豆包Seedance 2.5实测：30秒直出+时间戳控制！

豆包昨天正式上线Seedance 2.5了，我干的第一件事是，第一次给我豆姐充钱：500块，专业版高级套餐，三档里最贵的那一档。

这个模型大家实在等得有点久了。6月23号发布会官宣，说7月初正式上线，结果这一等就等到了7月的最后一天，中间社区里催更的、做各种猜测的都出来了。我从官宣那天起就惦记着它，所以昨天中午一开放，充钱这个动作没有任何犹豫。

等这么久，等来了什么？

Seedance2.0已经占领视频生成模型SOTA位置半年之久了，现在，终于被它自己的迭代给刷新了。其实模型能力还在快速提升的当下，让作品真正拉开差距的是分镜、审美这些人的变量。不过也不能说就没问题了，在此之前，先让AI按想法出片，中间还是有不少运气成分：prompt写得再细，第7秒出现什么、镜头往哪推，可控性都没那么强，模型随机性还在那。

但Seedance 2.5这次更新，我看完发布说明的第一反应是：字节在正面回应这个问题。

四个更新，全都指向同一个方向：控制。

• 单段30秒原生直出，一次生成不用拼接

• prompt里直接写时间戳，指定第几秒发生什么

• 真实感增强，AI感下降

• 豆包里可以让Agent调用Skill，联动生图模型直出60秒视频

现在Seedance2.5入口就在豆包专业版的「视频生成」里：模型选Seedance 2.5，时长从4秒到30秒随便拉，比例从竖屏9:16到超宽银幕21:9都有。

前两条不用解释。第三条看起来是画质向的，其实也是控制：AI感下降意味着废片率下降，重roll的次数少了，这本身就是可控性。

那我当然要挨个验一遍了。下午一口气出了八条片子，实测用的prompt我也直接贴在对应片子前面，你复制进豆包改改就能用。先说结论：值。画面质量、音效的稳定性、多语言的准确度都超出了我的认知，比2.0又上了一个大台阶，生成速度也比我想象的快。唯一的缺点是容易撞上用量限制——不过按我这一个下午的测法，缺陷可能在我。

30秒直出，时间戳真的听话吗

先说最直观的那个数字：单段生成时长从15秒提到30秒。

很多人的第一反应可能是，哦，翻倍了。但我觉得这里面不只是量的问题。15秒和30秒之间，隔着素材和成片的界限。

广告行业的标准交付格式是15秒、30秒、60秒TVC。15秒的AI视频只够做一个片段、一个镜头组，你还得进剪辑软件拼。30秒直出，意味着开场、展开、高潮、落版，一条完整的广告片一次生成出来，不经过剪辑台。

我查了一圈2026年7月主流视频模型的单段生成上限：Veo 3.1单段8秒，Runway、Luma单段也都在10秒以内，国内的主流模型最长也停在15秒。Sora 2的Pro档配storyboard做到过25秒，不过OpenAI已经在4月底关停了Sora应用。在单段原生直出这个口径下，30秒目前确实没有对手。多说一句，2.5到现在还没有任何独立基准测试的分数，能力数字都是官方口径，所以下面我只写我自己测出来的东西。

不过延长拼接那条路确实能做得更长，有的模型靠extend能拼到两三分钟。但拼接的问题是每段衔接处都有一致性损耗，人物换脸、光影跳变。30秒直出是一次推理生成的连续叙事，人物、场景、镜头语言从头到尾是同一套。这是本质区别。

