Seedance 2.5深度评测：从短视频到电影感的跃迁

今天，Seedance 2.5的API正式上线了。

我知道几乎所有视频Agent产品、还有一些想做大制作广告、中长精品剧的、影视公司内部的系统，都在等这一刻。

接下来大家都会迅速把Seedance 2.5接进自己的工作流里，然后开始继续碾压式创作，哪怕是AI精品剧、AI短片，我觉得应该也都会迎来一波质量的跃迁。

但说实话，我其实上周就想写Seedance 2.5了，但是在用了一段时间以后，我依然觉得，我自己的能力，完全不足以让我看懂这次更新。

这件事很奇怪。

今年2月的时候，Seedance 2.0刚出来的时候，我几乎只用了一会，就能感受到那种迎面而来的震撼，那一次，我也写了一篇稿子，来描述我对Seedance 2.0的理解。

拥有导演思维，15秒，无可匹敌的调度，精准的多模态可控等等，进步太显眼了。

显眼到冯骥说，AIGC的童年时代结束了。

可2.5不太一样。

它能原生生成30秒，能一次参考30张图片、10段视频和10段音频，能做时间戳级编辑，能参考白模，能处理更复杂的长叙事。

参数全都变大了，功能也全都变强了。

可是这短时间，我看到一些人体验完以后说：

为什么感觉2.5效果好像没有2.0好了？

原来一句话就能出来的东西，现在要写很长的Prompt才能得到。

但是又看到很多影视圈的朋友说，2.5比2.0牛逼太多了，质感完全不一样了，上限被拔高了很多倍，一个个都摩拳擦掌想大干一番。

所以这几天，我很想弄清楚几个问题：

Seedance 2.5到底改变了什么？

为什么一些人觉得升级不明显，而另一波人，比如我的导演朋友，却给出了完全相反的答案？

它所谓的电影感，到底是什么？

最重要的是，2.5这个模型，在进入整个行业以后，它到底会有什么用处？

我有一些自己的体验，但是我依然觉得，我的视角过于业余和片面，于是，我去找了我的几位好朋友，跟他们也深度聊了聊，做了一些采访，希望搞清楚这些问题。

有B站著名的AI视频创作者，我心中世界级的大神，@DiDi_OK。

同样是我心中TOP级的AI视频创作者@海辛和阿文 、@小文&晓丹，以及一个不太能对外透露姓名的朋友。

在跟他们聊完以后，我想，我终于有了答案。

Seedance 2.5给我们带来的，是一个完全不同的未来。

于是，我也想写下这篇文章，给大家也看一下我得到的答案。

那接下来，我们开始。

一. 为什么有人觉得，Seedance 2.5反而没有2.0好用了？

我在跟大家聊得时候，有一句话我觉得很一针见血。

几乎解释了2.5上线以后，所有看起来互相矛盾的评价。

“2.5的指令遵循太强了，所以，当一个模型100%听用户诉求的时候，这个模型本身的能力上限，就变成了用户的上限。”

