.0 API는 ByteDance의 2세대 비디오 모델로, GPTProto에서 OpenAI 호환 방식으로 이용할 수 있으며 Jimeng이나 Volcano Ark 계정이 따로 필요 없습니다. 통합 오디오-비디오 아키텍처를 기반으로 하는 doubao-seedance-2.0은 텍스트, 이미지, 비디오, 오디오를 하나의 호출로 받아 네이티브 사운드가 포함된 동기화된 클립(— 4~15초, 최대 4K, 16:9, 9:16에서 21:9까지의 다양한 화면비)을 반환합니다. 이는 개발자들이 시네마틱 쇼트, 제품 스팟, 짧은 소셜 비디오를 만들 때 사용하는 Doubao AI Seedance 2.0 엔진과 동일하며, 하나의 표준 엔드포인트로 호출할 수 있습니다.
doubao seedance 2.0 text to video의 생성 비용은 실행당 $0.2957부터 시작하며, doubao seedance 2.0 api 요금은 해상도와 길이에 따라 예측 가능하게 달라집니다—자세한 실행당 요금표는 아래를 참조하세요. 빠른 480p 클립을 프로토타입하든, 오디오가 포함된 1080p 및 4K 쇼트를 렌더링하든, seedance 2.0 doubao는 플랫폼의 모든 모델에서 사용할 수 있는 하나의 API 키로 ByteDance 최신 비디오 생성 기능을 종량제로 이용할 수 있는 경로를 제공합니다.
Doubao Seedance 2.0이란 무엇인가요?
ByteDance의 Seed 팀이 2026년 2월에 출시한 Doubao Seedance 2.0(doubao-seedance-2.0 또는 seedance 2.0 doubao)은 통합 오디오-비디오 아키텍처를 기반으로 합니다. 1.5 Pro와 비교해 중요한 변화는 더 큰 해상도 수치가 아니라, 모델이 모든 입력을 제어 신호로 처리한다는 점입니다. 한 번의 생성에서 텍스트 브리프와 참조 이미지, 카메라 모션용 클립, 오디오 베드를 함께 받아 첫 프레임이 만들어지기 전에 이 모든 요소를 종합적으로 추론할 수 있습니다. 이 텍스트-비디오 엔드포인트에서는 텍스트로 작업하지만, 더 완전한 참조 워크플로우는 같은 모델 ID를 통해 지원됩니다.
| 스펙 | 값 |
|---|---|
| 제공자 | ByteDance (Seed 팀) |
| 모델 문자열 | doubao-seedance-2-0-260128 |
| 이 엔드포인트 | 텍스트-비디오 |
| 입력 모달리티 (모델) | 텍스트, 이미지, 비디오, 오디오 |
| 참조 용량 (모델) | 호출당 이미지 최대 9개, 비디오 클립 3개, 오디오 클립 3개 |
| 네이티브 오디오 | 예 — 비디오와 함께 생성, 다국어 립싱크 지원 |
| 길이 | 4–15초 (모델); GPTProto에서는 4–14초로 요금 책정 |
| 해상도 | 최대 1080p (480p / 720p / 1080p 등급) |
| 화면비 | 16:9, 9:16, 4:3, 3:4, 21:9, 1:1 |
| 편집 / 확장 | 특정 클립/캐릭터/액션 편집, 클립 확장 |
| 이미지-비디오 | 예 — 전용 엔드포인트: /image-to-video |
| 변형 | Full + Fast (GPTProto의 doubao-seedance-2-0-fast-260128) |
| 오픈 소스 | 아니요 — 독점 |
모델이 오디오와 모션을 처리하는 방식
Seedance 2.0을 일반적인 텍스트-비디오 모델과 구분하는 두 가지가 있으며, 둘 다 프롬프트 작성에 영향을 미칩니다. 첫째, 오디오와 비디오는 이후에 사운드트랙을 덧붙이는 무음 클립이 아니라 한 번의 패스로 생성됩니다. 소리와 이미지가 함께 생성되기 때문에 대화는 입 모양에 맞게 떨어지고 주변 음향 효과는 액션을 따라갑니다—따라서 소리를 명시하는 프롬프트(예: “군중 소리가 차가 지나가며 커진다”)는 비주얼만 설명하는 것보다 더 정확한 싱크를 만들어내는 경향이 있습니다. 둘째, 이 모델은 이전 버전보다 움직임과 각도 변화 전반에 걸쳐 피사체의 정체성을 더 안정적으로 유지합니다. 이 덕분에 멀티 쇼트와 반복 등장 캐릭터 작업이 일회성이 아니라 실용적으로 사용할 수 있습니다. 컷 사이에서 얼굴이 흔들려서 AI 비디오를 포기했다면, 이 부분이 가장 크게 개선된 축입니다.