我出的第一道题就比较过分，算是一般只有商业大片才会考虑制作的用一只鸟作为锚点，用伪一镜到底的方式给观众带去沉静感。我是把主角设定成了我最爱的葵花鹦鹉，让它从1900年的帆船港口起飞，穿过1950年代的蒸汽码头，掠过70年代还搭着脚手架的歌剧院，最后落在2026年的玻璃都市里。30秒，一镜到底，横跨一百多年。

prompt原文，其实就是一张逐秒分镜表：

30秒一镜到底，电影感，胶片颗粒质感，镜头全程与一只葵花鹦鹉同速贴身跟飞，无剪切，光线随时代自然过渡。主角是同一只葵花鹦鹉：通体雪白，柠檬黄冠羽，全程体型羽色不变。0-6秒：清晨薄雾的1900年代帆船港口，桅杆如林，鹦鹉从一根桅杆顶端起飞，镜头贴身跟上，掠过收起的船帆和绳索。6-12秒：鹦鹉穿入一团白色晨雾，出雾时已是1950年代码头，蒸汽货轮鸣笛，吊机林立，码头工人推着货箱，鹦鹉低掠过泛着油光的水面。12-19秒：鹦鹉振翅爬升，掠过一片脚手架，正在建造中的白色贝壳形建筑只完成一半，工人在钢架间作业，夕阳把钢架染成金色。19-26秒：鹦鹉俯冲穿过两栋玻璃幕墙的间隙，幕墙反光扫过整个画面，出来时已是2026年的现代都市夜幕初降，玻璃高楼灯光渐次点亮，鹦鹉在楼宇间穿行。26-30秒：鹦鹉减速滑翔，落在一处居民阳台的木栏杆上，柠檬黄冠羽唰地竖起，歪头看向镜头，画面定格。全程规范：一镜到底无剪切感，运镜如纪录片跟飞般丝滑，四个时代的光线（晨雾青灰、正午灰黄、黄昏金、夜幕蓝）自然渐变，鹦鹉羽毛细节真实。

成片算是稳稳超出我预期了...四个时代全部出片：晨雾里的帆船桅杆、冒着黑烟的蒸汽货轮和吊机、爬满工人的脚手架、夜幕下灯光渐次亮起的玻璃都市，光线从青灰一路渐变到夜蓝，穿雾和穿光的转场把接缝藏得干干净净。最让我意外的是，我prompt里只写了「白色贝壳形建筑」五个字，它直接给了我悉尼歌剧院，还在旁边配了一艘悉尼湾的黄色渡轮——它从一堆场景描述里认出了我要哪座城市。鹦鹉的羽色和柠檬黄冠羽从头到尾是同一只，最后一帧落在阳台栏杆上冠羽唰地竖起歪头看镜头，和我分镜表的最后一行一字不差。

这种东西15秒是装不下的，你最多飞过一个时代就得收，起承转合刚好需要30秒。

同一个思路我又让一只橘猫在地面走了一遍：1985年的青瓦屋脊出发，钻过一条晾晒的白床单，出来就是2005年的网吧霓虹街；再钻过一个墙洞，出来是2026年的玻璃咖啡街区。

30秒一镜到底，电影感，胶片质感，镜头全程平稳跟随一只大橘猫（白爪，体型花色全程不变）沿中国南方老街的屋脊与墙头行走，无剪切。0-8秒：1985年黄昏，青瓦屋顶，橘猫沿屋脊小跑，街边晾衣竹竿挑着床单，楼下传来黑白电视的戏曲声，二八自行车铃声，猫轻巧跳过一根天线。8-12秒：猫钻过一条迎风鼓起的白床单，床单掠过镜头，出来时已是2005年，街边店招变成彩色灯箱，网吧霓虹闪烁，音像店门口贴满海报，猫沿着空调外机跳跃前行。12-19秒：猫在墙头行走，镜头随它平移，街上电动车穿梭，学生放学人流，猫停下看了一眼楼下炸串摊，继续走。19-24秒：猫钻进一个老墙上的破洞，镜头贴着钻入黑暗再钻出，出来是2026年，老街翻新成玻璃立面的咖啡街区，共享单车整齐排列，外卖骑手驶过，一架无人机从空中掠过。24-30秒：猫沿着咖啡馆的木窗台走到尽头，跳上窗台趴下，打了个哈欠，望向街道，画面定格，三十年的街声渐渐安静。全程规范：一镜到底无剪切感，三个时代的色调（暖褐、艳彩、清亮）自然过渡，猫的动作符合真实猫科动物物理。

