Нейросети ByteDance: Seedream, Seedance и OmniHuman

ByteDance — компания, которой принадлежат TikTok и CapCut. На Братухе 21 нейросеть ByteDance для картинок, видео и звука. Для этой статьи мы придумали одного гончара и провели его через десять из них. Вот что вышло в конце: портрет нарисовала Seedream 5.0 Pro, голос по этому портрету подобрала Seed Audio 1.0, а заговорил гончар в OmniHuman 1.5.

Текстового задания (промпта, на сайте это поле Задание) у OmniHuman нет: только фото и запись голоса. Жесты, взгляд в камеру и то, что гончар возвращает руки к глине, нейросеть придумала сама.

Что умеют нейросети ByteDance на сайте

Модели для картинок, видео и звука в ByteDance делает команда Seed, отсюда это слово в названиях. Картинки рисуют и правят четыре версии Seedream. Сравнить их с нейросетями других компаний можно в разделах «Создание изображений» и «Редактирование изображений». Видео снимают пять версий Seedance и Waver 1.0. С людьми в кадре работают OmniHuman, DreamActor V2 и три нейросети для губ под новый звук. Текст озвучивают Seed Audio и Seed Speech, а ролики и фото увеличивает SeedVR2.

Цена видна на кнопке Отправить до запуска, подписки нет, а результат ляжет во вкладку История рядом с формой. Новичкам пригодится инструкция по сайту.

Один кадр в четырёх видеонейросетях

Исходник нарисовала Seedream 5.0 Pro в разрешении 2K и пропорции 16:9. Гончара не существует. Из двух вариантов мы взяли тот, где руки уже лежат на глине: так видео проще начать с работы.

Фотография: гончар лет шестидесяти с седой короткой бородой и в льняном фартуке, испачканном глиной, сидит за гончарным кругом в небольшой деревенской мастерской. На круге начатый глиняный кувшин, руки в мокрой глине. Он смотрит прямо в камеру и спокойно улыбается. За спиной деревянные полки с готовыми горшками, из окна слева мягкий дневной свет, в воздухе пылинки. Реалистичное фото, кадр по пояс, лицо хорошо видно.

Эту картинку и одно и то же задание мы дали четырём нейросетям. Разрешение 720p, это высота кадра в точках: 480p годится для проб, 720p для телефона, 1080p и выше для большого экрана. У Waver настроек нет, и 720p у неё вышло само. Длительность около 5 секунд, только у Seedance 1.5 Pro 4: пяти в её форме нет. Звук у 1.5 Pro включается отдельно и стоит дороже, мы его выключили. У 2.0 Mini и Waver звука в форме нет, так что со звуком только ролик Seedance 2.5.

Лицо, мастерская и свет у всех четырёх остались как на картинке. Разница в том, как выполнено задание. Нам больше всех понравилась Seedance 2.5: первые две секунды гончар смотрит на горшок и ведёт по нему руками, потом поднимает глаза и улыбается, камера подъезжает. Звук в её форме включён по умолчанию, и вышел ровный фоновый гул мастерской, без речи. У Seedance 2.0 Mini гончар дольше всех работает руками, а в камеру смотрит только в самом конце. Seedance 1.5 Pro резко приближает камеру до крупного плана лица, и на последней секунде горшок уходит из кадра, а руки над ним скорее висят, чем лепят. У Waver гончар почти всё время улыбается в камеру, и руки у него едва шевелятся.

Дороже всех из четырёх обходится Seedance 2.5, дешевле всех 1.5 Pro: она берёт плату за ролик целиком, а не за секунду. Ждали мы от минуты с небольшим у 1.5 Pro до двух минут 45 секунд у 2.5.

Seedream: картинки и правка фото

Seedream у нас самая популярная линейка ByteDance, а в ней чаще всех запускают Seedream 5.0 Pro. Она вышла в июле 2026 года. Кроме обычного рисования по описанию, в её поле Тип генерации есть разложение готовой картинки на слои, чтобы потом двигать и править каждый предмет отдельно. Ещё она правит место, которое вы отметили на фото, и умеет PNG с прозрачным фоном. Фото на вход можно дать до 10, разрешение от 1K до 2K: наш кадр 16:9 в 2K вышел 2560×1440 точек за 71 секунду. Цена зависит от разрешения: от 5 ₽, дороже всего 2K.

У остальных версий нет слоёв и прозрачного фона, зато есть другое. Seedream 4.5 на втором месте по спросу и рисует в 4K, чего 5.0 Pro не умеет. Seedream 5.0 Lite принимает больше всех фото, до 14, а Seedream 4.0 за один запуск выдаёт до 15 картинок, и каждая стоит недорого. Как версии рисуют одно и то же, мы показали в статье «Разработчики».

Seedance: какую версию выбрать

Seedance 2.5 ByteDance выпустила 31 июля 2026 года. В её поле Тип генерации пять вариантов: по тексту, по картинке, по первому и последнему кадру, по образцам (их называют референсами: до 30 картинок, до 10 видео и до 10 записей звука) и правка готового ролика. Длительность до 30 секунд, разрешение 480p, 720p или 1080p, результат в MP4 или MOV. В каталоге у неё указано от 8 ₽/сек., но это цена режима с видеообразцами, а из картинки и текста выходит дороже.