如果我们回头看，Seedance 2.0当初为啥让大家感觉那么神呢？

如果去掉那些真实的物理、画面的进步之外，有一个很重要的点，也是我之前文章里面写的。

Seedance 2.0，第一次让AI视频模型，有了导演思维。

比如当时我们的一个Case的Prompt。

你无需设计镜头、切镜等等，模型会自己去决定，甚至，他会为了效果，没有那么听你的话。

在模型研究里，这部分可以叫泛化，也可以叫幻觉，但落到普通创作者手里，它就成了创造力。

这是Seedance 2.0最讨喜的地方，让无数的普通人，也能一句话，生成一段很好看的视频。

对于普通用户来说，这种主动性确实很爽。

但，对于专业的影视创作者来说，他有的时候真的就会令人抓狂，代表性的特性就是，它的指令遵循没有那么强，经常的自己发挥。

比如你想要一个克制的长镜头，2.0为了效果，它就非要切镜。

很像是社交媒体上会火的视频，更快的节奏、更密集的信息、更频繁的切镜，特别是模型还会卡点。

这些都是爆款短视频的特点，模型很好地学习了这些能力，形成了2.0特别鲜明的特点性格。

2.0可以生成15秒的视频，它也特别会拍15秒，因为这个时长，太短视频了，它的很多能力，都是为了让普通人，更好的生产出很具有爆感的视频。

而这一次，到了Seedance 2.5。

Seed团队换了目标。

我的不太能透露姓名的朋友告诉我，他们把这一版SFT数据的切分方式、描述方式还有质量标准，是完全按照电影生成的方法重新做了一次。

同时，也重新定义了审美的方向，也重做了质量标准。

这一切，都是为了跟电影标准对齐，而不是短视频和短剧。

模型学习的也不再只是“画面里有什么”“镜头怎样移动”这些描述，还包括一个导演会怎样描述自己的意图。

比如：

我希望观众看到这个镜头以后会难过。

我希望这个角色看起来在笑，眼神里却有一点犹豫。

我希望两个人之间的沉默，成为推动剧情的一部分。

这类描述很抽象，它们指向的也不只是一个动作，还包括表演、节奏、构图、光线和声音等等共同制造出的感受。

模型想要要理解这些，就必须压住自己随手补戏的冲动，从而把创作者想要的东西执行出来。

对于专业人士来说，可控性和一致性，永远是第一要义。

于是，2.5主动消灭了一部分刚刚好的幻觉。

它更听话了，指令遵循也变得极强。

但代价也更直接了，当你只给它一句很短、很含糊的话，它不会像2.0那样兴高采烈地替你补完整套方案，从而达到一个看着很聪明的效果，它可能真的只完成你说的那一点，于是画面或许就会显得有些木。

就像，从一个天马行空的伙伴，变成了一个可靠但可能没那么有意思的搭档。

海辛的描述我觉得非常的准：

“2.0对业余创作者更方便，因为模型自己延展镜头的能力很强。2.5 对专业创作者更友好，因为它稳定、可控，愿意服从更具体的导演意图。”

