眼看就要到春節(jié)了，很多團(tuán)隊已經(jīng)開始放慢節(jié)奏，但 AI 圈還是一如既往地卷。就在不少人以為“該發(fā)的模型都發(fā)完了”的時候，新模型還是一波接一波往外上，完全沒有停住的趨勢。

這段時間你會發(fā)現(xiàn)一個很有意思的現(xiàn)象：一邊是各家都在 AI 入口上做很重的營銷動作，搶入口、搶用戶心智、搶使用場景；但另一邊，底層模型的更新速度其實(shí)一點(diǎn)都沒慢下來。

廠商自己也很清楚，只靠入口包裝和營銷聲量，是撐不住長期競爭力的，模型能力本身必須持續(xù)往前推。

最近，字節(jié)跳動又放出了一張新牌：新一代視頻生成模型 Seedance 2.0 正式發(fā)布，把視頻生成這條線往“更可控、更連貫、更像真實(shí)鏡頭語言”的方向又推了一步。值得注意的是該大版本號模型，離前一代支持音視頻聯(lián)合生成的模型 Seedance 1.5 Pro 的發(fā)布日期只過去了 2 個月。

入口在打仗，模型在加速，兩條線同時在跑，而且都沒打算等對方。

下面，我們也完整實(shí)測了一波 Seedance 2.0。

先說一下，這次我是直接在「即夢」里用的 Seedance 2.0，下面講的體驗(yàn)也都基于這個平臺。

Seedance 2.0 這版主打一個點(diǎn)：參考能力更全面。跟上一代的音視頻模型 Seedance 1.5 Pro 比起來，它現(xiàn)在對多張圖片、多段視頻一起參考的支持更強(qiáng)，用起來也更順手。

另外你也能看到一個趨勢：不只是做視頻生成的模型在加強(qiáng)“參考視頻”這件事，像 Kimi 2.5 這種通用大模型，也開始強(qiáng)調(diào)可以參考視頻內(nèi)容來生成結(jié)果，大家都在往這個方向走。

01

蘋果風(fēng)格商品宣傳

我們一開始，就先做了一組素材：運(yùn)動品牌風(fēng)格的人物模特，加上運(yùn)動手表這種實(shí)物產(chǎn)品，一起拿來做測試。

然后我又上傳了一支很經(jīng)典的 Apple Watch 官方宣傳片。這種片子本身就是多鏡頭結(jié)構(gòu)，既有人物鏡頭，也有產(chǎn)品特寫，很適合拿來當(dāng)參考素材。

現(xiàn)在在即夢里，你基本不用寫很復(fù)雜的提示詞，按它那個很直觀的提示方式來就行。直接告訴它：參考這支視頻的鏡頭節(jié)奏和風(fēng)格，生成一條新的運(yùn)動手表廣告。

同時把主角換成我自己的圖片，把商品也換成我準(zhǔn)備好的產(chǎn)品圖。整套流程很直接，就是選參考視頻 + 選人物圖 + 選商品圖，然后讓模型去生成一條新的廣告片。

生成這類視頻的時間會比較久，而且積分消耗也不低。比如兩張圖片加一段參考視頻，同時都參與參考的話，做一條 15 秒的視頻，基本要花接近 200 積分。

不過成片出來之后，你能明顯感覺到質(zhì)量是在線的。整體真實(shí)感很強(qiáng)，模特在公路上跑步時的光線變化、頭發(fā)上的反光、臉部的受光細(xì)節(jié)，都做得很到位，看著不會假。

還有一點(diǎn)：我其實(shí)沒有給它一個完整的故事結(jié)構(gòu)，只是給了參考素材和目標(biāo)類型。最后的視頻節(jié)奏基本是它自己排出來的。

片子里出現(xiàn)的商品，主要就是我給它的那只手表。它里面有兩段鏡頭是專門切到手表上的，而且還加了動效。

整體看下來，畫面元素基本沒什么大問題。比較常見的坑還是那個：數(shù)字和中文偶爾會亂寫，會有點(diǎn)“AI 幻覺”。

右下圖片那個轉(zhuǎn)場，它會有一個滑動手表的動作。我專門截了幾幀去看，很多幀里文字其實(shí)是正常的，只是在滑動的那一瞬間容易出錯。這個表現(xiàn)跟上一代比，確實(shí)進(jìn)步很明顯。

