AI ভিডিও মডেল
ByteDance Seedance 2.5 চালান আপনার ব্রাউজারেই: ৪ থেকে ৩০ সেকেন্ডের আউটপুট, মূল সিঙ্ক অডিওসহ — টেক্সট দিয়ে, প্রথম ও শেষ ফ্রেম দিয়ে, কিংবা একটি প্রম্পটে একসঙ্গে উল্লেখ করা ৩০টি পর্যন্ত ছবি, ১০টি ভিডিও ও ১০টি অডিও ক্লিপ দিয়ে। ক্রেডিট সেকেন্ড হিসেবে, আর জেনারেট করার আগেই দেখানো হয়।
Seedance 2.5 হলো ByteDance Seed-এর ফ্ল্যাগশিপ ভিডিও মডেল, ঘোষণা হয়েছে ৩১ জুলাই ২০২৬-এ, আর আমাদের API সঙ্গীর মাধ্যমে ৭ আগস্ট থেকে পাওয়া যাচ্ছে। সরকারি ভাষ্য হলো «এক টেকেই সৃষ্টি»: এক দফাতেই ৫ সেকেন্ডের টুকরো নয়, ৩০ সেকেন্ড পর্যন্ত সম্পূর্ণ ছবি ও শব্দ তৈরি হয়, আর একটি অনুরোধেই ৩০টি পর্যন্ত ছবি, ১০টি ভিডিও ক্লিপ ও ১০টি অডিও ট্র্যাক একসঙ্গে রেফারেন্স হিসেবে যেতে পারে। ByteDance এই বদলকে বলছে «শুধু একটি ক্লিপ বানানো» থেকে «একটি সৃষ্টিকর্ম সম্পূর্ণ করা»-র দিকে যাওয়া। CreateVision AI-তে এটি ৪৮০p বা ৭২০p-তে, ৪–৩০ সেকেন্ড চলে, আর মূল সিঙ্ক অডিও ডিফল্টভাবে চালু থাকে।
আমাদের নিজেদের পরীক্ষায় ও স্বাধীন পর্যালোচনায় — দুই জায়গাতেই — এটি সত্যিই ভালো অভিনয় ও ধারাবাহিকতায়। সংলাপবহুল শট টিকে যায় — একজন সমালোচক ৩০ সেকেন্ডের জেনারেশনকে «কথাবার্তাভরা দৃশ্যের জন্য বিশেষভাবে উপযুক্ত» বলেছেন এবং মডেলের নাট্যছন্দের উপর ভর করে গোটা একটি স্বল্পদৈর্ঘ্য ছবি দাঁড় করিয়েছেন। আমাদের রেফারেন্স-নির্ভর ক্লিপও একটি ছবি থেকে জায়গা আর অন্যটি থেকে মানুষ নিয়ে গোটা টেক জুড়ে দুটিকেই সংগত রেখেছে। মডেল পরিবারটি মাত্র কয়েক দিনের পুরোনো বলে Artificial Analysis অ্যারেনায় এর কোনো র্যাঙ্ক নেই; আমরা প্রতি মাসে তালিকা আবার দেখি এবং Ava-র সুপারিশ সেই অনুযায়ী বদলাই।
এবার সেই অংশগুলো যা সত্যিই আপনার সময় খাবে। ফ্রেমের ভেতরের লেখা নির্ভরযোগ্য নয়: রান্নাঘরের ক্লিপে আমরা ব্ল্যাকবোর্ডে «SOUPE DU JOUR» চেয়েছিলাম, ফিরে এল «SOUPE DU JWIN» — শব্দ জরুরি হলে সেগুলো পোস্ট-প্রোডাকশনে বসান। সমালোচকরা জানাচ্ছেন, দ্রুত অ্যাকশনে রূপ বদল ও অসংগতি এখনও আসে, তৈরি কণ্ঠস্বর এমন টান ধরে যা আপনি চাননি, আর Seedance 2.0-এর জন্য সাজানো প্রম্পট «২.৫-এ নির্ভরযোগ্যভাবে যায় না»। লঞ্চের খবরে 4K-র কথা আছে; আমরা যে API ব্যবহার করি সেটি আজ ৭২০p-তেই থামে, আর সেটা ইঙ্গিতে না বলে সরাসরি বলাই ভালো মনে করি। এটি এই প্ল্যাটফর্মের সবচেয়ে দামি ভিডিও মডেলও — খসড়া আর বেশি পরিমাণের কাজে Seedance 2.0 Mini পাঁচ ভাগের এক ভাগ খরচে হয়, আর Grok Imagine 1.5 তারও কমে।
অবস্থান, দৈর্ঘ্য ও রেফারেন্সের সীমা ByteDance Seed-এর সরকারি ঘোষণা থেকে নেওয়া: Introducing Seedance 2.5 — One-take Creation, Flexible Referencing
