金磊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

昨天春晚張杰獻(xiàn)唱的《馭風(fēng)歌》大家都聽了吧？氣勢(shì)是相當(dāng)磅礴了。

但你知道嗎？其實(shí)這首歌的表演，背后還有一個(gè)AI彩蛋：

沒錯(cuò)，就是背景視頻里那幅流動(dòng)的巨型水墨畫卷中，那一群氣勢(shì)磅礴、奔騰而來的駿馬——

完全是用豆包Seedance 2.0生成的！

要知道，讓水墨風(fēng)格的馬在舞臺(tái)背景的畫中靈動(dòng)起來，這對(duì)模型的國風(fēng)美學(xué)理解和泛化能力是巨大的挑戰(zhàn)，很多國外模型在處理“中國水墨風(fēng)”時(shí)集體翻車……

唯獨(dú)Seedance 2.0，不僅讀懂了國風(fēng)，還抗住了春晚舞臺(tái)超級(jí)嚴(yán)格的審核考驗(yàn)。

之所以如此，是因?yàn)镾eedance 2.0著實(shí)是能打：

• 物理特性遵循：馬匹奔跑遵循生物力學(xué)與物理邏輯，關(guān)節(jié)運(yùn)動(dòng)流暢自然，兼具力量韻律與水墨神韻。
• 超強(qiáng)指令遵循：語義理解增強(qiáng)，可精準(zhǔn)執(zhí)行動(dòng)作、表情、運(yùn)鏡及動(dòng)態(tài)副詞指令，顯著提升視頻續(xù)寫的可控性。
• 多模態(tài)素材參考：支持圖、文、視頻等多素材參考，融入傳統(tǒng)文化語料，深度理解并還原水墨藝術(shù)邏輯。

除此之外，豆包還聯(lián)動(dòng)了Seedream模型，先由它生成神韻十足的靜態(tài)底圖，再由Seedance 2.0讓它動(dòng)起來。

但如果細(xì)細(xì)觀察各個(gè)節(jié)目，你會(huì)發(fā)現(xiàn)：

今年的春晚，豆包含量巨高。

Seedance 2.0不僅用在了張杰的節(jié)目

在歌舞創(chuàng)意秀《賀花神》中，舞臺(tái)設(shè)計(jì)玩了一個(gè)大膽的創(chuàng)意：

特邀了來自舞蹈、戲曲、影視等不同領(lǐng)域的十幾位明星同臺(tái)。導(dǎo)演組希望為每一位“花神”代表的景別，定制一人一景的中式視覺奇觀。

這就要求AI具備細(xì)節(jié)的微觀控制能力，比如植物緩慢綻放，紋理、層次、光影的細(xì)微變化，而Seedance 2.0，再次做到了。

這也再次展現(xiàn)了Seedance 2.0精細(xì)控制能力，能夠精準(zhǔn)遵循指令，把控復(fù)雜的視覺變化，在高審美要求下保持一致性。

是從“能生成”到“能控制”的一次進(jìn)化了。

除此之外，在王安宇、黃子弘凡、范丞丞和胡先煦表演的《快樂小馬》中，幾個(gè)卡通吉祥物小馬在臺(tái)上跳著可愛的舞蹈，那動(dòng)作絲滑得就像真人捕捉的一樣。

它背后用到的則是Seedance 2.0的視頻動(dòng)作遷移能力。

這個(gè)技術(shù)的難點(diǎn)在于拓?fù)浣Y(jié)構(gòu)的不同，畢竟真人的身體結(jié)構(gòu)和卡通小馬的結(jié)構(gòu)不一，傳統(tǒng)的做法，是動(dòng)畫師要給卡通模型綁骨骼、K幀，工作量相當(dāng)?shù)木薮蟆?/p>

但在Seedance 2.0加持下，實(shí)現(xiàn)了一鍵直出。你給它一段真人跳舞視頻，再給一張卡通小馬的圖，模型就能智能理解動(dòng)作背后的運(yùn)動(dòng)邏輯，把它完美適配到卡通形象上。

最關(guān)鍵的是原圖保持能力，卡通小馬在劇烈跳舞時(shí)，毛發(fā)、顏色、五官比例竟然紋絲不動(dòng)，沒有出現(xiàn)AI視頻常見的閃爍或崩壞。

不僅如此，為了滿足央視春晚8K高清、50FPS高幀的要求，豆包還搬來了火山引擎視頻云團(tuán)隊(duì)

火山引擎拿出了一套MIPP多維度智能畫質(zhì)增強(qiáng)框架，上演了一場(chǎng)智能精修：

• 規(guī)格上：利用超分算法，把720P硬生生拔高到8K；利用插幀技術(shù)，把24幀補(bǔ)到50幀，絲滑度瞬間翻倍。
• 畫質(zhì)上：利用視頻理解技術(shù)，模型知道哪里是人臉、哪里是背景，針對(duì)性地進(jìn)行畫質(zhì)指標(biāo)決策。配合去噪、銳化等增強(qiáng)原子算法，把AIGC內(nèi)容常見的微小瑕疵抹平。

