字节 Seedance（1.0 / 2.0）与即梦

数据来源与规模

Seedance 1.0 技报称内容来自"公开与授权库，合法合规"，覆盖多时长、分辨率与题材，无明细、无条数 [1]。一手文件均未写明使用抖音/TikTok/剪映等平台 UGC，该说法属推断。Seedance 2.0（arXiv 2604.14148）摘要页只见架构与输入输出（4-15s，最多 3 视频 + 9 图 + 3 音频参考），未含训练数据信息 [2]。

加工

切镜至 ≤12s；规则加检测器裁 logo/水印/字幕；质量模型去模糊、抖动、低美学、静止；安全分类器；嵌入聚类语义去重；分布再平衡并定向补采。caption 模型基于 tarsier2 微调，推理时用 PE 模型把用户 prompt 改写成训练期格式。SFT 为"几百类"人工采集；RLHF 用基础/运动/美学三个奖励模型，偏好数据含模型自生成视频，均无规模 [1]。

供应商与争议

jiecheng 自认字节影视版权重要供应商之一，属分发授权，训练语料未证实。2026-02-13 迪士尼向字节发 C&D，指控用其 IP 训练，未见起诉 [3]；2026-08-17 与 MPA 宣布 mpa-bytedance-mou，仅涉输出侧治理。The Atlantic 点名字节所用数据集含 YouTube 视频，见 atlantic-video-datasets。抖音协议无明示训练条款 [4]。