我用一个例子来表现一下，大家可能能更好的理解。

比如我要做这么个视频。

这是2.0出的效果。

这是2.5的。

你会看到，2.0补了一些镜头，快切非常之猛，并且做了一个很大的运镜调度。

相比之下，2.5的节奏就更平实，没有那么多的切镜，精准的表达你的Prompt需求，并且节奏更加电影感。

这也解释了为什么，把它用好的人，Prompt会写得越来越像分镜表、导演阐述和拍摄计划之类的东西。

模型变得越听话，那反而对创作者的要求，就越高了。

二、30秒的意义

Seedance 2.5这次最显眼的数字，自然就是可以直出30秒的视频了。

2.0最多15秒，这次2.5翻了一倍。

乍一看，其实就是多了15秒，就是一个普通的生成时长增长了。

可是在叙事中，15秒和30秒的片段之间，其实有着质变。

这也能体现出，Seedance 2.5目标是极致影视化而诞生的结果。

15秒来说，通常只能够支撑我们完成一个点子。

比如一个人冲进房间、一辆车穿过城市、一个怪物从水里爬出来之类的。

但如果你想在里面加入铺垫、发展、停顿、转折和结果，那时间立刻就不够用了。

于是模型就只能疯狂切镜，尽可能的在15秒之内压缩达到你的要求，于是，这就变成短视频节奏了。

可是，真正的影视不是这样的。

影视需要铺垫，需要时长，需要沉默。

而30秒，开始在整体上接近一个完整的场景单元了。

比如两个人可以先说一句话，沉默几秒，出现一个细微的表情变化，然后让某个动作改变关系，最后再给观众一点反应时间。

这几秒钟的停顿，看起来什么都没发生。

可在一场戏里，很多情绪和念想，反而恰恰发生在沉默的几秒钟里。

叙事，很多时候讲究的是留白，是那说不满的一寸。

过去的AI视频工作流，本质上是一张图对应几秒动态，再把几十个片段拼成一支片子。

但现在，你要考虑的就是，这三十秒为什么存在，人物在里面发生了什么变化，观众应该在哪一秒知道什么。

这基本已经开始接近导演每天面对的问题了。

三、所谓电影感

这次我问 DiDi_OK，他使用Seedance 2.5最直观的感受是什么。

他几乎没有犹豫。

就一个词，美术。

在他看来，美术是2.5最重要的升级，甚至比30秒、50个参考素材更重要。

因为很多功能上的问题，可以通过多抽几次、换模型、做剪辑、上后期来补。

可画面底子里的材质、光影、颜色和空间啥的，一旦很差，后面就很难救回来了。

海辛表达的也是如此。

她给我看了几组同已输入下的2.0和2.5的对比。

她觉得，最明显的差别，就是颜色终于没有那么油了。

这个视频其实就能很明显的看出来，整体颜色都更舒服，饱和度也更克制，AI味也更弱。

而且人物AI脸的部分，也被大幅改善了。

这也是很多人说2.5有胶片感、实拍感的来源之一。

但电影感绝不只等于低饱和。

让一个画面显得可信，至少还包括这些东西：

光源方向要一致。

材质面对光线时要有正确反应。

人物皮肤、眼睛、毛孔和衣服的纹理，要随着距离和角度自然变化。

声音也要知道远近、遮挡和空间等等。

DiDi_OK提到一个特别有意思的细节。

2.0即使把分辨率拉高，人物边缘有时依然会出现一条很硬的线，手看上去只是一个模糊的面，环境又是另一个面，两者之间泾渭分明。

到了2.5，即使观看的是720P的较低分辨率结果，手背不同斜面的阴影、皮肤细节的暗示、人物和环境之间的光线过渡也更丰富，边缘不再那么硬，主体才终于像真的站在那个空间里面了。

这也是为什么，有些专业创作者会觉得2.5的720P，看起来比过去更高分辨率的结果还舒服的原因。

Seed的朋友也举了一个例子。

你对2.0说，一个女生站在头顶的射灯下面。

它会生成一盏射灯，也会把女生放到灯下面。

从物体清单来看，它完成了指令。

可那盏灯的光，可能根本没有落到女生脸上。

2.5会继续理解后面的因果关系：既然灯在这里亮着，人物的额头、鼻梁、眼窝、肩膀和地面就应该怎样受光，影子又应该落到哪里。

这种进步你很难用一些片段来描述，甚至很多人其实也说不出来个啥，但是就会感觉，哎这一版好像更舒服一点，那一版好像假一点。

可电影感，很多时候就是被无数个这种说不清的小地方，托举起来的。

四、空间与声音

这次还有两个最容易被大家低估的升级，是空间和声音。

DiDi_OK说，2.0时代大家特别爱做快速打斗、快速运镜和疯狂切镜，还有一个现实原因。

那就是空间关系不好控制。

模型很难通过一张图持续理解角色站在哪里，门在哪里，摄影机又在哪里。所以镜头停得越久，观众越容易发现透视不对、人物漂移、背景变了值之类的穿帮。

快速切镜刚好可以把这些问题藏起来。

看起来很燃，但有时也是没办法。

2.5对空间的理解明显变强以后，创作者不需要再用那么多切镜去藏拙了。

一个角色可以在同一空间里连续运动，摄影机换一个角度，模型依然大致知道人物、道具和场景之间是什么关系。

这会给叙事带来非常直接的变化。

只有空间稳定，演员才有地方表演。

只有镜头愿意停下来，观众才有时间看见表情。

只有人物在空间里的位置可信，走近、远离、回头、躲避这些动作才会产生意义。

声音也是同样的道理。

DiDi_OK 以前会专门留出时间和预算，为AI视频重新做音效。

2.0的人声已经很好，角色声音一致性也很强，但它经常会漏掉那些看起来不重要的声音。

比如一个人坐在远处动了一下，或者筷子碰到碗这种，经常都会没有声音。

比如角色拿起一把金属武器，只有对白，没有影视里为了强调重量和机械结构而设计的金属摩擦。

画面动作发生了，可是声音却没有跟上。

2.5在这方面细腻了很多。

碰撞的声音，人体接触物体时很轻的摩擦，抽象生物和机械装置应该发出什么声音，模型都会主动补得更完整。

所以这次，空间感的进步和声音的进步，其实是很多人所忽略的。

当然，它依然有明显问题。

比如DiDi_OK测试时发现，云、烟雾、远处篝火的烟，有时会像壁纸一样挂在天空里，空气流动和环境之间缺少关系，控制物体一多，模型也可能顾住第一件事，漏掉后面的要求。