簡單說，大模型負(fù)責(zé)造夢(mèng)，火山引擎負(fù)責(zé)把夢(mèng)變得高清。

多個(gè)劉浩存，也是火山引擎做的

如果說視頻生成是二維層面的魔法，那么在創(chuàng)意節(jié)目《夢(mèng)底》中，火山引擎帶來的則是空間維度的震撼。

在這個(gè)節(jié)目里，劉浩存在舞臺(tái)上翩翩起舞，而她的身后竟然出現(xiàn)了多個(gè)和她一模一樣的分身，而且每個(gè)分身都在不同的位置做著不同的舞蹈動(dòng)作，構(gòu)成了如夢(mèng)似幻的群舞畫面。

注意，這可不是大屏幕上放個(gè)錄像那么簡單。

當(dāng)現(xiàn)場(chǎng)的攝像機(jī)推拉搖移時(shí)，你會(huì)發(fā)現(xiàn)那似乎6個(gè)分身的透視關(guān)系是完全正確的，就像6個(gè)真人在那里一樣。甚至當(dāng)舞臺(tái)的一束追光打過去，虛擬人的身上竟然有了真實(shí)的光影變化，連地上的影子都和現(xiàn)場(chǎng)燈光實(shí)時(shí)互動(dòng)！

這背后是火山引擎的空間視頻技術(shù)——4D高斯?jié)姙R（4DGS）。

首先是采集與重建。在節(jié)目籌備期，70臺(tái)工業(yè)級(jí)相機(jī)陣列對(duì)著演員一頓狂拍，通過4DGS算法，把演員重建成了4D數(shù)字資產(chǎn)。

這里引入豆包大模型解決了兩個(gè)核心瓶頸：

• 渲染性能：6個(gè)高精度數(shù)字人同臺(tái)，顯卡要爆炸怎么辦？技術(shù)團(tuán)隊(duì)利用字節(jié)Seed 3D模型預(yù)制了“影子幾何”，簡化了計(jì)算量，讓渲染效率大幅提升。
• 近景細(xì)節(jié)：為了防止近景穿幫，引入了字節(jié)Seed的DA3（Depth Anything v3）模型。這個(gè)模型能從單圖中推斷出極高精度的深度信息，為光影計(jì)算提供了完美的“法線先驗(yàn)”，皮膚質(zhì)感逼真得嚇人。

其次，火山引擎打通了舞臺(tái)燈光的DMX控制協(xié)議?，F(xiàn)場(chǎng)燈光師推了一個(gè)推桿，真實(shí)的燈亮了，這個(gè)信號(hào)同時(shí)也毫秒級(jí)地傳給了渲染引擎，虛擬燈光也跟著亮。

所以，你在電視上看到的，是虛擬的劉浩存“活”在真實(shí)的舞臺(tái)光場(chǎng)里。這種虛實(shí)難辨的沉浸感，才是元宇宙該有的樣子。

春晚的機(jī)器人身上，處處是豆包

昨天春晚舞臺(tái)上，宇樹機(jī)器人表演的《武BOT》也是備受關(guān)注，打起拳來虎虎生風(fēng)，動(dòng)作整齊劃一，甚至還能和演員進(jìn)行復(fù)雜的互動(dòng)。

以前的機(jī)器人表演，更多是寫好的程序控制。但今年《武BOT》里的機(jī)器人，是真的“長腦子”了。它們能看懂舞臺(tái)障礙，能聽懂人話，還能帶有感情地說話。

不僅如此，昨天春晚還有像蔡明節(jié)目用到的松延動(dòng)力機(jī)器人，還包括魔法原子機(jī)器人等亮相春晚的機(jī)器人，都不同程度的用上了豆包大模型

這背后，是豆包大模型全家桶在給機(jī)器人賦能：

• 眼（VLM）：靠豆包視覺理解模型，機(jī)器人能通過攝像頭實(shí)時(shí)識(shí)別舞臺(tái)環(huán)境，哪里有人、哪里有道具，避障決策那是相當(dāng)絲滑。
• 腦（LLM）：豆包大語言模型為機(jī)器人提供了核心的語義理解能力。它不再是執(zhí)行死板的代碼，而是理解了“請(qǐng)走到舞臺(tái)中央”、“開始起勢(shì)”這種自然語言指令。
• 嘴（TTS 2.0）：這是最絕的。豆包語音合成模型 2.0，徹底告別了“AI棒讀”。

這個(gè)TTS 2.0具備深度語義理解和上下文理解能力。也就是說，它知道這句話是在春晚上說的，要喜慶、要激動(dòng)。它能根據(jù)多輪對(duì)話的語境，精準(zhǔn)控制語速、停頓和情感。

春晚首次實(shí)現(xiàn)AI互動(dòng)

