上半場比的是什么？比誰的數(shù)據(jù)集更干凈、誰的視頻動作更連貫、誰的分辨率更高。可落到真實創(chuàng)作場景就會發(fā)現(xiàn)，AI視頻真正的瓶頸，遠(yuǎn)不止這些參數(shù)的比拼。

7月31日，Seedance 2.5正式發(fā)布上線。

【資料圖】

為此36氪AI測評團(tuán)隊及27位36氪AI測評官，用了一周時間，以西游記部分劇情進(jìn)行AI 內(nèi)容還原，從七個維度對即夢Seedance 2.5模型進(jìn)行深度測評。

本次我們選用《西游記》作為測評載體，正是因為故事國民認(rèn)知度高，可以規(guī)避劇情理解帶來的主觀偏差，讓我們直接審視模型本身的長短板。

站在AI視頻迭代的轉(zhuǎn)折點，Seedance 2.5的更新，究竟解決了哪些真實生產(chǎn)痛點，又還留下哪些待解難題？

先說結(jié)論：

1、這次升級有三個硬功能直接改變了創(chuàng)作方式：時長從15秒翻倍到30秒；參考素材上限從15個拉到50個全模態(tài)；新增局部編輯功能。

2、畫面層面的提升同樣明顯，運(yùn)鏡有了設(shè)計感，動作戲的打擊感接近游戲CG，角色表情細(xì)膩，整體質(zhì)感逼近實拍。

3、但是問題也很明顯：

·長鏡頭人物一致性仍然是最大的痛點。

·模型對提示詞理解能力跟不上生成能力，對文學(xué)性描述的提示詞的理解仍需提升。

·使用成本偏高，完整成片門檻在數(shù)百元起步。

以下是七大維度的詳細(xì)測評。

01

空間結(jié)構(gòu)：專業(yè)用戶的利器

Seedance 2.5支持白模參考，這件事尤其重要。

資深測評官普遍給出了較高評價：

相比2.0，Seedance 2.5強(qiáng)化了空間幾何理解能力。模型不再只是識別參考圖中的像素信息，而是能夠從3D參考中提取深度信息，重建場景中的三維空間關(guān)系。這項能力在上一代產(chǎn)品中還只是雛形，而到了2.5已經(jīng)逐漸成熟。

不過，對于沒有3D制作經(jīng)驗的普通用戶而言，體驗則完全不同。

測評過程中反復(fù)出現(xiàn)一個問題：當(dāng)參考圖不足時，模型對于人物朝向的判斷仍然容易出現(xiàn)偏差。

比如：希望生成“孫悟空背對觀眾、面向妖怪”的場景畫面，最終結(jié)果卻經(jīng)常出現(xiàn)孫悟空面向觀眾、背對敵人，人物關(guān)系與預(yù)期相反。

 

造成這一問題的原因在于：純文字描述本身缺乏空間深度信息。模型只能依據(jù)語義推斷人物朝向，當(dāng)描述不夠具體時，往往會優(yōu)先生成最常見的正面人物構(gòu)圖。相比2.0，這一問題已有改善，但仍未完全解決，因此普通用戶仍需要依賴更精準(zhǔn)的提示詞，或者通過多次生成不斷調(diào)整結(jié)果。

與此同時，Seedance 2.5在畫面空間層次上的表現(xiàn)則更加穩(wěn)定。前景、中景和后景之間的關(guān)系劃分清晰，景深自然，整體畫面具備較好的空間縱深感，不再容易出現(xiàn)所有元素堆疊在同一平面的情況。

 

我們以《女兒國》為測試場景。最終生成結(jié)果中，空間關(guān)系清晰，背景模糊過度自然，沒有出現(xiàn)明顯的穿幫或站位錯誤，整體空間表達(dá)已經(jīng)接近真實攝影鏡頭的效果。

02

鏡頭語言：運(yùn)鏡終于有了節(jié)奏感

如果說空間結(jié)構(gòu)是"靜態(tài)的空間"，那鏡頭語言就是"動態(tài)的空間"。

新版本的運(yùn)鏡變化，是整體性的。

鏡頭的運(yùn)動有了節(jié)奏，有了呼吸感，有了電影運(yùn)鏡邏輯：一個從近景鏡頭，速度會有變化，開始慢、中間快、收尾再慢下來，像真正的攝影師在操作。

 