“একবার জেনারেট করলেই এখন ৩০ সেকেন্ড পর্যন্ত ভিডিও পাওয়া যায়, আর একটি ক্লিপে ৫০টি পর্যন্ত রেফারেন্স উপকরণ পাঠানো যায়।”
“২.৫ সংস্করণ যাচাইয়ের পরিধি বাড়িয়ে দিয়েছে — ফল ব্যবহারযোগ্য কি না, সেই প্রশ্ন থেকে সরে গিয়ে, একে তৈরি ডেলিভারেবলের কতটা কাছে আনা যায় সেই প্রশ্নে।”
“দ্রুত অ্যাকশন দৃশ্যে রূপ বদলে যাওয়া ও সংগতি ভাঙা এখনও দেখা যায়, প্রম্পট যত সুগঠিতই হোক, আর কোনো আপস্কেলিং তা মোছে না।”
নিচের সাতটি ভিডিওই ৭ আগস্ট ২০২৬-এ CreateVision AI-তে তৈরি, প্রতিটিই প্রথম চেষ্টায়, ঠিক যে প্রম্পট দেখানো হয়েছে সেটিই ব্যবহার করে, কোনো সম্পাদনা বা বাছাই ছাড়া। ৪৮০p-তে ৪ সেকেন্ডের ছয়টি ক্লিপ গড়ে ২ মি ৩৮ সে নিয়েছে (১ মি ৩৭ সে থেকে ৩ মি ৪০ সে); ৭২০p-তে ৮ সেকেন্ডের ক্লিপটি নিয়েছে ৫ মি ১৩ সে। শব্দ চালু রাখুন।
A ceramicist in a sunlit workshop looks up from the wheel and speaks warmly to camera: "This one finally came out right." Clay-dusted hands, natural skin texture, shallow depth of field, soft window light, ambient studio room tone.
Subtle living portrait: she blinks, exhales, and turns her head a few degrees toward the window light. Hair strands drift, golden dust motes float, the landscape outside slides past. Keep her exact face, freckles, and hair unchanged.
Vertical food macro: molten chocolate poured over a warm hazelnut cake, glossy ribbon folding slowly, steam curling upward, crumbs catching the light, cozy cafe ambience.
Place the woman from @image1 walking slowly up the stone steps toward the red torii gate seen in @image2, early morning mist, lanterns glowing, her face and hair exactly as in @image1. Handheld documentary framing, birdsong and distant temple bell.
A seamless loop: the camera drifts a few centimetres closer and then settles back exactly where it started, her expression softening and returning. No cuts, no new elements.
Close-up of a chef's hands rapidly julienning a carrot on a wooden board, knife tapping fast, a handwritten chalkboard menu reading "SOUPE DU JOUR" visible behind, busy kitchen sounds.
One continuous cinematic shot that travels through four worlds without a cut: a neon-wet Tokyo alley at night, dissolving into a sunlit Moroccan spice market, into an underwater kelp forest lit by shafts of light, into a snow-covered pine ridge at sunrise. Fluid camera glide, rich colour grade, transitions carried by light rather than edits.