Коротко об остальных. Seedance 2.0 правит готовый ролик и есть в быстром варианте Fast. Seedance 2.0 Mini снимает до 15 секунд без звука. В Seedance 1.5 Pro платите за ролик, а не за секунду, поэтому короткие пробы в ней дешевле. По спросу она вторая после 2.5. Seedance 1.0 — первая версия, с вариантами Lite, Pro и Pro Fast.

Отдельно от Seedance работает Waver 1.0: в её форме только задание и картинка, никаких настроек, цена за ролик. По словам разработчиков, она умеет ролики из нескольких сцен со сменой планов. У нас вышло 5 секунд в 720p и 30 кадров в секунду, остальные дали 24. Другие сравнения видео ByteDance есть в разделах «Видео из изображений» и «Видео по референсам», а как повторить модный ролик в Seedance 2.0, рассказано в инструкции про трендовые видео.

Голос и говорящее фото

Seed Audio 1.0 озвучивает текст до 2000 знаков по-русски. В поле Тип генерации три варианта: голос по описанию в тексте, голос из вашего образца (до трёх записей, лучше по 10–30 секунд) и голос по картинке. Последний мы и взяли: загрузили портрет гончара, и нейросеть сама подобрала мужской голос. Два запуска с одной и той же фразой дали разную подачу: первый медленный, с паузами, на 13 секунд, второй бодрее, на 9. Мы оставили первый. Цена одна за любой запуск: 50 ₽.

Глина любит терпение. Я сорок лет сижу за этим кругом, и ни один горшок не вышел похожим на другой. Вот этот, например, будет для мёда.

Seed Speech TTS 2.0 по-русски не говорит. Она читает на 10 других языках 40 голосами, а в поле Как произнести можно словами описать тон и темп. Ту же фразу по-английски мы прочитали голосом «Магнус» с пометкой «спокойно и тепло, как пожилой мастер».

Ролик в начале статьи сделала OmniHuman 1.5 из этого портрета и записи Seed Audio. По словам разработчиков, версия 1.5 подбирает жесты и мимику по смыслу сказанного. У нас гончар дважды развёл руками. Платите за каждую секунду записи: 13-секундный ролик обошёлся в самую крупную сумму во всей статье и считался четыре с половиной минуты. OmniHuman 1.0 дешевле за секунду. С нейросетями других компаний OmniHuman сравнивали в разделе «Говорящее фото».

Перенос движения, улучшение видео и губы под новый звук

DreamActor V2 берёт героя с картинки и повторяет на нём движения из вашего видео. Мультяшного гончара по нашему портрету нарисовала Seedream 5.0 Pro, движения взяли из ролика Seedance 2.5. Он так же смотрит на горшок, поднимает глаза и улыбается, повторился даже наезд камеры. Картинка нужна от 480×480 до 1920×1080 точек и до 4,7 МБ, видео до 30 секунд.

SeedVR2 Video Upscaler увеличивает ролик до 720p, 1080p, 2K или 4K и заново прорисовывает детали. Тот же ролик Seedance 2.5 мы подняли с 720p до 1080p за полторы минуты. Ниже один и тот же кадр: слева исходник, растянутый обычным способом, справа SeedVR2. Борода разделилась на волоски, проступили морщины, а лицо осталось тем же.

Для фото есть SeedVR2 Image Upscaler с вариантами 2K, 4K и 8K. ByteDance Video Upscaler самый дешёвый в разделе «Улучшение видео», но в статье раздела пережатое видео он почти не исправил, а SeedVR2 на старой записи вышел лучшим.

Губы под новый звук перерисовывают три нейросети ByteDance. Bytedance LatentSync и Bytedance LipSync стоят одинаково за секунду и принимают видео до 10 минут, причём код LatentSync компания выложила в открытый доступ. Volcengine Lip Sync пришла из Volcano Engine, облачного сервиса ByteDance, и умеет сложные сцены со сменой планов. Все три мы сравнивали с нейросетями других компаний в разделе «Липсинк».

Цены и возможности в одной таблице

В таблице 15 нейросетей, остальные шесть видны карточками выше и описаны в тексте.

Что выбрать под задачу

• Картинка по описанию или правка фото: Seedream 5.0 Pro; картинка в 4K — Seedream 4.5; сразу много вариантов подешевле — Seedream 4.0.
• Ролик по картинке, где важно, чтобы всё задание выполнилось: Seedance 2.5 (см. сравнение выше). Много коротких роликов для проб дешевле делать в Seedance 1.5 Pro.
• Ролик по тексту или картинке длиннее 15 секунд или по 10 и больше картинкам-образцам: только Seedance 2.5.
• Говорящий человек по фото: OmniHuman 1.5, а русский голос для него сделает Seed Audio 1.0.
• Озвучка на английском, китайском или другом иностранном языке: Seed Speech TTS 2.0, она дешевле Seed Audio.
• Героя с картинки нужно заставить повторить ваши движения: DreamActor V2.
• Старое или мутное видео: SeedVR2 Video Upscaler; для чистого ролика, которому нужно просто стать больше, хватит ByteDance Video Upscaler.

На все генерации для статьи мы потратили около 970 ₽, около половины из них ушло на говорящего гончара. Всё показанное сделано на Братухе, ролики мы только уменьшили для страницы.

Вопросы о нейросетях ByteDance