這種變化來自模型對鏡頭語言數(shù)據(jù)的學(xué)習(xí)更深入了。2.0時代模型學(xué)的是鏡頭運(yùn)動的形式，2.5學(xué)的是鏡頭運(yùn)動的目的。它開始理解不同運(yùn)鏡方式對應(yīng)的情緒和敘事功能，所以動起來就有了章法。

最明顯的提升是轉(zhuǎn)場邏輯。

新版本生成的視頻鏡頭連貫性顯著提升，觀眾觀看時不會有明顯的斷裂感。

一位長期制作AI漫劇的測評官評價得很直接：

分鏡設(shè)計是導(dǎo)演的核心能力之一。如果AI能自主做出有設(shè)計感的分鏡和運(yùn)鏡，那它觸及的就不只是執(zhí)行層，而是開始進(jìn)入創(chuàng)作層了。

 

紅孩兒這段的轉(zhuǎn)場是個很好的例子：鏡頭從紅孩兒的火焰特效過渡到下一個場景，用燃燒的火焰作為轉(zhuǎn)場元素，整個過渡非常自然。這已經(jīng)超出簡單鏡頭移動的范疇，帶有敘事思維在里面。

雖然它還達(dá)不到專業(yè)導(dǎo)演的水平，但理解的方向是對的，而且進(jìn)步速度很快。

03

運(yùn)動表現(xiàn)：打擊感拉滿，走路仍是“玄學(xué)”

運(yùn)動表現(xiàn)在所有測評官的結(jié)論高度一致：打擊感和交互表現(xiàn)非常出色。

一位專業(yè)測評官的評價得很真實：

打擊感這個東西，聽起來很抽象，看一眼你就懂了：一擊打出去，你能感覺到力量，能看到肌肉的繃緊、衣服的飄動、受力反應(yīng)以及環(huán)境因此產(chǎn)生的變化。2.5在這方面的表現(xiàn)，已經(jīng)接近一些游戲CG的水平。

 

能做到這個程度，跟訓(xùn)練數(shù)據(jù)有直接關(guān)系：Seedance團(tuán)隊專門針對動作類影視素材做了強(qiáng)化訓(xùn)練，讓模型學(xué)習(xí)到了人體運(yùn)動的物理規(guī)律和受力反饋。這說明2.0模型只學(xué)到了動作的外形，2.5學(xué)到了動作的力學(xué)邏輯。

連續(xù)動作的穩(wěn)定性也得到了大幅提升。2.0常見的卡頓、掉幀、人物消失、道具亂飛的問題，在2.5上明顯減少。人物不會再出現(xiàn)亂揮拳的詭異動作，每一下攻擊都有明確的目標(biāo)和軌跡。

孫悟空和二郎神對打的測試?yán)铮Ｐ瓦€自主添加了特效。火星、火花、能量波動，配合上合適的音效和打擊節(jié)奏。甚至完成了黑白高光場景的濾鏡效果，視覺觀感體驗超出預(yù)期。

04

角色演繹：內(nèi)心戲更細(xì)膩，但對提示詞的理解仍有偏差

角色演繹一直是衡量AI視頻智能程度的重要指標(biāo)，也是本次測評中提升最明顯、評價分化明顯的一項能力。

令人驚喜的是，一旦模型準(zhǔn)確理解了提示詞，它呈現(xiàn)出的角色表演已經(jīng)遠(yuǎn)超預(yù)期。

在測試中，我們設(shè)計了12個表達(dá)情緒的劇情片段。

例如：在小雷音寺的劇情中，孫悟空鉆到黃眉大王的肚子之后讓他痛不欲生的場景；還有車遲國斗法片段，老國王表示震驚的方式。

通過對人物的眼神、面部表情和細(xì)微動作讓觀眾清晰感受到情緒表達(dá)。

 

 

相比上一代，Seedance 2.5對微表情的刻畫明顯更加細(xì)膩。人物眼神的停頓、嘴角的變化、面部肌肉的輕微運(yùn)動，都能夠隨著情緒變化自然調(diào)整，角色不再只是完成動作，而開始具備一定的情緒表達(dá)能力。

這種提升意味著：模型已經(jīng)開始學(xué)習(xí)影視表演中的細(xì)節(jié)，而不僅僅是驅(qū)動人物完成一個動作。

角色演得好，前提是模型理解了創(chuàng)作者的意圖。

在測試過程中，我們發(fā)現(xiàn)模型對一些抽象描述仍然容易出現(xiàn)理解偏差。

例如，我們希望女兒國國王的臉上浮現(xiàn)出淡淡的紅暈。最終生成的結(jié)果卻并非皮膚自然泛紅，而是在人物臉部疊加了一圈明顯的紅色光暈，整體效果十分違和。