Doubao Seedance 2.0 vs Sora 2
두 모델 모두 GPTProto에서 사용할 수 있으므로, 마케팅 주장이 아니라 직접 비교해서 선택할 수 있습니다.
| Doubao Seedance 2.0 | Sora 2 | |
|---|---|---|
| 입력 | 텍스트, 이미지, 비디오, 오디오 | 텍스트, 이미지 |
| 네이티브 오디오 | 예, 동시 생성 | 예, 동기화됨 |
| 최대 길이 | 15초 | 12초 (표준) / 25초 (Pro) |
| 최대 해상도 | 최대 1080p | 720p (표준) / 1080p (Pro) |
| API 로드맵 | 운영 중 | OpenAI는 2026-09-24에 Sora 2 API를 종료합니다 |
| GPTProto 요금 | $0.2957/회부터 (해상도 × 길이에 따라 변동) | $0.40/회 (고정) |
Doubao Seedance 2.0 vs Seedance 1.5 Pro
이미 Seedance 1.5 Pro를 사용 중이라면, 업그레이드의 핵심은 해상도 향상이 아니라 입력 제어입니다. 1.5 Pro는 이미 오디오와 비디오를 함께 생성하고 멀티 쇼트 지시를 따를 수 있었습니다. Seedance 2.0은 여기에 참조 스택(한 번의 호출로 이미지 최대 9개, 비디오 클립 3개, 오디오 클립 3개)에 더해 타겟 편집과 클립 확장을 추가합니다. 서드파티 모션 및 물리 테스트에서도 1.5 Pro보다 높은 점수를 받았으며, 특히 물리 정확도에서 가장 큰 향상을 보였습니다.
비용 차이는 큽니다. 1.5 Pro는 $0.0408/회부터, 2.0은 $0.2957/회부터 시작합니다. 실용적인 기준: 예산이 중요한 단순하고 대량의 텍스트-비디오에는 1.5 Pro를 유지하고, 참조 기반 일관성, 편집, 오디오 중심 장면이 필요하면 2.0으로 이동하세요. 두 모델 모두 같은 잔액으로 실행되므로 한 프롬프트로 비교할 수 있습니다.
| Seedance 2.0 | Seedance 1.5 Pro | |
|---|---|---|
| 참조 입력 | 텍스트, 이미지, 비디오, 오디오 (이미지 9개 / 클립 3개 / 오디오 3개) | 텍스트, 이미지 |
| 네이티브 오디오 | 예 | 예 |
| 편집 / 확장 | 예 | 아니요 |
| GPTProto 요금 | $0.2957/회부터 | $0.0408/회부터 |
Doubao, Jimeng 또는 Volcano Ark에서 전환하기
이미 ByteDance 자체 환경에서 Seedance 2.0을 프로토타입하고 있다면, GPTProto는 동일한 모델을 하나의 REST API로 제공합니다. 프롬프트와 파라미터를 텍스트-비디오 엔드포인트에 POST한 다음 /api/v3/predictions/{result_id}/result를 폴링하여 결과를 받으면 됩니다. 파라미터 이름(prompt, aspect_ratio, duration, resolution, generate_audio, camera_fixed, seed)은 이미 사용 중인 것과 직접 매핑되므로 프롬프트를 옮기는 것은 대부분 복사-붙여넣기일 뿐입니다. 접근성 외에 얻는 이점은 같은 키로 Fast 변형, Seedance 1.5 Pro, Sora 2에 모두 접근할 수 있어, 공급업체마다 계정을 만들지 않고도 동일한 프롬프트를 한 잔액으로 A/B 테스트할 수 있다는 점입니다.
