摘要
Seedance 2.5来了。 距离2.0发布才过去不到半年，字节就又扔出来一个大版本。 2.0有多火就不用多说了，上线即爆火，甚至于发布后一个礼拜，每天排队超过10个小时。短剧行业几乎人手一个Seedance 2.0，甚至于它一度被传成字节第一个真正赚钱的AI业务。 虽然火山引擎总裁谭待亲自出来辟谣说收入没那么高，但侧面也说明一件事，Seedance 2.0的确是火出圈了。 到了2.5版本，字节官方的说法是，延续Seedance 2.0统一的多模态音视频联合生成架构，重点突破长叙事能力、多模态参考能力和编辑能力。围绕真实的产业场景，让创作拥有更大的想象空间，并进一步释放生产力。 事实真的如此吗？ 看了官方释出的演示，以及亲自上手后，可以肯定的是，Seedance 2.5确实超出预期。 Seedance 2.5有哪些优势？ 我先问个问题：AI视频生成最大的痛点是什么？是画质不够好？是角色脸会崩？还是生成太慢？ 都对，但都不是最痛的。真正让所有创作者头疼的是“短”。 市面上绝大多数AI视频工具，单次生成也就5到15秒。要是想做一个长一点的视频，也不是不行，但是得生成6段，然后自己拼。 拼完就会发现，第一段的人物和第二段的人物长得不太一样，第一段的灯光是暖的，第二段突然变冷了，第一段的镜头是手持跟拍，第二段变成了固定机位。 拼接的地方永远有一道缝，你得花大量时间去修、去调、去重新生成。很多时候，修拼接的时间比生成本身还长。 这是Seedance 2.5第一个值得吹的地方，原生30秒，一镜到底。 注意“原生”这两个字。它不是把6个5秒的片段粘在一起，而是模型一次性前向传播，从头到尾生成一整段30秒的视频。整个过程中，角色的长相、衣服的褶皱、光影的方向、运动的节奏，全部是连贯的。 Seedance 2.5模型从一开始就规划好了完整的30秒视频。 官方演示里有一段，歌手从化妆间起身，穿过后台走廊，和伴舞汇合，一起登台，最后镜头拉远到整个体育馆。从铺垫、推进、转折到收尾，30秒一气呵成。 光有长度还不够。第二个大升级是多模态参考能力。 Seedance 2.0的时候，模型已经支持参考输入了，但数量有限，只有12个。到了2.5，总数直接干到50个，30张图片、10段视频、10段音频。