 

這個案例反映出，模型對于語言和視覺概念之間的映射仍然存在一定偏差。

它能夠理解“紅”“臉”“出現(xiàn)”這些關(guān)鍵詞，卻未必真正理解“紅暈”所代表的是一種皮膚透出的細(xì)微色彩變化，而不是一層紅色的光效。因此，當(dāng)提示詞包含大量抽象、文學(xué)化的表達(dá)時，模型更容易按照字面含義進(jìn)行視覺還原，而不是理解其中真正想表達(dá)的畫面效果。

這也帶來了一個比較現(xiàn)實的問題。

提示詞寫得越抽象、越強(qiáng)調(diào)意境，模型反而可能出現(xiàn)理解偏差；而如果把描述拆解得足夠具體，又容易讓生成結(jié)果失去自然感，顯得過于機(jī)械。

05

畫面質(zhì)感：接近實拍，細(xì)節(jié)處理仍有破綻

畫面質(zhì)感是用戶最容易感知的一項能力，也是 Seedance 2.5 相比上一代提升最明顯的部分之一。從最終生成效果來看，無論是光影氛圍、材質(zhì)表現(xiàn)還是人物質(zhì)感，都已經(jīng)非常接近真實影視畫面。

首先是光影。

相比2.0較為固定的打光方式，2.5對不同場景的光線氛圍已經(jīng)具備了一定的理解能力。情緒表達(dá)偏克制的場景，會采用更加柔和的側(cè)光和較低的整體亮度；動作場景則會強(qiáng)化高光和動態(tài)光效，以增強(qiáng)畫面的沖擊力。 光源方向一致與材質(zhì)面對光線時的正確反應(yīng)同樣重要。人物皮膚、眼睛、毛孔和衣服的紋理，要隨著距離和角度自然變化。

畫面的整體渲染質(zhì)量也有明顯提升。

人物皮膚、服裝材質(zhì)以及環(huán)境細(xì)節(jié)都更加真實，陰影過渡和材質(zhì)反射更加自然，畫面不再像上一代那樣帶有明顯的塑料感和油膩感。如果說 Seedance 2.0 的畫面始終像隔著一層薄霧，那么新版本則讓整體質(zhì)感變得更加通透真實。

人物細(xì)節(jié)同樣是這一版本的重要進(jìn)步。

上一代最容易暴露AI痕跡的地方，就是人物皮膚過于光滑，缺乏真實肌理，看起來像過度磨皮。而在 2.5 中，人物面部已經(jīng)能夠呈現(xiàn)更加細(xì)膩的皮膚紋理，毛孔、皺紋、膚質(zhì)等細(xì)節(jié)得到保留，角色整體也更接近真人拍攝的狀態(tài)。

值得一提的是，Seedance 2.5對參考圖的處理方式也進(jìn)行了優(yōu)化。

它并不會簡單復(fù)制參考圖，而是在保留主體特征的基礎(chǔ)上，對畫面進(jìn)行重新理解和優(yōu)化。例如，一些參考圖中存在的光線、材質(zhì)或細(xì)節(jié)瑕疵，模型往往會主動修正，而人物特征和整體風(fēng)格則能夠較好地保留下來。這意味著模型已經(jīng)開始具備一定的理解后再生成能力，而不是單純復(fù)刻參考圖。

在整體質(zhì)感提升的同時，我們也發(fā)現(xiàn)了三個細(xì)節(jié)問題：

第一個問題，多角色時面部容易扭曲。當(dāng)一個畫面里出現(xiàn)很多角色時，其中某個角色的面部可能會出現(xiàn)扭曲或變形。背后的原因是計算資源分配的問題，角色一多，每張臉分到的計算資源就少了，細(xì)節(jié)精度自然下降。

 

第二個問題，720P上限是專業(yè)用戶的硬傷。2.5目前最高只支持720P，和4K比起來還是缺少質(zhì)感和細(xì)節(jié)。對普通用戶來說是夠用了，但對專業(yè)影視創(chuàng)作者來說，720P是沒法交付的。

第三個問題，文字準(zhǔn)確性提升了，但還不夠。2.0時代生成的文字基本是亂碼，2.5在這方面有很大提升，大部分時候文字是對的。但還是會出現(xiàn)錯別字，而且一旦出現(xiàn)錯別字，這個鏡頭就不能用了。對商業(yè)廣告來說，交付效率大打折扣。

