字節Seedance 2.0實測：語音錯亂、字幕亂碼，AI視頻仍是概率游戲

文章開始之前，先給大伙看個動圖吧。

（圖源：嗶哩嗶哩）

很酷炫的大片場景對吧，材質和氛圍都很到位。

但如果我告訴你，這片子是純AI生成的呢？我想應該會有不少讀者感到驚訝，或是試圖回去從片段里找到穿幫的地方吧。

這些年，技術的飛速發展，讓我們已經開始分不清特效和AI之間的區別，制作自己喜歡的視頻，似乎從來沒有這么簡單過。

但估計大多數人跟我一樣，都是光看不練，或者說練過，但從入門到入土。

原因就一句話：這玩意太容易勸退了。

想要完成度高一點，就得自己部署個模型，在ComfyUI上搞點穩定可控的工作流。但那一堆密密麻麻的參數，就連我這個鼓搗AIGC好些年的老手都還在摸索，只能說普通人大概率是調不明白的。

想隨便玩玩的，倒是可以試試Sora和Veo，就是這些網站不僅價格不低，而且效果相當于抽卡，每抽一發就要花錢，國內的大伙也很難用上。

誰能想到，在大伙被折磨了許久后，國內的字節跳動卻悄悄憋了個大招。

（圖源：即夢）

就在這個星期，字節跳動旗下的視頻模型Seedance 2.0突然上線。沒有漫長的排隊申請，也沒有遮遮掩掩的內測邀請，它在春節這個年度最大流量窗口，就這么直接扔給了大眾。

用完后我只想說，想自己搓AI視頻的朋友們，好日子來了。

生成15秒，排隊一小時

先說怎么用上。

Seedance 2.0目前已經在即夢平臺上線，目前會員用戶（至少69元）可以直接使用最新模型，電腦web版、手機APP都能用，預計過幾天會全量開放。

如果不想充錢，也可以用字節旗下的小云雀，目前登錄新用戶贈送三次Seedance 2.0免費生成機會，同時每天贈送120積分。

用完免費機會后，用Seedance 2.0生成視頻每秒耗費8積分，也就是每天最多免費生成15秒視頻內容，拿來嘗鮮倒是沒什么問題。

（圖源：雷科技）

再看能力層面。

大伙都知道，以前國內大部分視頻模型只能演默片，就連字節這邊，也是到了去年年底的Seedance 1.5版本才加上配音的。

而現在，Seedance 2.0的聲音和畫面已經配合得出神入化了。

這套全新的模型，在生成視頻的同時可以生成匹配的音效和配樂，并且支持口型同步和情緒匹配，確保角色說話的時候，嘴型是對的，表情和語氣也能對上。

為了驗證它的本事，我輸入了一段簡單的提示詞：第一人稱視角，坐在老式綠皮火車的窗邊，看著窗外飛馳而過的田野，桌上的玻璃杯微微震動。

或許是因為想體驗的人太多，我居然排了一個多小時的隊，才等到視頻生成完畢。

（圖源：雷科技，用Seedance 2.0制作）

說實話，這個畫面精細度并不讓我意外，真正讓我有點起雞皮疙瘩的是聲音。視頻里不僅有柔和的BGM，還有火車壓過鐵軌那種特有的“況且況且”的低頻節奏聲，甚至當鏡頭掃過桌上的玻璃杯時，杯子里的水因為震動泛起的波瀾都清晰可見。

看著窗外的田野和西下的斜陽，真的很難想象這一切都不曾存在過。

這種“原生音效”的體驗，和后期硬貼上去的配音確實是兩個不同的概念。它說明AI不僅僅是在畫畫，它理解了畫面里發生了什么，并且知道在這個場景下，環境里應該發出什么聲音。