Seedance 2.5-কে অন্য ভিডিও মডেলের সঙ্গে মিলিয়ে দেখুন — একই কর্মক্ষেত্র, বদলাতে এক ক্লিক।
মডেলটি ByteDance-এর; এখানে এটি ব্যবহারের কারণ হলো এর চারপাশে সাজানো বাকি সবকিছু।
Seedance 2.5 সরাসরি পেতে হলে Jimeng বা Doubao Pro অ্যাকাউন্ট লাগে, নয়তো Volcano Engine-এর কী — যার জন্য চীনের +৮৬ ফোন নম্বর ও ব্যবসায়িক যাচাই দরকার। এখানে API খোলার দিনই এটি সব গ্রাহকের জন্য চালু ছিল: লগ ইন করুন, মডেল বাছুন, বানান। কী নেই, SDK নেই, বিলিং সেটআপ নেই — আর পরের ফ্ল্যাগশিপও এই একই পাতায় আসবে।
Seedance 2.5 আমাদের চালানো সবচেয়ে দামি ভিডিও মডেল, তাই আমাদের Ava এজেন্ট শুধু তখনই এটি সুপারিশ করে যখন কাজটির সত্যিই দরকার — ১৫ সেকেন্ডের বেশি আউটপুট, কিংবা এক দফাতেই ছবি, ভিডিও ও অডিও রেফারেন্সের মেলবন্ধন। খসড়া, সোশ্যালের নানা সংস্করণ ও দৈনন্দিন ক্লিপের জন্য Ava আপনাকে Seedance 2.0 Mini বা Grok Imagine 1.5-এ পাঠায়, কারণসহ।
দাম সেকেন্ড হিসেবে, আর জেনারেট চাপার আগেই দেখানো হয়: ৪৮০p-তে সেকেন্ডপ্রতি ১১০ ক্রেডিট, ৭২০p-তে ২৩০ — অর্থাৎ ৪ সেকেন্ডের খসড়া ৪৪০ আর ৮ সেকেন্ডের ৭২০p চূড়ান্ত ভিডিও ১,৮৪০। রেফারেন্স ভিডিও দিয়ে চালানো ক্লিপে হার কম, কিন্তু ইনপুট ও আউটপুট মিলিয়ে সেকেন্ড গোনা হয়। একই প্ল্যানে Seedance 2.0, Veo, Kling, HappyHorse, GPT Image 2 ও Nano Banana Pro-ও থাকে, তাই সস্তা মডেলে খসড়া করে এখানেই কাজ শেষ করতে পারেন, পাঁচটি আলাদা অ্যাকাউন্ট ছাড়াই।
লঞ্চের দিনে আমাদের সাত ক্লিপের পরীক্ষায় প্রতিটি প্রম্পটই প্রথম চেষ্টায় সম্পন্ন হয়েছে: ৪৮০p-তে ৪ সেকেন্ডের ক্লিপ গড়ে ২ মি ৩৮ সে, ৭২০p-তে ৮ সেকেন্ডের ক্লিপ ৫ মি ১৩ সে। অডিও আমরা স্পেসিফিকেশন শিটে ভরসা না করে ffmpeg দিয়ে যাচাই করেছি — অডিও চালু রেখে বানানো প্রতিটি ক্লিপেই সত্যিকারের AAC স্টেরিও ট্র্যাক আছে, আর বন্ধ করলে ফাইলে কোনো অডিও স্ট্রিমই থাকে না। প্রতিটি জেনারেশন তার প্রম্পট ও প্যারামিটার হিস্ট্রিতে রাখে, তাই যে সেটআপ কাজ করেছে সেটি পরের সপ্তাহেও হুবহু ফিরিয়ে আনা যায়।
| মডেল | seedance-2.5, ByteDance Seed-এর (ঘোষণা ৩১ জুলাই ২০২৬) |
|---|---|
| মোড | টেক্সট থেকে ভিডিও, ছবি থেকে ভিডিও (প্রথম ফ্রেম, কিংবা প্রথম ও শেষ ফ্রেম), এবং রেফারেন্স থেকে ভিডিও |
| সময়কাল | এক দফাতেই ৪–৩০ সেকেন্ড |
| মানের স্তর | 480p এবং 720p |
| অ্যাসপেক্ট রেশিও | ১৬:৯, ৯:১৬, ১:১, ৪:৩, ৩:৪, ২১:৯, এবং অভিযোজিত (ছবি থেকে ভিডিও সবসময় আপনার ছবির অনুপাত মেনে চলে) |
