实测｜LibTV趁着新模型又来促销了？硅星人第一时间全方面实测

作者｜黄小艺
微信｜ H997Hbiu

视频模型每更新一代，应用层都会面对一个尴尬的问题：如果模型自己已经足够强，套在外面的产品还能做什么？

Seedance 2.5 这次把问题推得更近了。它的单次生成合计最多可输入 50 份图片、视频、音频等全模态参考素材，对复杂指令的理解、参考素材的还原和局部编辑也更准确。过去需要创作者分段完成的工作，正在被模型逐步吃进去。一个只提供提示词输入框和模型调用入口的应用平台，能做的事情也越来越少。

但 LibTV 没空焦虑——Seedance 每替创作者省掉一个步骤，LibTV 就得赶紧给自己找一份活干。

最近，LibTV 围绕着 Seedance2.5 又推出了一系列的更新。

功能上，Seedance2.5 可以一次读懂 50 个素材了，那么 LibTV 就往前补上“智能引用”，自动识别画布素材并插入提示词的正确位置，避免全手动添加；

Seedance2.5 可以一次生成 30 秒视频，那么 LibTV 就补上“片段重拍”，30 秒中如果只有几秒出错，就只重拍这几秒 ，避免整条返工；

还有“超长视频”功能，借助平台多节点工作流，将 Seedance2.5 的 30 秒生成，延长至 5 分钟长片直出……

内部人士告诉我们，从拿到 Seedance 2.5 的模型测试权限，到做出这批新功能，只花了“两天”时间。

而在功能之外，熟悉的商业手法也依然在。Seedance 2.5 的官方 API 价格比 2.0 高了约 50%，LibTV 目前给用户的生成价格依然在每秒 0.4 元左右，与此前 LibTV 的 Seedance 2.0 折后价格持平。

这一通操作下来，该不该干的活，LibTV 都干了，该不该自己掏的钱，也都掏了。鉴于这份诚意，我们也直接上手实测了一番，看看这些新功能的效果到底如何。

1

一支预告片，如何被拆解、重构和返工

我们选了一项对工作流要求更高，也更容易暴露问题的任务：以《奥德赛》官方预告片为参照，保留原片的镜头节奏和音乐结构，把古代史诗改写成一名青年在大城市漂泊后返乡的现代故事。整个过程依次经过拉片、脚本改写、角色重构、成片生成和片段重拍。

第一步：逐帧拉片，拆解灵感

把原预告片放进画布后，LibTV 提供了两种拆解和改写路径。

第一种，是画布的新功能“逐帧拉片”。用户点击该功能后，可以选择从“分镜、动态、音乐”三个维度拆解视频，提取多镜头、多角度的画面和剧情素材，快速看清原片的结构。整个拆解过程不消耗积分，生成的结果可以直接连接 Seedance 2.5，作为新视频的生成参考。

这种方式更适合精细化操作。创作者可以在画布上逐个检查和生成镜头，对每段内容进行更细致的人工控制，但相应地也需要投入更多时间。

第二种是使用侧边栏 Agent 进行“爆款复刻”，这也是我们最终选择的方案。它可以同时完成原视频拆解、剧本改写和后续任务编排，省去逐个处理镜头的步骤。我们选择它的主要原因是效率：相比在画布上逐镜生成，侧边栏 Agent 更接近“一键直达”，更适合快速验证一套完整工作流。

完成解析后，LibTV 把约 145 秒的预告片识别成 16 个镜头段落，并逐镜输出时长、画面内容、景别、机位、运镜、光线、声音和替换方案。

它随后直接进入了脚本改写，把海难变成雨夜地铁和拥堵立交桥，古代爱人与家人的关系被移到出租屋和返乡大巴上，完成了一一对应。

这一层拆解已经能作为后续生成的提示词底稿。它给出了足够多的可执行细节，也出现了一些自动发挥，例如主动加入字幕和情绪描述、音效输出等，我们一个字不改，让他继续执行下去。

第二步：素材重构，建立一个故事世界

拉片给出了风格和结构，下一步要把它落实到新故事的主体素材中。我们先让系统沿用脚本生成画面，结果几位关键人物的外观出现了“中、外混血”，于是我们暂停了生成，转而为主角、主角的儿子、爱人、白发老人和反派分别补做三视图。

第三步：成片效果，对照原片检查

三视图完成后，选择 Seedance2.5 开始生成，并把结果和原预告片放在一起核对，检查镜头顺序、转场密度、音乐节点，以及现代情节能否和画面对应，以下是对比效果。