两处转场都严格按脚本执行，猫的花色没变，prompt里点名的道具——炸串摊的蒸汽、放学的学生、无人机、黄色共享单车、外卖骑手——逐项兑现，1985年的街上也没穿越出智能手机。挑毛病的话：网吧霓虹招牌能认出「网吧」「音像」，但也混着两个它自己造的字，中文招牌偶尔还是有些问题。

30秒是量变，时间戳控制才是我这次最想验的东西。

上面两条prompt你应该已经看出来了，Seedance 2.5支持在prompt里直接写时间戳：0-6秒开场，6-12秒转场，19-26秒俯冲，26-30秒定格。每个时间段里的故事、视角、运镜、节奏，都可以单独指定。以前你写prompt是在向模型描述一个愿望，现在你是在给它递一份导演的分镜表。

话说回来，在prompt里排时间轴这个玩法本身不算新，Google去年10月就给Veo 3.1出过官方的timestamp prompting指南，Seedance 2.0时期社区里也有人这么玩。但在8秒、十几秒的时长里写时间戳，你最多排两三个镜头，30秒配上时间戳，才第一次装得下一个完整的起承转合，这两个能力是相乘的。

考一考影视级的调度

测到这我有点上头，又加了两道题，都是冲着「调度」去的。

第一道偷了希区柯克《后窗》的开场：一镜横移扫过一面亮灯的红砖公寓楼，每扇窗里一段独立的生活。

30秒一镜到底，电影感，夏夜深蓝色调与暖黄窗光对比，镜头匀速水平横移，无剪切。画面是一栋红砖老公寓楼的整面背立面，每扇亮灯的窗户里有独立的生活场景在同时进行。0-6秒：镜头从左上角一扇窗的特写开始，窗内一人在弹钢琴，琴声隐约，镜头缓缓拉出。6-24秒：镜头匀速向右横移，依次经过：晾衣服的女人、对着镜子练习拳击的青年、独坐吃面的老人、一家人围桌吃饭碰杯、一对男女在客厅跳慢舞，每扇窗内的动作独立进行互不干扰，楼下院子晾衣绳上的衣物微微飘动。24-30秒：镜头缓缓拉远升高，整面楼与星空夜色入画，所有窗户的暖光如舞台格子，画面定格。全程规范：横移速度均匀，每扇窗内人物动作自然连续，窗内外光比稳定，无镜头抖动。

成片里弹钢琴的、阳台上晾衣服的、一家人围桌碰杯吃饭的，各过各的日子互不串戏，镜头最后拉远，整面楼像一格格亮着暖光的舞台，砖墙爬着绿植，楼下晾衣绳挂着床单，工整得像剧组搭的置景。六个微型场景同时在演——考的不是画质，是模型脑子里能不能同时装下六件事。它装下了。

第二道更过分：一名红衣球员原地颠球，人和球的动作完全连续，背景每两秒换一个地方——2026年决赛夜的金色彩带雨、布鲁克林大桥后的曼哈顿灯海、里斯本的黄色电车，最后停在一座亮起「100」巨型灯牌的球场中圈。一颗足球从2026年的美加墨世界杯，一路颠到2030年的西班牙、葡萄牙、摩洛哥——那届正好是世界杯一百年。这条的玩法不在prompt在参考图：我给它喂了首帧加四张城市参考图，考的就是前景和背景能不能各听各的话。

成片里主角跨四个背景形象零漂移，颠球节奏没有断过一拍，每座城市都是明信片级的风光，「葡萄牙」「世界杯100年」的字幕一个不错——参考图里的城市性格它全接住了。前景锁死+背景硬切，这种动作匹配剪辑以前是剪辑师熬夜对帧的手艺，现在是prompt里的一句话。

