实测豆包 Seedance 1.5 Pro：哪吒朱迪在线飙戏，复刻名场面，AI 台词、音效水平大更新

AI 视频最近的玩法特别多，颇有上半年 AI 生图火起来的那种感觉。

视频来源：https://x.com/pabloprompt/status/2000706593579573301/

之前火过一遍的 AI 探班视频，随着模型能力的提升，现在又开始变成了社交媒体上的热门玩法。

不过彻底摒弃了以往复杂的工作流，有更好用的模型，甚至是简单几句提示词就能复刻，视频里的同款真实感。

视频生成模型的优化，不断地在降低，对我们人类提示词工程的依赖，同时还带来了更稳定的一致性保持。

豆包最近更新了新一代的音视频生成模型，豆包 Seedance 1.5 Pro，在音视频的生成上也有了明显的改善。现在它生成的视频，支持中文、英文、日文、韩语、西班牙语等语种的不同声韵，同时针对中文场景，还能生成四川话、粤语等方言。

不仅能说，而且还能模仿不同语言的口音。有声视频是 Seedance 1.5 Pro 的一大突破，在视频生成本身，结合音频的音画同步，以及电影级的运镜两项优化，让 AI 视频看起来更真实、更细致。

目前该模型已上线豆包 APP，只需要打开豆包，点击「照片动起来」，选择 1.5 Pro 模型，就能体验到 AI 生视频的快乐。此外，在火山引擎体验中心、即梦 AI 也可以体验。

我们也提前测试了一波，Seedance 1.5 Pro 完全可以说，是现在手边能拿起来直接用，能同时融合声音，表现最好的视频生成模型。

听听「臣妾做不到啊」的原音重现

《疯狂动物城 2 》上映之前，网友们对配音演员的选择，有很大的争议。现在 Seedance 1.5 Pro 的语音生成有多牛，我们可以看看之前网上很火的甄嬛传和让子弹飞，两个视频的配音，让它来完成是什么样。

从网上找了一张影视剧的截图，然后丢给豆包，我们甚至什么提示词都没有输入，它就能做到自动识别视频画面，生成一段有感情的台词戏。

在豆包 App 内，使用「照片动起来」，上传首帧，生成视频

皇后和张麻子都演得太像了，这和几个月前的视频生成模型，完全不是一个 Level。 以前那些 AI 视频，口型对不上，或者声音有机械感的问题，现在都解决了。

但普通话对它来说都是基本操作，方言的表现才是 Seedance 1.5 Pro 打败那些国外模型的独门秘籍。就像 Sora 2 和 Google Veo 3.1 虽然在画面生成上被认为是行业领先，但如果把上面这两张首帧图片丢给它们。 Sora 和 Veo 3 都理解不了甄嬛传的经典台词，和张麻子这流利的四川话口音。

全运会刚结束，如果你也在广州，一定忘不了「活力大湾区，魅力新广州」这句魔性的口号。我们生成了一张站在广州塔前面的照片，然后在豆包「照片动起来」里面输入提示词。

画面里的这个男生正在面向镜头，向大家介绍他身后的广州塔，他用粤语说「活力大湾区，魅力新广州，我身后面嗰个就系广州塔喇！」

这个粤语水平怎么样，比多邻国里面的早茶四件套，虾饺、肠粉、烧卖、豉汁排骨，听着是不是要舒服一点。

而且，Seedance 1.5 Pro 有一个好处是「视听一致性」，意思是它能根据画面的内容，理解视频想要表达的故事，来自动生成对应的配音。

举个例子，当我们上传了一张明显是外国人的图片时，我们不输入任何提示词，它会自动使用英文来配音，并且让画面里的角色，说合适的台词。

即便是在中餐厅面馆里吃面的威尔 · 史密斯，Seedance 1.5 Pro 还是让他自动用英文来说话，而且这个吃面姿势也完全对了。

同样地，我们用它复刻了 AI 片场探班的视频，直接上传一张图片给豆包，不输入任何提示词，它会自动用中文来生成视频，还配上了台词，「哇，跟阿凡达合影啦！」

当我们重新生成时，Seedance 1.5 Pro 还把照片里的男生识别成韩国人，然后生成了一段讲韩语的视频。不过，说实话，他确实是有点韩国欧巴的感觉。

豆包视频生成还有一点特别好， 是我们可以直接把生成的视频，下载为动图保存在手机 。配合现在模型更强大的多模态理解能力，以及能生成更真实的画面，手机里那些静态的图片，让它们「真实地」动起来，然后发到微信朋友圈，可能真的会有人看不出来。

AI 巨人照加上无人机运镜，太酷啦

叙事是 Seedance 1.5 Pro 更新的一个关键词，它的意思是这些 AI 视频不只是单纯的生成，而是有了一定的故事感，能够对要表达的内容进行理解，让 AI 生成的视频，更像是一个有血肉的作品。