你要是認(rèn)真去逐幀截圖看，會發(fā)現(xiàn)細(xì)節(jié)也比較到位。女模特手臂上的紋理、手上的細(xì)小汗毛，是能夠看清的。

02

“跨風(fēng)格整合”的財神拜年

因?yàn)樗膭有П憩F(xiàn)確實(shí)不錯，我就又多做了一組測試。我新生成了一張新春財神抱著金元寶的圖，再加上一張美劇風(fēng)格的惡靈騎士角色圖，然后把這兩張圖一起丟進(jìn)去當(dāng)參考素材，讓它按這個方向繼續(xù)生成視頻。

我給它的目標(biāo)其實(shí)很簡單：先讓財神出場，背后是一堆元寶和金幣，在發(fā)光、在晃動；接著惡靈騎士騎著摩托沖進(jìn)畫面；然后變成財神騎著這輛摩托直接開走；最后閃出一幀畫面，打上“新春快樂”和具體日期的中文與數(shù)字。

成片看下來，開頭惡靈騎士那一段，AI 感還是偏重一點(diǎn)，能看出來是模型在“拼”畫面。不過從財神和道具之間的互動，到表情變化，再到動作銜接，比以前順了不少。

還有一個小規(guī)律我這次也注意到：如果畫面里放的是那種比較大的藝術(shù)字，Seedance 2.0 出錯的概率會低很多。

如果是一張圖片里有多個主體，然后讓鏡頭一個個掃過去，這種場景我也測了一下 Seedance 2.0 的表現(xiàn)。

03

多主體鏡頭

我做了一張圖：五個小動物穿著不同禮服，一起坐在同一條長椅上。主體多、造型差異大，還都在同一畫面里，這種情況其實(shí)挺考驗(yàn)?zāi)Ｐ偷溺R頭理解和主體保持能力。

我當(dāng)時的提示詞設(shè)計很直接：讓畫面里所有小動物一起跳舞給大家拜年，鏡頭要一個個掃過去。每掃到一個角色，就在它的動作上停一下，給慢鏡頭和特寫。

這個視頻主要在考一件事：鏡頭逐個掃過時，角色的出現(xiàn)順序要對。也就是視頻里的出場順序，要和原圖里小動物從左到右的順序一致，這點(diǎn)很看一致性能力。

從生成結(jié)果來看，Seedance 2.0 在畫面質(zhì)量和整體一致性上都還不錯。不過這條視頻我也反復(fù)跑了三四次才選到比較滿意的版本。動作質(zhì)量普遍很高，但還是會有順序問題，比如熊貓和兔子的位置被對調(diào)，這種情況還是會出現(xiàn)。

但如果只看角色本身和動作表現(xiàn)，這一版確實(shí)提升很明顯。每次鏡頭停在單個角色上時，毛發(fā)細(xì)節(jié)、質(zhì)感、真實(shí)度，還有鏡頭之間的切換，都處理得比較順。

下面我做了一個更偏敘事向的視頻案例。接著用到的兩張圖，是我上傳給 Seedance 2.0 當(dāng)參考素材用的。

04

宇航員與 3D LED 屏里的貓

左邊是一張十字路口的大型 3D LED 屏畫面，里面有一只貓，尾巴是從屏幕里伸出來的；右邊是一張很經(jīng)典的宇航員圖片。

提示詞是：讓這個宇航員走進(jìn)十字路口，在路口下面停住，把頭盔面罩打開，再戴上墨鏡，看向 3D LED 屏里的貓，然后整個人愣一下，周圍街道人來人往。

從最后生成的視頻來看，整體效果其實(shí)很不錯。尤其是宇航員走進(jìn)路口那段，你能看到周圍行人和車輛都是在動態(tài)變化的，沒有那種很明顯的錯亂感，看起來會比較順。

小問題也有，就是屏幕里的貓還是顯得有點(diǎn)呆，靈動感差一點(diǎn)。整體能用，但這個角色的表現(xiàn)還有提升空間。

下面這張圖是我自己生成的一張 Instagram 風(fēng)格的剪貼畫配圖，里面有好幾個男性角色拼在一起。

05

多人物 INS 風(fēng)剪貼畫

我給 Seedance 2.0 的目標(biāo)也很明確：人物不要變，背景不要變，畫面里的這些男性角色都要保留下來，只是在這個基礎(chǔ)上，讓他們一起跳起來動起來。