比如第一人称POV镜头依然容易暴露AI感，真实摄影机里的呼吸、变焦、步伐带来的细碎震动和临场感，还不够灵动。

中文对白有时也会带着一种播音腔，很多聪明的创作者会用方言绕开，因为我们对普通话太熟了，一点点不自然都会被放大。

所以，Seedance 2.5其实也还没有达到随便生成就是影视的地步。

复杂场景依然需要抽卡、调试、后期和人的判断。

五、Seedance 2.5到底有什么用？

聊到这里，终于可以谈最敏感的问题了。

这个全新的模型，他到底有什么用呢？

首先大家最关心的，肯定就是如此影视级的Seedance 2.5，会不会让部分的影视从业者感受到危机？

坦诚的讲，我想说，会。

冲击会沿着任务一层一层传导，先从价格最敏感、交付周期最短、容错率相对更高的地方开始。

比如，广告、电商、MV、宣传片、短视频和短剧里的大量中低成本镜头。

这些其实我们已经能看到大量的AI运用和替代了。

而对真正的大电影、大剧集来说，AI最快进入核心流程的地方，还不是最终画面。

但概念测试、动态分镜、整片Animatic、场景预演、动作预演、光线测试、提案片和样片，都可能会被迅速改写。

而且Seedance 2.5支持白模参考，这件事尤其重要。

一个剧组可以先在简单的 3D 空间里摆好立方体、圆柱、人物位置和运动路径，再让模型根据这些空间信息，快速生成接近最终视觉效果的预演。

过去我们在组里拍预演，即使是全部用3D动捕小人，那个成本依然贵。

现在，静态白模加Seedance 2.5就可能把这些往前推进很多。

但是如果我们只看影视行业，我觉得一切还是太窄了。

其实在我这次聊下来，还有一个很重要的领域，是常常被我们所忽略掉的。

那就是具身智能。

具身这个行业过去一直有一个痛点，就是太缺数据了。

机器人要真正走进工厂和家庭，需要见过大量的物体、动作、环境，以及各种人类想都想不到的意外。

可这些数据，对机器来说，每一条都很贵。

以前当然我们也可以在3D仿真环境里造这些数据。

Seedance 2.5因为能力的跃迁，又提供了一条新的路径。

开发者可以先用白模规定机械臂、目标物体、障碍物和运动路径，再用图片规定材质和环境，用Prompt补充事件。

三十秒的长度，可以覆盖一段相对完整的操作过程。

局部编辑又可以在尽量保持其他条件不变的情况下，只改一个物体、一个动作，或者某几秒里发生的意外。

这个的想象空间，可能比做影视还要大，甚至，疯狂加速具身的落地。

这可能才是Seedance 2.5真正大的产业变化。

六、未来最值钱的能力

当最终的一切，越来越便宜，昂贵的东西会逐渐往上游移动，我觉得未来，最重要的可能就是几个能力了。

第一，是判断。

模型一小时可以给你几十个镜头。

哪一个对，哪一个只有表面好看，哪一个能接住上一场戏，哪一个会破坏人物，依然需要人做决定。

所以，有审美、有叙事能力的导演、美术指导、摄影指导、剪辑师、声音设计师和视效总监，价值只会越来越贵。

第二，是可以被模型使用的资产。

因为Seedance 2.5的50个素材的超强参考能力，未来，角色的多角度设定、表情库、服装、道具、场景、声音、动作、镜头规则、色彩规范，都会从参考资料变成生产资料。

这些，是一致性和可控性的基石。

不仅对影视创作很重要，对具身数据生产，也很重要。

第三，是故事。

当所有人都能做出看起来像电影的画面，电影感会迅速贬值。

今天一段逼真的AI视频还能靠“这居然是AI做的”获得传播。

再过一段时间，观众一定会疲劳，一定会逐渐钝感。

那时候，大家只会在乎一件事，就是你的故事，它好不好看。

模型吃过大量优秀影像，它能学到构图、运镜、光影和节奏的平均规律。它也会把这种平均规律分发给每一个人。

结果可能很残酷。

大家的画面都更高级了，也更像了。

最稀缺的，会变成别人没有讲过的经验、人物和情感。

一个好的故事，依然是最重要的。

也依然，需要从生活里来。

写在最后

写到这里，我终于能回答，Seedance 2.5相比2.0，到底改变了什么了。

2.0的震撼，来自AI突然学会了很多导演才会的东西。

而2.5的变化则更隐蔽。

它开始学会收住自己的表演，理解更细的创作意图，在更长时间里保持空间、角色、光影、声音和节奏，然后把控制权，交还给创作者。

这种变化，更深、更细、却对行业的改变，更加潜移默化。

所以，在今天，我们可能每个人都得思考一个最难的问题：

当你有了Seedance、有了Codex、有了各种各样几乎能让你无所不能的工具，那你，到底想对世界讲述什么呢？

我们每个人。

可能都需要自己的答案。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克

>/ 投稿或爆料，请联系邮箱：[email protected]

作者: 数字生命卡兹克

查看原文 →