說完臺(tái)上，再看臺(tái)下。

今年春晚，大家拿起手機(jī)打開豆包APP，生成的那些新春頭像、定制祝福語，其實(shí)是春晚歷史上首次由大模型驅(qū)動(dòng)的AI互動(dòng)。

這和以前的“搖一搖”搶紅包有本質(zhì)區(qū)別。

以前的互動(dòng)，是事務(wù)型（I/O密集型），就像自動(dòng)售貨機(jī)，你點(diǎn)一下，系統(tǒng)給你發(fā)個(gè)紅包，邏輯是預(yù)設(shè)好的。

現(xiàn)在的互動(dòng)，是計(jì)算密集型，是一個(gè)“感知-規(guī)劃-行動(dòng)”的Agent過程。你發(fā)一張照片，豆包要理解意圖、規(guī)劃畫圖路徑、調(diào)用生成模型、進(jìn)行安全審核……

算力消耗的差距，也是巨大的。

對(duì)于單個(gè)請(qǐng)求來說，生成一張圖的算力消耗（Tops）是發(fā)一個(gè)紅包的無數(shù)倍。當(dāng)春晚口播響起，億萬流量瞬間涌入，這對(duì)后臺(tái)的挑戰(zhàn)簡直是毀滅級(jí)的。

火山引擎方舟平臺(tái)在這里立了大功。

為了頂住這波洪峰，方舟平臺(tái)拿出了一套教科書級(jí)的解決方案：

• 調(diào)度層：把機(jī)房連成“聯(lián)邦”。通過跨機(jī)房、跨區(qū)域的彈性伸縮，方舟把物理隔離的數(shù)十個(gè)機(jī)房組成集群聯(lián)邦。哪里有空閑算力，流量就往哪里去。
• 推理層：壓榨硬件極限。從算子層面的手寫優(yōu)化（Attention、GEMM等），到系統(tǒng)層面的Prefill/Decode分離，方舟把每一張顯卡的性能都榨干了。
• 秒級(jí)響應(yīng)：配合自研的HPA（自動(dòng)擴(kuò)縮容）系統(tǒng)和分布式緩存，超大模型的權(quán)重加載時(shí)間從分鐘級(jí)被壓縮到了秒級(jí)。

可以說，你生成的每一張龍年頭像背后，都是一次高效的算力調(diào)度。

還有抖音直播春晚的AI無障礙字幕

在抖音的春晚直播間，還有一個(gè)容易被忽視、但極具溫度的技術(shù)落地——AI無障礙直播字幕

這事兒其實(shí)還是蠻難的。

春晚是全語言類節(jié)目，有相聲、有小品，語速快、梗多，而且還有方言，再加上現(xiàn)場(chǎng)觀眾的掌聲、歡呼聲、背景音樂，噪聲環(huán)境極其復(fù)雜。

豆包·語音識(shí)別模型在這里秀了一把肌肉：

• 多方言魯棒性：不管是粵語還是陜北話，通通拿捏。
• 上下文感知：它能結(jié)合歷史對(duì)話推理。比如說了上句“包餃子”，下句識(shí)別時(shí)就會(huì)傾向于與春節(jié)相關(guān)的詞匯，而不是風(fēng)馬牛不相及的詞，召回率提升了15%以上。
• 低時(shí)延流式識(shí)別：真正做到了“話音剛落，字已上屏”。

科技的溫度，往往就藏在這些細(xì)節(jié)里。

豆包的朋友圈，有夠廣的

看完了這些，我們不得不感嘆：今年的春晚，豆包真的是無處不在。

而在互動(dòng)環(huán)節(jié)中，豆包提供的那些科技大禮包，更是暴露了它龐大到驚人的朋友圈。你抽到的獎(jiǎng)品，基本都來自使用了豆包大模型的火山引擎客戶。

隨便列幾個(gè)名字，都是行業(yè)巨頭：

• 車圈：奔馳、特斯拉、比亞迪、蔚小理……2025年新車的大模型搭載量，豆包是第一。服務(wù)了超9成的主流車企。
• 手機(jī)/PC圈：小米、OPPO、vivo、榮耀、三星、聯(lián)想……全球Top10手機(jī)廠商里有9家在跟火山引擎合作。
• 具身智能圈：宇樹、銀河通用、智元機(jī)器人……40多家公司都在用。

為什么大家都選豆包？

這次春晚其實(shí)就是最好的買家秀

從春晚前就爆火全球的Seedance 2.0，到那個(gè)能抗住春晚直播壓力的方舟平臺(tái)，再到對(duì)中國文化理解深刻的圖像與視頻生成能力。

字節(jié)跳動(dòng)用一場(chǎng)春晚證明了：大模型不是只能活在Demo里，它是真的能扛事兒，真的能落地，真的能創(chuàng)造價(jià)值。

從張杰身后的那一匹馬，到億萬用戶手中的那個(gè)豆包。

好用，才是AI的硬道理。

— 完 —