| রেফারেন্স উপকরণ | প্রতি অনুরোধে ৩০টি পর্যন্ত ছবি, ১০টি ভিডিও ও ১০টি অডিও ক্লিপ, সব মিলিয়ে ৫০টি উপকরণ |
| অডিও | মূল সিঙ্ক অডিও, ডিফল্টভাবে চালু — আমাদের পরীক্ষার সেটে সত্যিকারের AAC ৩২ kHz স্টেরিও হিসেবে যাচাই করা; বন্ধও করা যায় |
| ক্রেডিট | ৪৮০p-তে সেকেন্ডপ্রতি ১১০ ক্রেডিট · ৭২০p-তে সেকেন্ডপ্রতি ২৩০ · রেফারেন্স ভিডিও ব্যবহার করলে সেকেন্ডপ্রতি হার কম, তবে বিল হয় ইনপুট ও আউটপুট মিলিয়ে সেকেন্ডের উপর |
| পরিমাপ করা গতি | ৪ সে/৪৮০p গড়ে ~২ মি ৩৮ সে, ৮ সে/৭২০p ~৫ মি ১৩ সে (আমাদের ৭ ক্লিপের পরীক্ষা, আগস্ট ২০২৬) |
শুধু একটি বিনামূল্যের অ্যাকাউন্ট খুলুন — কোনো API কী নয়, ফোন যাচাই নয়, কোম্পানির কাগজপত্র নয়। এই পাতার জেনারেটর আগে থেকেই Seedance 2.5-এ সেট করা।
টেক্সট থেকে ভিডিওর জন্য প্রম্পট লিখুন, ছবি থেকে ভিডিওর জন্য একটি ছবি প্রথম ফ্রেম হিসেবে দিন (প্রথম-থেকে-শেষ ফ্রেমের চলনের জন্য দুটি), অথবা ছবি, ক্লিপ ও অডিও একই অনুরোধে মেলাতে «রেফারেন্স টু ভিডিও» খুলুন।
৪৮০p বা ৭২০p-তে ৪ থেকে ৩০ সেকেন্ডের যেকোনো দৈর্ঘ্য বেছে নিন। খসড়া করুন ৪৮০p-তে — ক্রেডিট অর্ধেকেরও কম — তারপর পছন্দের সেটআপটি ৭২০p-তে আবার চালান। সঠিক খরচ জেনারেট করার আগেই দেখা যায়।
ছোট ক্লিপ দুই থেকে চার মিনিটে ফিরে আসে। হিস্ট্রি প্রতিটি প্রম্পট ও প্যারামিটার রাখে, তাই কোনো ভ্যারিয়েশন আবার চালানো এক ক্লিকের ব্যাপার, নতুন করে লেখার নয়।
একটি অ্যাকাউন্ট, সম্পূর্ণ ইমেজ এবং ভিডিও জেনারেশন ওয়ার্কফ্লো।
গতি, অডিও ও দামে Seedance, Veo, Kling ও Hailuo আসলে কোথায় আলাদা।
আগের প্রজন্ম — ৪–১৫ সেকেন্ডের বেশিরভাগ ক্লিপের জন্য এখনও বেশি লাভজনক।
বাজেটই যদি বাধা হয়, বরং এখান থেকেই শুরু করুন — Seedance 2.5 আমাদের সবচেয়ে দামি মডেল।
Google-এর সিনেমাটিক বিকল্প, আর কখন তার ক্যামেরার ভাষা জেতে।
দৈনিক ক্রেডিট দিয়ে বিনামূল্যে শুরু করুন। প্রিমিয়াম মডেল, দ্রুততর জেনারেশন, এবং 4K আউটপুটের জন্য আপগ্রেড করুন।
শুরু করার জন্য আদর্শ
বার্ষিক বিল করা হয় · $240/বছর
বার্ষিক বিল করা হয় · $300/বছর
না — এটি ফ্ল্যাগশিপ স্তর এবং প্ল্যাটফর্মের সবচেয়ে দামি ভিডিও মডেল: ৪৮০p-তে সেকেন্ডপ্রতি ১১০ ক্রেডিট, ৭২০p-তে ২৩০। প্রতিটি অ্যাকাউন্ট দৈনিক ক্রেডিট পায়, আর Seedance 2.5-এ চূড়ান্ত ভিডিও বানানোর আগে ভাবনাটা পাকা করার সস্তা উপায় হলো Z Image Turbo (০ ক্রেডিট, ছবি) আর Seedance 2.0 Mini।
