北京
出品 | 網(wǎng)易智能
作者 | 小爪
編輯 | 王鳳枝
7月31日，字節(jié)跳動Seed團(tuán)隊(duì)正式發(fā)布Seedance 2.5，把單次視頻生成時(shí)長從15秒拉到了30秒。 模型剛開放，創(chuàng)作者們便開始拿多出來的15秒講故事：有人用一個(gè)提示詞完成六個(gè)動作鏡頭，有人拿它嘗試長對話和完整腳本；也有人很快發(fā)現(xiàn)，視頻變長以后，漏動作和重新生成的成本也跟著上來了。
Seed團(tuán)隊(duì)稱，Seedance 2.5正陸續(xù)上線即夢AI和豆包專業(yè)版，火山方舟API也將在近期上線。
官方介紹：時(shí)長、素材、控制
這次升級最直接的變化是時(shí)長。按照官方介紹，Seedance 2.5可以在30秒內(nèi)組織多個(gè)相互關(guān)聯(lián)的鏡頭，讓一段內(nèi)容容納鋪墊、推進(jìn)、轉(zhuǎn)折和收尾。 生成結(jié)束后，用戶還可以繼續(xù)延長視頻，并讓后續(xù)鏡頭沿用原來的人物、場景、畫面風(fēng)格和聲音。
在參考素材方面，Seedance 2.5單次最多可以輸入30張圖片、10段視頻和10段音頻。 用戶還可以用時(shí)間戳安排某一秒發(fā)生的故事、動作和運(yùn)鏡，生成后也能定向修改指定片段中的角色、聲音或劇情，不必重新生成整條視頻。Seed團(tuán)隊(duì)稱，這項(xiàng)能力可以減少反復(fù)生成的成本。
官方此次還重點(diǎn)介紹了白模、綠幕和視角編輯。用戶可以用無紋理3D模型預(yù)先搭出空間結(jié)構(gòu)、人物姿態(tài)、運(yùn)動軌跡和鏡頭機(jī)位，再讓模型按照這套結(jié)構(gòu)生成畫面； 綠幕編輯則可以在保留主體的情況下更換場景。
Seedance系列此前一直沿著時(shí)長、音畫和控制能力迭代。2025年6月發(fā)布的1.0可以在10秒內(nèi)完成2至3次鏡頭切換；同年12月，1.5 Pro加入原生音畫聯(lián)合生成；今年2月發(fā)布的2.0把單次多鏡頭音視頻時(shí)長提高到15秒，并支持文字、圖片、視頻和音頻作為參考。當(dāng)時(shí)公開的參考上限為9張圖片、3段視頻和3段音頻，2.5進(jìn)一步把三類素材合計(jì)提高到50項(xiàng)。
Seed團(tuán)隊(duì)在發(fā)布稿中稱，30秒與多輪延長可以減少拆分鏡頭、反復(fù)拼接和處理銜接的成本。不過，官方同時(shí)承認(rèn)，Seedance 2.5在復(fù)雜運(yùn)動的物理合理性，以及多主體交互場景的穩(wěn)定性方面仍有提升空間。
創(chuàng)作者實(shí)測：成片率、積分消耗與實(shí)際表現(xiàn)
到了實(shí)際制作環(huán)節(jié)，創(chuàng)作者們更關(guān)心的是成片率和積分消耗。
AI電影創(chuàng)作者杰伊·恩瓦布澤（Jay Nwabueze）測試一天后認(rèn)為，2.5生成的30秒片段銜接自然，人物和光照保持穩(wěn)定，音頻也少了此前常見的音頻偽影。他估計(jì)，提示詞遵循度大約達(dá)到90%，30秒片段約1分鐘就能生成。不過，在他使用的Dreamina賬戶中，2.5生成15秒需要630積分，2.0只要230積分。 他最后采用的辦法是先用2.0打草稿、確定方案，再把2.5留給最終鏡頭。