广告、海报，和开口说话

前面都是秀肌肉，接下来三条算是和大多数人更贴近的商业需求场景。

第一条，电商单品广告。我出的题是一把橙灰配色的机械键盘，30秒环绕运镜：悬浮自转、键帽特写、轴体结构、翻过来看底面，最后落在木桌上出slogan。

30秒单品广告，极简商业摄影风格，浅灰背景棚光。主体是一把橙灰配色的机械键盘，造型全程严格保持一致不变形。0-6秒：键盘悬浮于画面中央缓缓自转，柔光扫过键帽。6-14秒：镜头快速推近，贴着键帽表面低空掠过，一颗键帽被按下弹起的特写慢镜。14-22秒：镜头从键盘一端穿入、另一端穿出完成270度环绕，期间键盘缓慢旋转配合，背景光色从灰过渡到暖橙。22-30秒：镜头拉远，键盘落回木质桌面，旁边浮现极简文字「敲下去的每一个字都算数」，定格。全程规范：产品造型和键帽字符任何镜头下不变形，环绕运镜丝滑无跳切，商业广告质感。

电商视频的命门是商品保真，环绕运镜里产品变没变形、字符糊没糊。成片里键盘造型跨镜头稳定，键帽排布在特写里经得起看，结尾那句「敲下去的每一个字 都算数」一字不差。小偏差有一个：我写的青轴，它给了我橙轴——大概是被整支片子的配色带跑了，不过作为广告这个改动反而更统一。

第二条算是我个人的小需求。我把《Claude Code入门到精通》的封面图直接扔给它：保持构图、配色、文字全部不变，让这张海报活过来。

参考图是一张图书封面海报。让这张海报活过来：保持海报的构图、配色和文字完全不变不变形，画面中的元素分层动起来。0-5秒：镜头从海报纸张纹理特写缓缓拉出，封面上的装饰元素开始轻微浮动，光影从左上扫过。5-11秒：封面主视觉元素逐层浮起产生空间纵深，背景色块缓慢流动，标题文字保持清晰锐利。11-15秒：所有元素回落归位，海报恢复静止，一道柔光扫过完成收尾定格。全程规范：文字任何时刻不变形不模糊，动效克制优雅，像高级出版社的动态书封。

它的演绎超出了我的脚本：封面变成了一本躺在橙色绸布上的实体精装书，镜头从封面的皮革纹理特写缓缓拉开，书腰上「从入门到精通」「花叔 著」全程清晰锐利。做过图的都知道，文字是AI视频里最先崩的东西，这条从头到尾零变形。

第三条，对白。官方这次专门宣称了对白与语言的改善：小语种、生僻字、口型节奏。我写了一条15秒的三语测试：一位女士先用中文聊AI的温度，再用粤语说饮杯咖啡先啦，最后来一句法语，顺带埋了「龃龉」这个生僻词。

15秒人物对白短片，写实风格，咖啡馆窗边自然光，浅景深。一位30多岁的中国女性面对镜头坐着，神态自然放松。0-5秒：她用中文说：很多人说AI冷冰冰的没有温度，我倒觉得，温度一直都在用它的人手上。口型与语音精确同步，表情随语义自然变化。5-9秒：她端起咖啡喝了一口，轻笑，用粤语说：饮杯咖啡先啦。9-15秒：她放下杯子，看向窗外再回头，用法语说一句简短的日常问候，然后用中文说：前面就算有龃龉，也挡不住我们往前走。画面定格在她的微笑。全程规范：三种语言的口型与发音同步，生僻字龃龉的发音准确，人物形象全程一致，无恐怖谷感。

三种语言的口型都对上了，粤语有那个调子，生僻字没读错，人物从头到尾是同一张脸，表情跟着语义走。多语言表达的准确度，是这次所有测试里最超出我认知的单项。

顺带说两个插曲，它们是同一个故事。这条prompt的第一版被拦了，提示「输入文本可能涉及版权限制」——我台词里写了句Cest la vie，它是好多首歌的歌名，连prompt里的台词都在过版权扫描。另一条棒球短片，我想用一张AI生成的开球女孩垫图做图生视频，也被拒了：出于肖像保护考虑，未认证人脸不支持生成。

