Seedance 2.5升级后AI短剧口碑反降 爆款率下滑3成

字节跳动正在推进一款名为“Seedance Studio”的AI视频创作平台内测。与此前集成在豆包、即梦AI等产品中的视频生成功能不同，Seedance Studio覆盖从创意规划、素材生成、修改迭代到成片推进的完整流程，目标直指影视生产全链条。

这也是Seedance 2.5上线后迅速引发行业关注的原因。相比上一代，2.5提升了画面质量，增强了镜头控制、长时生成和指令理解能力，正在向更专业、更可控的影视创作工具靠近。

但模型越来越强，是否意味着AI电影真的离行业更近了一步？近期两部爆款AI短剧的遭遇，给出了一个反直觉的答案。

爆款背后并非更强的工具

Seedance 2.5目前在行业里的评价是割裂的。一边是短剧和漫剧从业者认为它价格高速度慢，不适合流水线生产；一边是一些传统影视创作者觉得它能让行业整体上一个档次，因为在光影和空间控制上是巨大进步。

这种割裂，实际上是工具和行业现状的割裂。《被裁掉的女孩》和《归墟》作为近期行业现象级作品，很好地解释了这种割裂。

作为AI仿真人短剧，《被裁掉的女孩》第一季的爆火，让行业第一次看到AI角色商业化的可能。该剧上线后迅速出圈，在抖音累计播放量突破三亿。但第二季上线后，观众反馈却直线下降。不少观众认为第二季中的方桃子失去了第一季的锋利感，剧情也出现“降智”问题；画面中的人物状态、动作表现等细节，也被质疑出现更明显的AI感。

难道团队使用了效果更差的AI工具吗？恰恰相反。第一季的制作工具是当时较为基础的AI视频工具LibTV。到了第二季，为了适应模型升级和平台生态变化，团队将制作工具切换到了性能更强、画面表现更接近影视化的Seedance 2.5。

使用了更好的工具，剧集口碑却在下降，这看起来相当反直觉。但如果回看第一季的制作过程，这部剧本身就不是依靠先进技术完成的工业化产品。

据导演的相关采访可知，该剧集前六集主要由三个人完成，由LibTV制作。团队后来加入的一名成员，在学习AI制作的第一天，就跟随团队工作到深夜，共同完成了第七集。

导演菲菲飞本人此前长期从事真人IP内容创作，在进入AI短剧之前，已经积累了多年剧情创作经验，写过大量剧情内容。第一季的成功，依靠的是她对于人物、情绪和社会议题的判断。

第二季上线后，虽然制作工具升级到了性能更强的Seedance 2.5，但对团队来说，他们需要用更高频的产出来满足期待，保持热度，打磨剧本和人物塑造的时间自然就在减少，新工具的磨合期也变短。

类似的故事，也发生在另一部爆款《归墟》上。凭借强烈的视觉风格和特效表现，《归墟第一季》红果热度突破4500万，收藏量接近300万，成为近期AI短剧中的代表作品。

《归墟》的成功，同样靠的是创作者本身。它的核心创作者泫九只有一人，这也是他进入AI短剧领域后的第一部作品。但在此之前，泫九已经在视觉创作领域积累了十余年经验，早年从事游戏美术，之后长期参与电商设计和产品广告创作。

换句话说，《归墟》并不是一个没有经验的创作者借助AI实现了弯道超车，而是一个成熟的视觉创作者利用AI放大了自身积累。

对于近期备受关注的Seedance 2.5，泫九的态度也十分冷静。他认为，模型解决的是“能不能做出来”的问题，而创作者决定的是“做出来的东西值不值得看”。随着工具不断进步，生成画面会越来越容易，但故事、审美、镜头判断和内容选择，依然需要创作者自己完成。

如何真正从“电影感”到电影？

都说Seedance 2.5生出了真正“电影感”的画面，曹芸所在的公司正在试图将这个“电影感”真正变成电影。“老板想做出能上院线的AI电影。”曹芸透露。

她所在的杭州漫剧公司曾投入大量资源，尝试制作一部原创剧本、4K标准、半写实风格的3D CG动画电影。公司最初的设想，是借助AI替代传统动画中部分建模、绑定和渲染环节，降低制作成本，缩短生产周期。

过去半年，公司几乎把资源投入到了这个项目中，但进展并不顺利。大量素材每天都在被生成，但目前成品仍停留在二十分钟左右的阶段，迟迟无法推进。

在曹芸看来，问题不是画面质量要多先进，而是AI目前仍无法满足长片制作最核心的要求：稳定。

“现在AI能生成一个看起来不错的镜头，但很难保证它和前后几十个镜头保持一致。”

短剧对于这类问题还有一定容忍空间。通过快速切镜、节奏压缩，部分画面瑕疵可以被隐藏。但院线电影不同，观众会在大银幕上持续观察完整的视觉世界，人物外貌、服装细节、动作状态以及空间关系，都需要在大量镜头之间保持连续。

目前的视频模型本质上仍是基于概率生成画面，并不能真正理解完整的三维空间。因此，一个镜头成立，并不意味着下一镜头依然成立。团队不得不通过人工建模、后期修补等方式，重新填补AI留下的问题。

并且高分辨率并不意味着更稳定。曹芸提到，目前Seedance 2.0和2.5都存在类似问题：同一套提示词下，从480P、720P提升到1080P甚至4K后，生成结果可能出现明显差异，分辨率越高，反而越难控制。

团队通常只能先用低分辨率反复测试，确认镜头可用后再生成高清版本。但高清版本仍可能出现新的问题，之前的测试成本很难转化为最终产出。

此前，AI长片《Hell Grind》曾公布过类似数据：影片前22分钟内容，共生成了超过1.6万段视频和1万张图片，最终只有253个镜头进入成片。大量生成结果需要被淘汰，而这些试错背后对应的是持续增加的算力成本。

曹芸团队也遇到了类似情况。项目初期，公司为了追求效果，几乎不限制算力消耗，但随着成本不断增加，管理方式开始改变：员工需要在固定算力额度内产出有效镜头，超出额度或无法形成成片素材，都会影响绩效；项目最初设定的4K标准，也被迫调整为1080P。

而在Seedance 2.5上线后，新的问题又出现了。相比2.0，2.5确实拥有更高的画质和更强的指令理解能力，但它也要求操作者具备更强的镜头设计和专业能力，操作门槛随之抬升。

对于处在产业链“底端”的外包承制漫剧团队，模型升级后最直观的感受是客户要求更高了。为了接到单，他们不得不使用更贵的模型，但承制价格却不断下降，情况进退两难。

技术升级带来的变化并不是简单的“AI更会拍电影了”，也带来了新的门槛、新的成本和新的竞争。真正决定生产力的，依然是人、成本以及一整套尚未成熟的工业流程。

AI距离“能生成”越来越近，但距离真正“会拍电影”，可能还有很长一段路。