實(shí)測豆包 Seedance 1.5 Pro：哪吒朱迪在線飆戲，復(fù)刻名場面，AI 臺詞、音效水平大更新

AI 視頻最近的玩法特別多，頗有上半年 AI 生圖火起來的那種感覺。

視頻來源：https://x.com/pabloprompt/status/2000706593579573301/

之前火過一遍的 AI 探班視頻，隨著模型能力的提升，現(xiàn)在又開始變成了社交媒體上的熱門玩法。

不過徹底摒棄了以往復(fù)雜的工作流，有更好用的模型，甚至是簡單幾句提示詞就能復(fù)刻，視頻里的同款真實(shí)感。

視頻生成模型的優(yōu)化，不斷地在降低，對我們?nèi)祟愄崾驹~工程的依賴，同時還帶來了更穩(wěn)定的一致性保持。

豆包最近更新了新一代的音視頻生成模型，豆包 Seedance 1.5 Pro，在音視頻的生成上也有了明顯的改善。現(xiàn)在它生成的視頻，支持中文、英文、日文、韓語、西班牙語等語種的不同聲韻，同時針對中文場景，還能生成四川話、粵語等方言。

不僅能說，而且還能模仿不同語言的口音。有聲視頻是 Seedance 1.5 Pro 的一大突破，在視頻生成本身，結(jié)合音頻的音畫同步，以及電影級的運(yùn)鏡兩項優(yōu)化，讓 AI 視頻看起來更真實(shí)、更細(xì)致。

目前該模型已上線豆包 APP，只需要打開豆包，點(diǎn)擊「照片動起來」，選擇 1.5 Pro 模型，就能體驗(yàn)到 AI 生視頻的快樂。此外，在火山引擎體驗(yàn)中心、即夢 AI 也可以體驗(yàn)。

我們也提前測試了一波，Seedance 1.5 Pro 完全可以說，是現(xiàn)在手邊能拿起來直接用，能同時融合聲音，表現(xiàn)最好的視頻生成模型。

聽聽「臣妾做不到啊」的原音重現(xiàn)

《瘋狂動物城 2 》上映之前，網(wǎng)友們對配音演員的選擇，有很大的爭議。現(xiàn)在 Seedance 1.5 Pro 的語音生成有多牛，我們可以看看之前網(wǎng)上很火的甄嬛傳和讓子彈飛，兩個視頻的配音，讓它來完成是什么樣。

從網(wǎng)上找了一張影視劇的截圖，然后丟給豆包，我們甚至什么提示詞都沒有輸入，它就能做到自動識別視頻畫面，生成一段有感情的臺詞戲。

在豆包 App 內(nèi)，使用「照片動起來」，上傳首幀，生成視頻

皇后和張麻子都演得太像了，這和幾個月前的視頻生成模型，完全不是一個 Level。 以前那些 AI 視頻，口型對不上，或者聲音有機(jī)械感的問題，現(xiàn)在都解決了。

但普通話對它來說都是基本操作，方言的表現(xiàn)才是 Seedance 1.5 Pro 打敗那些國外模型的獨(dú)門秘籍。就像 Sora 2 和 Google Veo 3.1 雖然在畫面生成上被認(rèn)為是行業(yè)領(lǐng)先，但如果把上面這兩張首幀圖片丟給它們。 Sora 和 Veo 3 都理解不了甄嬛傳的經(jīng)典臺詞，和張麻子這流利的四川話口音。

全運(yùn)會剛結(jié)束，如果你也在廣州，一定忘不了「活力大灣區(qū)，魅力新廣州」這句魔性的口號。我們生成了一張站在廣州塔前面的照片，然后在豆包「照片動起來」里面輸入提示詞。