真人脸的生成现在还稍微有点障碍，必须经过认证才可以。不过现在Seedance确实有些太强了，为了避免乱象，这倒是也能理解。

被低估的教育科普场景

宣传片和影视镜头是视频模型的showcase场景，但我自己更常遇到的需求其实是另一类：把一个知识点讲清楚的短视频。

我是B站UP主，深知做一条科普视频的成本大头不在懂知识，在把知识变成画面：找素材、做动画、配解说。这类内容不需要电影级的光影，需要的是准确、清楚、快。

我出的题是用黏土定格动画讲「什么是Agent」：一个蓝色黏土小机器人自己扫地、把碗放进水槽、在日历上打勾；搬不动大石头，就自己捏一个小助手出来帮忙；最后一屋子彩色小机器人各自忙碌，黏土立体字浮现「这就是Agent」。

30秒黏土定格动画科普短片，超轻粘土质感，一帧一帧的定格动画感，明亮暖色棚光，画面可爱干净。主角是一个蓝色圆脑袋黏土小机器人。0-7秒：黏土小机器人坐在桌前发呆，头顶弹出一个黏土问号，字幕浮现「什么是Agent？」；旁白：AI只会聊天？那是老黄历了。7-15秒：小机器人跳下椅子，自己拿起黏土扫帚扫地、把黏土碗放进水槽、在黏土日历上打勾，每个动作都是一顿一顿的定格感；旁白：给它一个目标，它自己拆步骤、自己干活。15-23秒：它遇到一块搬不动的黏土大石头，挠头，然后捏出一个黏土小助手帮忙一起搬，两个小人击掌；旁白：搞不定的事，它还会自己找帮手。23-30秒：镜头拉远，一排黏土小机器人在各自忙碌，中间的主角向镜头挥手，字幕浮现「这就是Agent」，定格；旁白：会自己干活的AI，才叫Agent。全程规范：黏土材质细节真实，定格动画的跳帧节奏统一，中文字幕无错字。

成片的黏土是真有指纹和接缝那种质感，四幕结构一幕没少，立体字幕一个错字没有。最打动我的是「捏出一个小助手」这个动作它真拍出来了——搬不动就造个帮手，这不就是Agent调子Agent。一条30秒的概念科普，从想法到成片十几分钟，这在过去是外包给动画工作室按周计费的东西。

测了一整天，说两点感受。

一是稳。这次给我冲击最大的不是哪条片子多惊艳，是稳定性：一个下午八条片子，没有一条要扔进回收站，基本上都是一次成型的状态。这个良品率放在半年前想都不敢想。

二是恍惚。遥记得Sora横空出世那个春节带给行业的震撼，没想到现在整个视频领域几乎全是中国模型的天下了。

对了，豆包这次还把Seedance 2.5接进了办公任务模式的技能板块：对话框里斜杠唤起「创意视频」，给它一个模糊需求，它自己拆分镜、调Seedream 5.0 Pro出首帧、再调Seedance 2.5出片，最长能生成60秒（可惜想测更长的视频生成时限额了）。

最后说下怎么用上。入口在豆包专业版（加强或高级套餐），两种用法：

• 直接生成：「视频生成」里选Seedance 2.5，时长4到30秒随便拉，适合你自己会写prompt、想精确控制的场景

• Agent出片：办公任务模式的「技能」板块里选「创意视频」，或者对话框里斜杠唤起，把需求说清楚就行

建议从时间戳prompt玩起，这大概是这一代最值得花时间学的东西。这次实测的prompt我都原样贴在上面对应的片子前面了——一镜到底时代穿越、整楼窗格横移、电商单品、海报激活、三语对白、黏土科普都在，直接复制进豆包，改改场景就是你的分镜表。