塔魯馬·薩克蒂（taruma sakti）的12組同條件對比也指向類似選擇：超過15秒的對話和完整腳本更適合2.5，多數(shù)普通場景使用2.0已經(jīng)足夠。 對創(chuàng)作者來說，30秒減少了拆段和續(xù)接，但每次重抽的代價(jià)也隨之增加。
同樣是復(fù)雜動作，不同測試得到的結(jié)果差別很大。拉法·西蒙（RafaSimon）用一個(gè)提示詞生成了30秒、六個(gè)鏡頭的視頻，里面包含摩托追逐、導(dǎo)彈爆炸、后空翻和召喚魔法，全程沒有后期剪輯。他認(rèn)為時(shí)間戳、人物與載具身份和鏡頭切換都執(zhí)行到位，后空翻也保留了重量感。
另一位創(chuàng)作者亞歷克斯·伊謝（Alex Iché，@hedo_ist）得到的結(jié)果沒有這么整齊。他在30秒提示詞中加入八個(gè)參考元素，成片沒有全部捕捉。畫面的分辨率、真實(shí)感和聲音有所改善，但他提醒，時(shí)間變長以后，如果繼續(xù)往提示詞里塞入大量具體動作和元素，出錯(cuò)概率也會提高。
創(chuàng)作者"多肉"的《燈滅之前》同樣保住了主要人物、道具和空間，卻漏掉了"斷電波追逐"，中間出現(xiàn)1.375秒純黑，燈光也沒有沿原路徑恢復(fù)。
音頻與連續(xù)性：改善與不足并存
音頻方面，不同測試者的感受也不太一樣。Larus Canus用深度視頻、多視角人物圖、九宮格素材、場景圖和參考音樂制作了一段30秒人物小傳。他發(fā)現(xiàn)，動作、鏡頭和音樂能夠沿同一條時(shí)間軸推進(jìn)，切鏡基本踩著背景音樂。
另一位測試者"財(cái)經(jīng)老王"認(rèn)為，2.5的人物表演、臺詞節(jié)奏和情緒過渡較2.0自然，但方言處理反而退步，粵語的準(zhǔn)確度和自然度仍不理想。
當(dāng)片段從30秒繼續(xù)延長到3分鐘，連續(xù)性問題開始變得更明顯。克里斯蒂安·盧奧馬（Christian Luoma）只用兩張參考圖和一段簡單提示詞，生成了一段3分鐘、480p的視頻，消耗約4100積分。他認(rèn)為結(jié)果可以用來構(gòu)思場景和剪輯，但連續(xù)性和音頻仍有問題。
畫質(zhì)升級有多大？看法不一
畫質(zhì)本身是否明顯升級，也有人持保留意見。Jason W用同一條"炒鍋廣告"提示詞測試，2.0一直把焦點(diǎn)放在炒鍋上，2.5卻轉(zhuǎn)向了米飯；他的另一組30秒720p測試消耗1440積分，兩次結(jié)果都沒有達(dá)到預(yù)期。
Zentrix則發(fā)現(xiàn)，同提示詞下，兩代模型的光照、細(xì)節(jié)和整體觀感十分接近，2.5更明顯的變化仍是時(shí)長、控制和工作流。
小結(jié)
看下來，2.5帶來的變化主要落在時(shí)長和制作流程上：它減少了拆段和拼接，也讓時(shí)間戳、參考素材和音畫關(guān)系更容易放進(jìn)同一條時(shí)間軸。 代價(jià)是每次重抽更貴，復(fù)雜提示中的漏項(xiàng)也會直接放大成本。
因此，幾位涉及成本的創(chuàng)作者已經(jīng)采用了相似辦法：先用2.0試提示詞、定方案，再把2.5留給關(guān)鍵鏡頭。
本文來源：網(wǎng)易智能
責(zé)任編輯：
王鳳枝_NT2541