一个好的视频作品，灯光色彩、音效要出色。技术性的工作也少不了，运镜就是在音画之外，不可忽视的镜头语言。

Seedance 1.5 Pro 在这次更新里，在长镜头跟随、希区柯克变焦这些电影级运镜都有了大幅度的提升。

像是之前我们做的子弹时间，现在上传一张图片到豆包，调整一下提示词，子弹时间特效也自由了。

提示词：子弹时间效果。时间完全冻结。舞者悬浮在半空中，对抗重力。[定格画面]：舞者、她的头发和她的蓝色裙子绝对静止，就像时间冻结中的 3D 雕像。摄像机围绕悬浮的舞者水平轨道运行。背景建筑物改变透视（视差），而舞者保持锁定在中心。头发保持僵硬并指向上方，没有飘动。裙子布料是固体的并冻结保持不动。 电影级照明，高质量。

我们把同样的照片交给 Veo 3.1 处理时，它生成的子弹时间也很难做到保持角色一动不动。因为对大多数视频生成模型来说，识别到头发，就一定要飘动；看到裙边也要摆动；所以精准的运镜控制和调度，也是区分不同模型的一项重要能力。

还有这个前段时间很火的 AI 巨人照，现在我们也可以用超酷炫的无人机俯冲和穿越运镜，来凸显视频里的巨人。

提示词：电影级 FPV 无人机镜头，极致动态运镜：从高空鸟瞰开始，无人机急速俯冲向一位坐在城市街道中央的巨人，红砖建筑环绕两侧。巨人保持完全静止的姿势，身体、头部、四肢均不移动，如同雕塑般定格。无人机以特技飞行动作环绕巨人静止的身体——盘旋绕腿、从手臂下穿越、沿躯干螺旋上升，然后拉远展现巨人与微小车辆（红色双层巴士、黑色出租车）和行人的尺寸对比。超写实合成。比例 16:9，时长 5s，模型 1.5 Pro。

从参考图转视频，能更好的控制视频的输出效果。但 Seedance 1.5 Pro 的文生视频能力也毫不逊色。

根据字节公开的 Seedance 1.5 pro，在内部基准测试 SeedVideoBench-1.5 的模型表现结果，显示无论是 T2V 文生视频，还是 I2V 首帧转视频，和可灵 2.6、Google Veo 3.1 等模型对比，Seedance 1.5 Pro 的表现都有一定优势。

尤其是在音频生成和音画同步上，Seedance 1.5 Pro 几乎是碾压性的存在。

我们尝试让疯狂动物城朱迪和哪吒一起，一个普通话，一个四川话，演了一出 10s 的小剧场。

提示词： [0s-4s] 朱迪指着哪吒说（普通话，语速快，严肃）： “那个小孩！站住！双手抱头！根据《动物城交通法》，你刚才风火轮超速了！” • [5s-10s] 哪吒（四川话，翻白眼，语速慢，拖长音）： “哎呀，莫挨老子！我是踩的风火轮，又没烧你的油。瓜娃子，管得宽！”

这个视频的风格和内容，和我们平时看的动画片风格真的很类似。当 义正辞严 的兔朱迪警官，抓到哪吒的时候，那严肃的表情和语气；还有哪吒用四川话说台词，也能对上嘴型。

APPSO 今年前前后后也测试了有十多款 AI 视频生成的模型，我们在使用的过程中，发现很多以前的测试案例，放到现在已经是 Out 了。

一开始是鲁迅来了，都得让他说两句英文；能生成一个 5s 流畅播放的视频，就谢天谢地。现在的模型，不仅支持中、英、日、韩等多语种，广东话、四川话这些特色方言都能同步生成。

恍然间，AI 视频的进化，已经从按年计算变成了按月计算。昨天的突破，今天就是及格线。

Seedance 1.5 Pro 案例截图｜来源：字节跳动 Seed 官网

Seedance 1.5 Pro 这次更新，可能又会变成新的及格线。但至少现在我们看到了，有了音画同步后更有感染力的视频；多语种和方言的支持，也让 AI 视频更有「生活味」；专业的电影级运镜和智能理解能力，让一些高难度的复杂场景，也有机会通过 AI 生成。

当技术能够理解画面背后的故事，自动匹配合适的语言和情绪，我们距离想象力和创作自由的时代，又近了一大步。

实现这一切需要什么？ 一张图片或者一句提示词。

打开豆包 APP，上传/输入，生成，就这么简单。每张照片都是待激活的故事，每次上传都是创作的开始。

步骤越少，门槛越低，创作者越多，用 AI 视频实现创意就该是这样。