Seedance 2.5来了，但行业真的准备好了吗？

文 | 市象

近期，字节跳动正在推进一款名为“Seedance Studio”的AI视频创作平台内测。据悉，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并不只是帮助用户生成几秒钟的视频片段，它覆盖从创意规划、素材生成、修改迭代到成片推进的完整流程。

AI视频竞争正在进入新的阶段，大模型厂商的竞争已经从模型能力延伸到了影视生产全链条，比谁能真正帮助创作者完成一部作品。

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

模型越来越强，是否意味着AI电影真的离行业更近了一步？

对于爆款AI短剧来说，作品能够出圈的因素中，工具占的比重实在太小。近期爆款《被裁掉的女孩》和《归墟》，背后创作者都是本身拥有剧本、审美和视觉经验的“老手”，AI只是放大了他们原有的能力。

看起来模型升级影响最大的，是那些试图冲击院线标准的团队，但他们同样苦恼。模型能力提升，制作要求也随之提高，高昂的算力成本和新的操作门槛，让团队陷入了“工具更强，却更难驾驭”的困境。

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。

爆款背后并非更强的工具

Seedance2.5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的进步。

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，很好的解释了这种割裂。

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；与此同时，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《被裁掉的女孩》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小云雀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。

《被裁掉的女孩》和《归墟》都证明了模型本身不是内容生产能力。对于缺少相关经验的团队，工具升级可能带来新的适配问题；而对于具备长期积累的创作者，AI则更像是进一步放大已有能力的工具。那么对于真正想把AI推向工业化生产的团队来说，情况又会怎样？

如何真正从“电影感”到电影？

都说seedance2.5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表达能力。过去2.0会根据模糊描述主动补充画面，而2.5更倾向于严格执行指令，如果操作者无法准确描述机位、光影和人物状态，生成结果反而可能不如预期。

对于并非专业导演的普通员工来说，这意味着他们不仅要承担更高的算力成本，还要承担学习新工具的试错成本。

“除了绩效压力之外，还有一个原因让我们重新用回2.0，就是‘熟悉感’，2.0对我们来说更好预测，更熟悉。”

曹芸提到的熟悉感，在文字大模型的发展中也有印证。像GPT-4.0升级到5.0后，不少老用户便在社交媒体提出抗议，即使新模型能力更强，但旧版本模型的思考方式、语言风格，他们更加了解。

2.5无疑提升了模型上限，但同时也提高了使用门槛。在公司的“废片扣钱”制度下，员工很难承担重新学习模型、摸索提示词和不断试错的成本。为了保证稳定产出，他们最终选择回到自己更熟悉、容错率更高的Seedance 2.0。

除了生产端的问题，AI电影本身的商业模式也仍然没有被验证。

目前完全依靠AI生成、并且在院线或长视频平台实现商业成功的长片案例仍然有限。相比传统影视，AI电影缺少明星和成熟IP带来的流量保障，而观众对于“AI制作”本身的新鲜感也在逐渐降低。

曹芸的团队即使解决了制作问题，也仍然无从得知，投入大量算力和人工成本制作出的AI电影，是否能够获得对应的市场回报。

通过曹芸不难看出，AI距离真正进入院线生产还有一段距离。但在更靠近市场底层的承制环节，问题并没有因为目标降低而消失。

模型越强，行业越卷？

在郑州的一家小型漫剧承制公司里，小余暗自觉得公司的帐越来越难算平。

AI漫剧承制行业已经进入高度竞争阶段。小余所在的公司甚至不是直接服务甲方，而是经过多层分包后的“丁方”。作为“丁方”，他们的承制价格已经被压缩到500元/分钟左右，但甲方对于成片质量的要求，却接近过去1000元/分钟甚至更高预算才能达到的水平。“A级以下的项目基本已经被市场淘汰了。”

接单价格在降低，但模型价格在上涨。小余团队过去依靠低成本模型压缩预算的模式逐渐不可行，但客户给出的报价却越来越低。

“我们不用更好的模型，很难接到单子，但用更好的模型，又没什么利润了。”

小余发现，随着AI视频模型整体能力提升，客户对于画面的要求也被不断提高。过去一些AI生成中的瑕疵，客户可能还能接受，但当市场上出现了更高质量的案例后，甲方的标准也随之提高。

在AI短剧承制市场里，拿单之前，团队往往需要先展示样片或者案例，客户再根据画面质量、风格匹配度和制作能力决定是否合作。部分平台也会根据成片质量进行评级，不同评级对应不同的分账和资源机会。

于是他们选择把Seedance 2.5用在最需要“撑场面”的地方。比如人物第一次出场的特写、大场景镜头、决定样片质感的关键画面，都会优先使用2.5生成。

毕竟在承制模式下，最初提交给客户看的样片，往往直接影响后续评级和报价，几个足够惊艳的镜头，能够帮助团队拿到更高的评价，也能减少客户后续反复修改的要求。

但不可能整部片子都用2.5。对于样片之后的剧情，小余团队会切回成本更低的Seedance 2.0，甚至更便宜的模型。这样既能保证交付样片的整体质感，以便于接到单，拿到更高评级，又能控制算力成本。

而这种成本压力最终也传导到了制作人员身上。为了减少无效生成和算力浪费，公司开始更加严格地考核每个人的产出效率。在小余所在的团队里，一周内裁掉近十个人、同时不断招新人。

AI降低了视频制作的操作门槛，但并不意味着所有人都能稳定产出符合客户要求的内容。越来越卷的承制公司必须用有限的算力，在最短时间内生成客户愿意通过的画面。员工要尽可能理解不同模型特点，减少无效生成，用更少的算力获得有效结果。

Seedance 2.5带来的变化，不只是关于模型能力，更关乎于行业竞争标准，模型在快速进化，而竞争焦点从画面质量转移到了如何用更低成本、更高效率、更优质量完成交付。

不同团队面对的困境不同，但有一点很清楚，模型的上限正在不断提高，而行业真正的门槛，并没有因此消失，甚至变得更高。