這就有點意思了。

但這還不夠，光有聲音還不行，視頻還得穩。

以前用AI做視頻，最怕的就是人物“整容”。前一秒主角還是個歐美硬漢，頭一轉就變成了日系小鮮肉，這種問題在動作幅度大的場景里尤為明顯。

為了測試Seedance 2.0的一致性，我特意加大了難度，生成了一段“雨夜巷戰，兩個武術家在積水中激烈搏斗”的視頻。

至于視頻主題嘛，就叫Goat VS Goat吧。

（圖源：雷科技，用Seedance 2.0制作）

結果相當令人驚喜。在長達十幾秒的打斗鏡頭里，兩位角色的臉部特征居然鎖住了。哪怕是他在飛身踢腿、雙方換位的時候，衣服的紋理和五官的輪廓都沒有發生崩壞。

雖然在某些極度模糊的運動幀里還是能看到一點涂抹感，但相比于上一代模型那種每三秒換張臉的鬼畜效果，這已經是質的飛躍了。

可以說，在基礎素質這一塊，Seedance 2.0已經是一個高度能用的工具了。

從文案到成片一人跑通，但語音錯亂與畫面亂碼依舊存在

基礎測試穩住了，接下來咱們得上點強度。

畢竟對于大多數想做自媒體的朋友來說，我們不僅希望AI能畫得像，更希望它能懂我們的腦洞。

為此，Seedance 2.0這次引入了一個叫自分鏡和自運鏡的概念。

簡單說，就是它可以根據你的描述自動規劃分鏡和運鏡，只需要告訴它需求是什么，它自己就可以決定怎么拍。

小雷試著輸入了一句很簡單的指令：一個穿著運動鞋的人在松軟的沙灘上用力奔跑，夕陽西下。

這句話的難點，不僅在分鏡上，更在于對物理世界的理解。

因為沙子是流體，腳踩下去會陷落，抬起來會帶起沙粒，這些都是以前視頻生成很難還原出來的細節。

（圖源：雷科技，用Seedance 2.0制作）

在生成的視頻里，我確實看到了腳掌陷入沙地的凹陷感，每一次蹬地都有沙粒向后飛濺，而且飛濺的拋物線很自然，沒有出現那種沙子浮在空中的反重力現象，甚至連小腿肌肉隨著跑步節奏的擺動，都帶有明顯的顫動感。

說實話，看到這個結果的時候我腦子里閃過一個念頭：這個效果，已經可以直接放到短視頻里用了。

按照這個效果，我能不能直接用工作流，制作出一段60秒的Brain Rot短視頻？

于是乎，我先找來了字節的另一個AI助手豆包，先讓它根據我的需求，生成大致的九宮格視頻分鏡，然后就是生成一段非常標準的“選擇紅門還是藍門”的Brain Rot短視頻文案。

（圖源：雷科技）

吐槽一下，目前豆包對分格圖片的理解依然不是很好，這一點就耗了我不少時間。

接著，我把分鏡和劇本扔給了Seedance 2.0。

盡管Seedance 2.0目前最長支持15s的視頻，但是通過多模態輸入，我們可以把上一個視頻的末尾作為素材輸入下一個視頻的需求，以此完成多個鏡頭銜接和角色一致性的維持，最后再進行人工剪輯拼接。

整個流程下來，做這一段內容，耗費我了半天的時間。

（圖源：雷科技，用Seedance 2.0制作）

怎么說呢，盡管Seedance 2.0的中文生成水平遠超國外競品，但是在實際生成的內容里，依然會出現字幕和語音對不上的現象，畫面之中的文本亂碼更是客觀存在的，而且幾乎無法避免。

因為目前有最多15s的限制，所以只要我準備的文本內容多一些，成品的語音就會以非常不自然的高語速把整段文本讀出來。

而且啊，我這次生成的視頻也就相對長一點，但是你可以明顯注意到Seedance 2.0對于開門這個動作的處理總是奇奇怪怪的，哪怕我把免費額度都用完了，但也沒有生成更好的效果，只得作罷。

至于抽卡的問題嘛...至少對于目前的視頻生成應用來說都是不可避免的。

總結

在我看來，Seedance 2.0的出現，算是給國內的創作者打了一針強心劑。

不可否認，從純粹的技術指標或者內容產出來看，Sora在超長鏡頭的連貫性和畫面的藝術感上可能依然是行業標桿。

（圖源：Sora）

但在科技圈，有一個很樸素的道理：好用的技術，首先得是能用到的技術。

就目前來說，Seedance 2.0幾乎沒有使用門檻，人人都能輕松注冊使用，價格相比同類競品甚至還挺有性價比的。

知名自媒體博主“影視颶風”Tim也在今天盛贊了Seedance2.0模型的生成結果，他認為模型生成視頻的精細程度、攝像機的運動情況、分鏡連續性效果以及音畫的匹配度都很出色，稱其為“改變視頻行業的AI”。

從某種意義上來說，影像行業從業者的看法，比自媒體的評價和大模型榜單的跑分要重要得多。

我敢打賭，在未來半年內，大家會在抖音、視頻號里刷到大量由Seedance 2.0生成的短劇、懸疑解說甚至是帶貨視頻。那些不需要復雜演技、主打視覺奇觀或者劇情反轉的內容，將是第一波被AI徹底改造的領域。

你敢相信，從來沒有任何美術經驗、動畫經驗，乃至視頻經驗的我，也能做出這樣流暢的角色動畫嗎？

（圖源：雷科技，用Seedance 2.0制作）

當然，它還是有缺點的。

比如目前的算力成本依然很高，普通用戶如果不大規模氪金，生成速度可能會讓他們等到花兒都謝了，而且這種抽卡式的創作邏輯，注定了它還不能完全替代那種需要精確控制的傳統影視制作。

此外，除了訓練數據的來源爭議，視頻大模型帶來的“真假難辨”的視頻，還將引發系列的社會問題，比如DeepFake視頻詐騙，比如AI視頻假新聞、新型網暴、人身侵權等等……這些都值得社會關注。

但我相信，隨著AI技術成熟，這些問題都會得到企業和部門的妥善解決。

在我看來，Seedance 2.0不需要替代好萊塢。它只需要讓每一個普通人，在腦子里蹦出一個好故事的時候，能低成本地把它變成畫面，這就足夠了。

畢竟，路是一步步走出來的，而不是畫餅畫出來的。