06

一致性：仍是AI視頻落地的最大痛點

在短鏡頭中，人物形象通常能夠保持較好的穩(wěn)定性。但當(dāng)視頻時長增加，人物一致性依舊是所有 AI 視頻模型共同面臨的最大問題。

在實際測試中，我們遇到了一個非常典型的案例：

來看這個三打白骨精的視頻片段。重點關(guān)注豬八戒和沙僧的人物形象，我們設(shè)定沙僧形象為正常的小麥膚色，但在超長視頻中，角色膚色發(fā)生變化，最終偏向了傳統(tǒng)作品中常見的青色形象。豬八戒也從第一次畫面轉(zhuǎn)場之后變成了其他傳統(tǒng)影視形象。

 

小tips：要保持主體形象完全不變，在提示詞里寫“參考圖中的形象，外貌和著裝保持完全一致”，可以增加避免人物形象發(fā)生偏移的概率。

07

版本新功能迭代：重構(gòu)AI視頻生產(chǎn)流程

2.0時代，AI視頻更像是一次性片段生成工具。輸入提示詞產(chǎn)出畫面，效果不滿意只能全部重制，工作流程單向、不可微調(diào)。

2.5三大核心更新徹底重構(gòu)創(chuàng)作邏輯：30秒時長、50個全模態(tài)參考素材、局部編輯，3分鐘超長視頻模式。

1. 30秒時長：實現(xiàn)完整短片敘事

圖片1

15秒僅能承載單一鏡頭、單個動作，無法串聯(lián)起劇情的起承轉(zhuǎn)合，而30秒擁有完整敘事空間，漫劇、短視頻廣告、劇情短片甚至能單條完成敘事。

B站頭部的測評官評價得很客觀：

2. 50個全模態(tài)參考素材：緩解一致性短板

圖片2

支持圖片、短視頻、音頻、文本混合導(dǎo)入，多角度人物圖、分鏡參考視頻可以強(qiáng)制鎖定角色、運(yùn)鏡風(fēng)格，對一致性短板做出針對性優(yōu)化。

3. 局部編輯：告別全盤重制抽卡

圖片3

過去的創(chuàng)作中出現(xiàn)一處瑕疵，整條視頻就要作廢，現(xiàn)在可框選出人物面部、背景、光影單獨(dú)重繪修改，大幅縮短重復(fù)生成視頻的創(chuàng)作周期。

4. 3分鐘超長模式：前瞻性技術(shù)試水

圖片4

180秒實測成片后半段形象漂移嚴(yán)重，目前只適合概念測試，離實現(xiàn)商業(yè)價值還有一定距離。

08

結(jié)語：AI視頻的下半場：迭代才剛剛開始

對比半年前同類AI視頻產(chǎn)品，Seedance 2.5七維綜合得分大幅領(lǐng)先。

對短視頻創(chuàng)作者、個人漫劇制作者、小型創(chuàng)意工作室而言，已經(jīng)可以融入日常創(chuàng)作流程，依靠多參考素材、局部編輯功能抵消一部分缺陷；但對于院線級短片、高標(biāo)準(zhǔn)宣傳片，受分辨率、一致性限制，現(xiàn)階段無法直接交付成片。

長遠(yuǎn)來看，本次測評也指明了模型后續(xù)迭代的核心方向：

第一，從底層算法邏輯解決人物一致性問題；

第二，繼續(xù)打磨文本指令與視覺畫面的對齊能力；

第三，開放更高分辨率輸出權(quán)限，滿足商業(yè)化落地對畫面質(zhì)量的要求。

這一輪版本迭代刷新了AI視頻的創(chuàng)作上限，但距離交出完美答卷仍有距離。

下期預(yù)告：

AI視頻的瓶頸在交互端同樣重要：

怎么寫提示詞才能讓模型準(zhǔn)確理解你想要的畫面？提示詞的上限夠不夠生成30秒視頻？生成一條30秒的視頻，實際成本到底是多少？

這些問題，也是決定AI視頻能不能真正走進(jìn)日常工作流的關(guān)鍵。

下一期，我們將聚焦用戶體驗與創(chuàng)作效率，從提示詞工程、使用成本、創(chuàng)作流程三個維度，繼續(xù)拆解Seedance 2.5在實際工作流中的真實表現(xiàn)。

end

AI測評

新媒體矩陣

本文來自微信公眾號“36氪AI測評”，36氪經(jīng)授權(quán)發(fā)布。

標(biāo)簽： 測評 人物 視覺 多模態(tài) 七維實測 seedance