畫面里的這個男生正在面向鏡頭，向大家介紹他身后的廣州塔，他用粵語說「活力大灣區(qū)，魅力新廣州，我身后面嗰個就系廣州塔喇！」

這個粵語水平怎么樣，比多鄰國里面的早茶四件套，蝦餃、腸粉、燒賣、豉汁排骨，聽著是不是要舒服一點(diǎn)。

而且，Seedance 1.5 Pro 有一個好處是「視聽一致性」，意思是它能根據(jù)畫面的內(nèi)容，理解視頻想要表達(dá)的故事，來自動生成對應(yīng)的配音。

舉個例子，當(dāng)我們上傳了一張明顯是外國人的圖片時，我們不輸入任何提示詞，它會自動使用英文來配音，并且讓畫面里的角色，說合適的臺詞。

即便是在中餐廳面館里吃面的威爾 · 史密斯，Seedance 1.5 Pro 還是讓他自動用英文來說話，而且這個吃面姿勢也完全對了。

同樣地，我們用它復(fù)刻了 AI 片場探班的視頻，直接上傳一張圖片給豆包，不輸入任何提示詞，它會自動用中文來生成視頻，還配上了臺詞，「哇，跟阿凡達(dá)合影啦！」

當(dāng)我們重新生成時，Seedance 1.5 Pro 還把照片里的男生識別成韓國人，然后生成了一段講韓語的視頻。不過，說實(shí)話，他確實(shí)是有點(diǎn)韓國歐巴的感覺。

豆包視頻生成還有一點(diǎn)特別好， 是我們可以直接把生成的視頻，下載為動圖保存在手機(jī) 。配合現(xiàn)在模型更強(qiáng)大的多模態(tài)理解能力，以及能生成更真實(shí)的畫面，手機(jī)里那些靜態(tài)的圖片，讓它們「真實(shí)地」動起來，然后發(fā)到微信朋友圈，可能真的會有人看不出來。

AI 巨人照加上無人機(jī)運(yùn)鏡，太酷啦

敘事是 Seedance 1.5 Pro 更新的一個關(guān)鍵詞，它的意思是這些 AI 視頻不只是單純的生成，而是有了一定的故事感，能夠?qū)σ磉_(dá)的內(nèi)容進(jìn)行理解，讓 AI 生成的視頻，更像是一個有血肉的作品。

一個好的視頻作品，燈光色彩、音效要出色。技術(shù)性的工作也少不了，運(yùn)鏡就是在音畫之外，不可忽視的鏡頭語言。

Seedance 1.5 Pro 在這次更新里，在長鏡頭跟隨、希區(qū)柯克變焦這些電影級運(yùn)鏡都有了大幅度的提升。

像是之前我們做的子彈時間，現(xiàn)在上傳一張圖片到豆包，調(diào)整一下提示詞，子彈時間特效也自由了。

提示詞：子彈時間效果。時間完全凍結(jié)。舞者懸浮在半空中，對抗重力。[定格畫面]：舞者、她的頭發(fā)和她的藍(lán)色裙子絕對靜止，就像時間凍結(jié)中的 3D 雕像。攝像機(jī)圍繞懸浮的舞者水平軌道運(yùn)行。背景建筑物改變透視（視差），而舞者保持鎖定在中心。頭發(fā)保持僵硬并指向上方，沒有飄動。裙子布料是固體的并凍結(jié)保持不動。 電影級照明，高質(zhì)量。

我們把同樣的照片交給 Veo 3.1 處理時，它生成的子彈時間也很難做到保持角色一動不動。因?yàn)閷Υ蠖鄶?shù)視頻生成模型來說，識別到頭發(fā)，就一定要飄動；看到裙邊也要擺動；所以精準(zhǔn)的運(yùn)鏡控制和調(diào)度，也是區(qū)分不同模型的一項重要能力。