এক দফাতেই ৩০ সেকেন্ড পর্যন্ত, ৪ সেকেন্ড থেকে এক সেকেন্ড করে বাড়িয়ে — Seedance 2.0-এর সীমার দ্বিগুণ। এটাই একে বেছে নেওয়ার মূল কারণ: জোড়া লাগানো নেই, দুটি ক্লিপ মেলার জায়গায় দৃশ্যমান সেলাইও নেই। ৭২০p-তে ৩০ সেকেন্ডের রেন্ডারে ৬,৯০০ ক্রেডিট লাগে, তাই বেশিরভাগ মানুষ আগে ৪৮০p-তে খসড়া করেন।
শুধু ২.৫-ই পারে এমন কিছু দরকার না হলে ২.০ ব্যবহার করুন। Seedance 2.0 সেকেন্ডপ্রতি অর্ধেকেরও কম খরচে ৪–১৫ সেকেন্ড সামলায় আর দৈনন্দিন কাজের জন্য বেশি উপযুক্ত। ২.৫-এ যান তখনই, যখন ক্লিপ ১৫ সেকেন্ডের বেশি হতেই হবে, কিংবা একই অনুরোধে ছবি, ভিডিও ও অডিও রেফারেন্স মেলাতে হবে।
হ্যাঁ — এটিই এর আরেকটি প্রধান ক্ষমতা। একটি অনুরোধে ৩০টি পর্যন্ত ছবি, ১০টি ভিডিও ক্লিপ ও ১০টি অডিও ট্র্যাক, মোট ৫০টি উপকরণ নেওয়া যায়, আর প্রম্পটে আপনি @image1 বা @audio1-এর মতো ট্যাগ দিয়ে সেগুলো দেখান। যেসব অনুরোধে রেফারেন্স ভিডিও থাকে সেগুলোর সেকেন্ডপ্রতি হার কম, তবে আউটপুটের সঙ্গে ইনপুট ভিডিওর দৈর্ঘ্যও গোনা হয়।
হ্যাঁ, আর তা ডিফল্টভাবে চালু, বাড়তি খরচ ছাড়াই। আমরা স্পেসিফিকেশন শিট নয়, ফাইলগুলোই দেখেছি: আমাদের পরীক্ষার সেটে অডিও চালু রেখে বানানো প্রতিটি ক্লিপে সত্যিকারের AAC ৩২ kHz স্টেরিও ট্র্যাক আছে, আর অডিও বন্ধ করলে এমন ফাইল তৈরি হয় যাতে কোনো অডিও স্ট্রিমই নেই। তবে সমালোচকরা বলছেন, তৈরি কণ্ঠস্বর এমন টান ধরতে পারে যা আপনি চাননি।
আগস্ট ২০২৬-এর আমাদের পরীক্ষার সেটে ৪৮০p-তে ৪ সেকেন্ডের ক্লিপ গড়ে প্রায় ২ মিনিট ৩৮ সেকেন্ড নিয়েছে (দ্রুততম ১ মি ৩৭ সে, ধীরতম ৩ মি ৪০ সে) আর ৭২০p-তে ৮ সেকেন্ডের ক্লিপ নিয়েছে ৫ মিনিট ১৩ সেকেন্ড। জেনারেশন অ্যাসিনক্রোনাস — আপনি কাজ চালিয়ে যেতে পারেন, ফল আপনার হিস্ট্রিতে চলে আসবে।
মূলত ফ্রেমের ভেতরের লেখা: আমরা «SOUPE DU JOUR» লেখা ব্ল্যাকবোর্ড চেয়েছিলাম, পেলাম «SOUPE DU JWIN»। সমালোচকরা দ্রুত অ্যাকশন দৃশ্যে রূপ বদল আর অননুমেয় কণ্ঠ নির্বাচনের কথাও বলেন। আর লঞ্চের খবরে 4K-র উল্লেখ থাকলেও আমরা যে API ব্যবহার করি সেটি আজ ৭২০p-তেই থামে — বেশি রেজোলিউশনের চূড়ান্ত রূপের জন্য আলাদা আপস্কেল ধাপ লাগবে।
হ্যাঁ, আমাদের পরিষেবার শর্তাবলির অধীনে আপনার জেনারেট করা ভিডিও ব্যক্তিগত ও বাণিজ্যিক প্রকল্পে ব্যবহার করা যায়। প্রম্পটের বিষয়বস্তু, ট্রেডমার্ক ও প্রতিকৃতি অধিকারের দায় আপনারই থাকে।