개발자들은 무엇을 만들 수 있나
이 기능들은 이 모델이 특히 잘하는 몇 가지 작업을 가리킵니다. 네이티브 오디오 덕분에 별도의 더빙 과정이 필요 없는 짧은 소셜 및 광고 클립, 컷을 넘나들며 인식 가능해야 하는 캐릭터 일관성 시리즈와 브랜드 마스코트, 립싱크가 필요한 대화 장면, 사운드와 모션이 맞물려야 하는 음악 또는 비트 기반 편집입니다. 대량 아이디에이션을 위해서는 Fast 변형으로 초안을 만들고, 마음에 드는 결과는 전체 모델로 다시 렌더링하세요.
Doubao Seedance 2.0 프롬프트 레시피
Seedance 2.0은 비주얼뿐 아니라 소리와 카메라를 명시하는 프롬프트에 더 잘 반응합니다—오디오가 영상과 함께 생성되고 카메라 언어가 제어 신호로 처리되기 때문입니다. 아래는 붙여넣고 수정할 수 있는 시작점입니다. 촬영 의도에 맞게 길이와 화면비를 조정하세요.
1. 오디오 중심 장면 (통합 오디오 패스 사용)
비 오는 도쿄의 밤 골목, 젖은 아스팔트에 네온 불빛이 반사됩니다. 어두운 코트를 입은 인물이 카메라를 향해 걸어옵니다. 다이제틱 사운드: 꾸준한 빗소리, 멀리서 들리는 차량 소리, 웅덩이를 밟는 발소리. 슬로우 돌리인. 16:9.
소리를 명시하면 모델이 나중에 오디오를 입히는 대신 한 번의 패스로 배경음을 모션과 동기화할 수 있습니다. generate_audio는 계속 켜두세요.
2. 고정 카메라 제품 촬영 (camera_fixed)
대리석 카운터 위의 세라믹 커피 잔, 왼쪽에서 들어오는 아침 햇살, 피어오르는 김. 고정 카메라, 움직임 없음. 얕은 심도. 1:1.
피사체는 움직이되 프레임은 고정하고 싶을 때 camera_fixed: true를 함께 사용하세요—e-커머스 루프와 패키지 촬영에 유용합니다.
3. 캐릭터 일관성 액션
빨간 재킷을 입은 젊은 여성이 옥상을 가로질러 달리고, 간격을 뛰어넘은 뒤 착지해 계속 달립니다. 전체 클립에서 그녀의 얼굴, 머리카락, 재킷이 동일하게 유지되어야 합니다. 측면에서 따라가는 핸드헬드 카메라. 군중 소리와 바람 소리. 16:9, 8초.
일관성 요구 사항을 문장으로 명시하면 모델의 가장 큰 업그레이드 포인트, 즉 움직임 속에서 피사체를 유지하는 능력이 발휘됩니다.
4. 한 번의 생성으로 멀티 쇼트
쇼트 1: 요리가 플레이팅되는 요리사의 와이드 샷. 쇼트 2: 가니시를 올리는 클로즈업. 쇼트 3: 요리사가 고개를 들어 미소를 짓습니다. 따뜻한 주방 분위기, 은은한 지글거리는 소리. 매끄러운 컷. 16:9, 10초.
쇼트에 번호를 매기면 모델이 따라야 할 명확한 구조가 생깁니다. 한 문장으로 길게 늘어놓는 것보다 훨씬 잘 지켜집니다.
프롬프트 팁
- 중요한 경우 다이제틱 사운드를 명시적으로 언급하세요. 오디오는 비디오와 함께 생성됩니다.
- 카메라 움직임(돌리, 팬, 핸드헬드, 고정)을 설명하세요. 방향 지시로 처리됩니다.
- 반복 등장하는 피사체가 있다면 일관성 요구 사항을 문장으로 명시하세요.
- Fast 변형으로 초안을 만든 다음, 최종본은 전체 모델로 다시 렌더링하세요.