在先前的几个步骤中，我们几乎没有对 Agent 的生成结果做干预，最终的效果看起来还不错。原视频作为一个预告片，故事剧情本身就有一些断层，节奏很快，复刻版的惊喜之处在于，能看出在多个关键镜头在构图和节奏上形成了对应，重新生成的中文 BGM 也非常契合主题。

尽管它离一个真正的成品还有距离，但毕竟想要做出这样一部史诗级片段的现代改编版，纯靠 AI 搓的难度很大，整个过程已经做到了大幅降低创作的门槛，让小白也敢“碰瓷”诺兰了。

第四步：片段重拍，只处理几秒

有了雏形，做片段的修改，就变得轻松起来。由于积分有限，我们尝试了从成片中截取 00:19—00:24，要求保留原片效果，只把画面中的女性改成红色头发。平台在同一界面展示原片与重拍结果，创作者可以直接指定时间范围、引用原视频，并继续在完整时间轴中查看替换后的片段。

在整个过程中，逐帧拉片负责拆解，Agent 负责改写和编排，三视图补人物一致性，片段重拍收拾局部问题，几项功能在同一张画布里接成了完整流程。它确实减少了跨工具搬运素材和整条重做的次数，也把新的工作留给了创作者：确认上下文、纠正主体、审核分组，再盯住每一次局部修改是否正确。

1

从“首发模型”到“首发工作流”

把整套流程跑完以后，LibTV 这轮更新的逻辑随之清楚起来：模型每往前一步，工作流都要跟着调整。

Seedance 2.5 带来的变化，不只是一段视频生成得更长、更准。50 个参考素材和 30 秒单次生成，让一次任务可以容纳更多人物、场景和叙事内容，也把素材管理、局部返工和长片整理的压力推给了应用层。

LibTV 上线的智能引用、片段重拍和超长视频，分别对应着生成前的素材组织、生成后的局部修改，以及多个片段的继续编排。

功能对应得很整齐，但这轮更新更值得关注的地方，其实是速度。

应用层始终要面对同一种质疑：模型每更新一次，就会接管一部分原本需要产品完成的工作。提示词优化、素材理解、角色一致性、局部编辑，都可能随着下一代模型的发布，直接变成模型的基础能力。应用公司很难找到一个可以长期休息的位置，能做的事情很具体，就是快。

从 LibTV 的策略来看，这个快有两层。

第一层是更快地“首发”模型。新模型发布后，平台需要尽快完成接入，让用户可以在熟悉的画布、素材库和项目中直接使用。首发本身很难形成长期壁垒，它更实际的价值，是让创作者不必离开原来的项目，重新寻找 API、整理素材和搭建流程。

第二层是更快地把模型能力改造成产品功能，把模型新增的能力，以及随之出现的新麻烦，迅速接进工作流。

两层速度最终指向同一个目标：在模型进入创作者实际工作流这件事上，比裸模更快一步，成为用户体验和使用模型的优先入口。

据硅星人了解，在拿到 Seedance 2.5 测试权限前，团队已经开始收集生态反馈和内测用户的问题。智能引用、片段重拍和音频智能拆分，来自用户实际创作中的返工；逐帧拉片和素材混剪，则来自对长视频创作流程的提前判断。两天完成的工作，主要是把已经准备好的功能与新模型迅速对齐，再赶在正式上线时一起交付。

在此前 Seedance 2.0 占据市场主导位置时，这种速度尤其重要。单纯提供模型调用很容易被复制，用户也会跟着模型效果和价格迁移。应用平台只有更早接入模型、更快解决使用中的问题，才有机会把一次体验变成持续使用。

好消息是，视频模型的供给正在变多。同一时期，MiniMax H3、Sand.ai MAGI-2-preview、阿里 Wan 3.0 等模型，在性能、成本和开放程度上提供了不同选择。以 H3 为例，它支持 15 秒 2K 视频和原生双声道，2K 生成价格不到主流模型的三分之一，同时开放权重，为自行部署和后训练留下了空间。

尽管 LibTV 此次的极限更新，仍然是围绕 Seedance2.5 的，但它同样 Day 0“首发”了 H3，并加入了平台的订阅套餐，价格为原 API 定价的六折，最高 10 天内免费使用。

开源模型的繁荣，毫无疑问会给应用层带来更大的操作空间。平台可以根据任务选择模型：需要更高上限时调用闭源模型，需要批量生产、稳定成本或行业定制时部署开源模型；还可以围绕品牌素材、人物资产和垂直场景做后训练，把通用模型调整到更具体的生产流程中。

这也意味着，尽管下一代模型仍会继续覆盖今天的功能，开源也无法结束这场追赶，但起码 LibTV 们暂时可以少回答一点“模型会不会吞掉应用”的问题了。

点个“爱心”，再走 吧