這個任務(wù)其實(shí)挺難的。按以前的經(jīng)驗(yàn)，一張元素很多、結(jié)構(gòu)很復(fù)雜的圖，光是做靜態(tài)生成就不太穩(wěn)，很容易出錯。要是在視頻里再讓這些剪貼畫人物動起來，還要跳舞、互動，就更容易把周圍元素帶亂。

所以一開始我自己的預(yù)期也不高，會覺得出錯的概率不小。

我給的提示詞：這是一張有多個男性角色的剪貼畫，背景和版式全部保持不變，只讓人物跳舞；節(jié)奏偏搞笑、偏抽象；人物之間要有互動動作，比如握手、擊掌。

最后生成出來的視頻，其實(shí)跟提示詞對得挺準(zhǔn)。畫面里的文字沒有被改動，不管是上面的主標(biāo)題，還是下面的小塊文字，都保持原樣。整張圖里一共七個角色，他們之間都有互動，而且基本是在同一個節(jié)奏上跳舞。

而且你仔細(xì)看細(xì)節(jié)會發(fā)現(xiàn)：這些角色就算把后面的剪貼畫文字擋住了，在遮住、再淡出的那一下，文字本身也沒有被改掉。

06

NIKE 風(fēng)運(yùn)動員剪影

最后一個案例，我用的是一位體操運(yùn)動員運(yùn)動時的模糊剪影。我給了它一套 5 張參考圖，每張都有很明顯的動態(tài)拖影，構(gòu)圖也很極簡，沒有 logo 和文字，但整體質(zhì)感很強(qiáng)。

我當(dāng)時對 Seedance 2.0 的要求也比較高：希望它能把這種動態(tài)拖影的感覺保留下來，整體風(fēng)格往運(yùn)動廣告片那邊靠，像那種品牌宣傳片的質(zhì)感，再簡單配點(diǎn)字，就能直接發(fā)到短視頻平臺。

這個目標(biāo)其實(shí)不低，但最后生成的效果還是挺可以的。

你能看出來，它在結(jié)構(gòu)和節(jié)奏上是有主動安排的，不是那種很死板的處理方式。鏡頭切換也不生硬，沒有走老路：不是簡單把一張圖變成動圖，再在幾段動圖之間硬切。

這種老式做法在早期的視頻模型里很常見，這一版明顯更自然一些。

音樂這塊我其實(shí)什么參考都沒給，也沒寫相關(guān)提示詞，但它最后配出來的音樂，和整條視頻的節(jié)奏還挺合拍的，不是很違和。

有幾個鏡頭它還會主動給慢鏡頭特寫，比如倒數(shù)第二個鏡頭，就明顯放慢了節(jié)奏，把動作拉出來單獨(dú)展示。我還專門截了一幀圖來看，那一刻的畫面，和我上傳的參考圖幾乎是一樣的。

同時你也能看出來，它為了把前后鏡頭接順，會把這張參考畫面往前多補(bǔ)一點(diǎn)內(nèi)容，也往后多延一點(diǎn)動作，這樣前后過渡就會更自然，不會突然斷掉。

最后簡單收一下：整體看下來，Seedance 2.0 在敘事節(jié)奏、鏡頭切換，還有對參考圖片和參考視頻的一致性保持上，都比上一代音視頻模型強(qiáng)了不少。

問題也還是有的，比如畫面里有很小的文字，或者很細(xì)的小元素，在動態(tài)變化的時候，還是會偶爾出錯。不過出錯的頻率，確實(shí)比上一代低了很多。與此同時，單個視頻的生成時間往往非常漫長，積分的消耗也非常大。

對字節(jié)的平臺來說，這是內(nèi)容供給效率的提升，畢竟字節(jié)已經(jīng)將該模型全面下發(fā)到旗下各個 AI 內(nèi)容創(chuàng)作平臺，例如即夢、CapCut（剪映）等等。

從更現(xiàn)實(shí)的角度看，視頻生成模型這條線，已經(jīng)快速進(jìn)入產(chǎn)品化和商業(yè)化驗(yàn)證期。誰能把生成質(zhì)量、生成速度、可控性和接入成本一起壓到可用區(qū)間，誰就更有機(jī)會進(jìn)入真實(shí)內(nèi)容生產(chǎn)鏈路。

可以說，春節(jié)前這一波密集發(fā)布，更像是新一輪視頻 AI 競速的發(fā)令槍。接下來，整個 AI 視頻模型領(lǐng)域的競速將會以肉眼可見的速度，迅速“開卷”。