Seedance 2.0 supón un salto cualitativo na xeración de vídeo mediante IA

Nos últimos días as plataformas de redes sociais estaban inundadas de vídeos feitos con intelixencia artificial nos que podiamos ver dende combates de acción real entre personaxes de series de animación ata anuncios falsos protagonizados por famosos, destacando a calidade deses vídeos a nivel de resolución e coherencia, no que moitos consideraban que estabamos ante un momento semellante a cando ChatGPT se fixo viral ao permitir realizar imaxes co estilo do estudio Ghibli.
Estes vídeos eran froito da fase de beta pechada de Seedance 2.0, un modelo de creación de vídeo de nova xeración, que por fin se lanza oficialmente por parte de ByteDance (a compañía detrás de TikTok) e supón un grande salto cualitativo sobre o modelo anterior da compañía.
O novo modelo baséase nunha arquitectura unificada de xeración audiovisual multimodal que admite texto, imaxe, audio e vídeo como entrada, e que permite combinar ata nove imaxes, tres clips de vídeo e tres pistas de audio nun único proceso creativo. Esta integración profunda de modalidades permite unha comprensión máis rica das referencias e unha execución máis precisa das instrucións, tanto en composición visual como en ritmo, movemento de cámara ou efectos sonoros.
Un dos puntos máis destacados é a estabilidade en escenas complexas. Seedance 2.0 promete unha mellor restitución física e unha maior coherencia en interaccións entre múltiples suxeitos, algo que tradicionalmente supuña un desafío para os modelos de xeración de vídeo. Exemplos como coreografías deportivas, accións sincronizadas ou movementos de alta dificultade aparecen agora representados con maior naturalidade, sen os artefactos ou incoherencias que adoitan delatar o contido xerado por IA.
A isto súmase unha expansión notable das capacidades de referencia multimodal. O modelo pode extraer composición, iluminación, estilo visual, movemento ou mesmo características sonoras de materiais fornecidos polo usuario, incluíndo guións gráficos en texto. Esta flexibilidade abre a porta a procesos creativos máis próximos aos fluxos profesionais, nos que a IA actúa como un motor capaz de interpretar e executar directrices complexas.
Outro dos avances clave é a mellora na controlabilidade. Seedance 2.0 non só segue instrucións con maior fidelidade, senón que tamén é capaz de manter a consistencia dos personaxes ao longo de escenas prolongadas, planificar a linguaxe de cámara e realizar edicións dirixidas sobre segmentos específicos dun vídeo. A función de extensión de metraxe permite continuar unha toma mantendo estilo, iluminación e movemento, algo especialmente útil para producións narrativas ou comerciais.
No apartado sonoro, o modelo incorpora xeración estéreo de dúas canles, con maior precisión na sincronización entre audio e imaxe. A recreación de efectos, ambientes e voces busca ofrecer unha experiencia máis inmersiva, reducindo discrepancias habituais entre o ritmo visual e o son xerado.
Bytedance Seed subliña tamén a versatilidade do modelo en escenarios profesionais: publicidade, videoclips, animación, efectos visuais ou contidos explicativos. A promesa é reducir custos e tempos de produción ao substituír partes do proceso tradicional por xeración directa mediante IA, mantendo un nivel de calidade que se achega ao estándar industrial.
Aínda que recoñecen a existencia de marxes de mellora: A estabilidade dalgúns detalles, a hiperrealidade en certos contextos ou a sincronización labial en escenas con múltiples personaxes seguen sendo retos pendentes. Tamén se mencionan limitacións na consistencia entre varios suxeitos e na precisión dalgúns efectos de edición complexa.
Cómpre salientar que unha vez lanzado oficialmente será menos probable que vexamos de xeito masivo o tipo de vídeos que se fixeron virais nos últimos días, xa que na súa meirande parte correspondían a claras vulneracións do copyright. Prevese a incorporación paulatina de salvagardas que eviten os vídeos que empreguen personaxes de ficción propiedade de grandes estudios cinematográficos e celebridades, pois unha vez captada a atención este novo modelo debería centrarse en servir de base para creadores que paguen polo seu uso para traballos profesionais (e non en usos que poidan rematar no xulgado).