ByteDance ปล่อย Seedance 2.5 — วิดีโอพร้อมเสียง 30 วินาทีในการ generate รอบเดียว คุมได้ด้วย reference หลายสิบชิ้น
เก็บตกข่าวที่เราพลาดไปช่วงปลายเดือนกรกฎาคม: ByteDance Seed เปิดตัว Seedance 2.5 อย่างเป็นทางการเมื่อ 31 กรกฎาคม (หลังเผยโฉมครั้งแรกที่งาน Volcano Engine FORCE เมื่อเดือนมิถุนายน) โดยเริ่มใช้ในแอปฝั่ง consumer ของ ByteDance ก่อน ส่วน API สำหรับนักพัฒนานอกจีนเตรียมเปิดผ่าน BytePlus ModelArk ซึ่งยังไม่ประกาศราคาและกำหนดวันชัดเจน จุดขายหลักที่ต่างจากคู่แข่งชัด ๆ คือ การ generate วิดีโอพร้อมเสียงแบบ joint (audio-video) ยาว 30 วินาทีในรอบเดียว — ไม่ใช่การต่อคลิปสั้นหลายท่อนเข้าด้วยกัน — และต่อความยาวเพิ่มได้อีกสองรอบสำหรับเรื่องเล่าที่ยาวกว่านั้น
จุดเด่นตามหน้าเอกสารของ ByteDance Seed
- 30-second storytelling: เจนภาพและเสียง (บทพูด เพลง เอฟเฟกต์) ไปพร้อมกันในโมเดลเดียว ทำให้ lip-sync และจังหวะของเสียงกับภาพสอดคล้องกันโดยธรรมชาติ
- Reference control: รับ input อ้างอิงได้สูงสุด 50 ชิ้นต่อการ generate หนึ่งครั้ง (ภาพ 30 + วิดีโอ 10 + เสียง 10) เพิ่มขึ้นมากจาก Seedance 2.0 โดยตัวโมเดลถูกเทรนให้เข้าใจ “เจตนา การจัดเฟรม และภาษาภาพยนตร์” ของ reference มากกว่าการลอกพื้นผิว
- เครื่องมือฝั่งโปรดักชัน: white-model control, ตัดต่อ green screen, กำหนดการเคลื่อนกล้อง และ performance blocking สำหรับงานที่ต้องการคุมฉากแบบผู้กำกับ
Seedance 2.5 ถูกวางเป็นโมเดลวิดีโอเริ่มต้นในแอปอย่าง Jimeng AI และ Doubao ของ ByteDance เองก่อน แล้วจึงขยับมาเปิด API ให้นักพัฒนาภายนอก
มุมมอง AI Curator
สนามวิดีโอ AI ตอนนี้เหลือผู้เล่นหลักสามขั้ว — Google (Veo), OpenAI (Sora) และ ByteDance (Seedance) — และการที่ ByteDance เลือกสู้ด้วย “ความยาว + เสียงในตัว + การคุมงานแบบโปรดักชัน” สะท้อนว่าเขารู้จุดแข็งตัวเองดี: ByteDance ไม่ได้ขายโมเดลให้นักวิจัย แต่ขายให้ครีเอเตอร์ในระบบนิเวศ TikTok/Douyin/CapCut ที่ต้องการคลิปพร้อมใช้จริง คลิป 30 วินาทีพร้อมเสียงคือหน่วยเนื้อหามาตรฐานของแพลตฟอร์มสั้นพอดี สำหรับไทยซึ่งเป็นตลาด TikTok ใหญ่อันดับต้นของโลก ผลกระทบจะมาสองทาง: ฝั่งครีเอเตอร์และเอเจนซีโฆษณาจะเข้าถึงเครื่องมือระดับโปรดักชันในราคาถูกลงมาก ขณะที่ฝั่งผู้บริโภคต้องเจอคอนเทนต์สังเคราะห์ที่แนบเนียนขึ้นในฟีดทุกวัน — โจทย์ media literacy และการติดฉลากคอนเทนต์ AI ในไทยจะยิ่งเร่งด่วนขึ้นเรื่อย ๆ ส่วนนักพัฒนาที่รอใช้ API ควรจับตา BytePlus ModelArk ซึ่งเป็นช่องทางหลักสำหรับตลาดนอกจีน
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service