還有這個前段時間很火的 AI 巨人照，現(xiàn)在我們也可以用超酷炫的無人機(jī)俯沖和穿越運(yùn)鏡，來凸顯視頻里的巨人。

提示詞：電影級 FPV 無人機(jī)鏡頭，極致動態(tài)運(yùn)鏡：從高空鳥瞰開始，無人機(jī)急速俯沖向一位坐在城市街道中央的巨人，紅磚建筑環(huán)繞兩側(cè)。巨人保持完全靜止的姿勢，身體、頭部、四肢均不移動，如同雕塑般定格。無人機(jī)以特技飛行動作環(huán)繞巨人靜止的身體——盤旋繞腿、從手臂下穿越、沿軀干螺旋上升，然后拉遠(yuǎn)展現(xiàn)巨人與微小車輛（紅色雙層巴士、黑色出租車）和行人的尺寸對比。超寫實(shí)合成。比例 16:9，時長 5s，模型 1.5 Pro。

從參考圖轉(zhuǎn)視頻，能更好的控制視頻的輸出效果。但 Seedance 1.5 Pro 的文生視頻能力也毫不遜色。

根據(jù)字節(jié)公開的 Seedance 1.5 pro，在內(nèi)部基準(zhǔn)測試 SeedVideoBench-1.5 的模型表現(xiàn)結(jié)果，顯示無論是 T2V 文生視頻，還是 I2V 首幀轉(zhuǎn)視頻，和可靈 2.6、Google Veo 3.1 等模型對比，Seedance 1.5 Pro 的表現(xiàn)都有一定優(yōu)勢。

尤其是在音頻生成和音畫同步上，Seedance 1.5 Pro 幾乎是碾壓性的存在。

我們嘗試讓瘋狂動物城朱迪和哪吒一起，一個普通話，一個四川話，演了一出 10s 的小劇場。

提示詞： [0s-4s] 朱迪指著哪吒說（普通話，語速快，嚴(yán)肅）： “那個小孩！站??！雙手抱頭！根據(jù)《動物城交通法》，你剛才風(fēng)火輪超速了！” ? [5s-10s] 哪吒（四川話，翻白眼，語速慢，拖長音）： “哎呀，莫挨老子！我是踩的風(fēng)火輪，又沒燒你的油。瓜娃子，管得寬！”

這個視頻的風(fēng)格和內(nèi)容，和我們平時看的動畫片風(fēng)格真的很類似。當(dāng) 義正辭嚴(yán) 的兔朱迪警官，抓到哪吒的時候，那嚴(yán)肅的表情和語氣；還有哪吒用四川話說臺詞，也能對上嘴型。

APPSO 今年前前后后也測試了有十多款 AI 視頻生成的模型，我們在使用的過程中，發(fā)現(xiàn)很多以前的測試案例，放到現(xiàn)在已經(jīng)是 Out 了。

一開始是魯迅來了，都得讓他說兩句英文；能生成一個 5s 流暢播放的視頻，就謝天謝地?，F(xiàn)在的模型，不僅支持中、英、日、韓等多語種，廣東話、四川話這些特色方言都能同步生成。

恍然間，AI 視頻的進(jìn)化，已經(jīng)從按年計算變成了按月計算。昨天的突破，今天就是及格線。

Seedance 1.5 Pro 案例截圖｜來源：字節(jié)跳動 Seed 官網(wǎng)

Seedance 1.5 Pro 這次更新，可能又會變成新的及格線。但至少現(xiàn)在我們看到了，有了音畫同步后更有感染力的視頻；多語種和方言的支持，也讓 AI 視頻更有「生活味」；專業(yè)的電影級運(yùn)鏡和智能理解能力，讓一些高難度的復(fù)雜場景，也有機(jī)會通過 AI 生成。

當(dāng)技術(shù)能夠理解畫面背后的故事，自動匹配合適的語言和情緒，我們距離想象力和創(chuàng)作自由的時代，又近了一大步。

實(shí)現(xiàn)這一切需要什么？ 一張圖片或者一句提示詞。

打開豆包 APP，上傳/輸入，生成，就這么簡單。每張照片都是待激活的故事，每次上傳都是創(chuàng)作的開始。

步驟越少，門檻越低，創(chuàng)作者越多，用 AI 視頻實(shí)現(xiàn)創(chuàng)意就該是這樣。