春晚張杰《馭風歌》背后的馬，是Seedance 2.0做的！

金磊 發自 凹非寺
量子位 | 公眾號 QbitAI

昨天春晚張杰獻唱的《馭風歌》大家都聽了吧？氣勢是相當磅礴了。

但你知道嗎？其實這首歌的表演，背后還有一個AI彩蛋：

沒錯，就是背景視頻里那幅流動的巨型水墨畫卷中，那一群氣勢磅礴、奔騰而來的駿馬——

完全是用豆包Seedance 2.0生成的！

要知道，讓水墨風格的馬在舞臺背景的畫中靈動起來，這對模型的國風美學理解和泛化能力是巨大的挑戰，很多國外模型在處理“中國水墨風”時集體翻車……

唯獨Seedance 2.0，不僅讀懂了國風，還抗住了春晚舞臺超級嚴格的審核考驗。

之所以如此，是因為Seedance 2.0著實是能打：

• 物理特性遵循：馬匹奔跑遵循生物力學與物理邏輯，關節運動流暢自然，兼具力量韻律與水墨神韻。
• 超強指令遵循：語義理解增強，可精準執行動作、表情、運鏡及動態副詞指令，顯著提升視頻續寫的可控性。
• 多模態素材參考：支持圖、文、視頻等多素材參考，融入傳統文化語料，深度理解并還原水墨藝術邏輯。

除此之外，豆包還聯動了Seedream模型，先由它生成神韻十足的靜態底圖，再由Seedance 2.0讓它動起來。

但如果細細觀察各個節目，你會發現：

今年的春晚，豆包含量巨高。

Seedance 2.0不僅用在了張杰的節目

在歌舞創意秀《賀花神》中，舞臺設計玩了一個大膽的創意：

特邀了來自舞蹈、戲曲、影視等不同領域的十幾位明星同臺。導演組希望為每一位“花神”代表的景別，定制一人一景的中式視覺奇觀。

這就要求AI具備細節的微觀控制能力，比如植物緩慢綻放，紋理、層次、光影的細微變化，而Seedance 2.0，再次做到了。

這也再次展現了Seedance 2.0精細控制能力，能夠精準遵循指令，把控復雜的視覺變化，在高審美要求下保持一致性。

是從“能生成”到“能控制”的一次進化了。

除此之外，在王安宇、黃子弘凡、范丞丞和胡先煦表演的《快樂小馬》中，幾個卡通吉祥物小馬在臺上跳著可愛的舞蹈，那動作絲滑得就像真人捕捉的一樣。

它背后用到的則是Seedance 2.0的視頻動作遷移能力。

這個技術的難點在于拓撲結構的不同，畢竟真人的身體結構和卡通小馬的結構不一，傳統的做法，是動畫師要給卡通模型綁骨骼、K幀，工作量相當的巨大。

但在Seedance 2.0加持下，實現了一鍵直出。你給它一段真人跳舞視頻，再給一張卡通小馬的圖，模型就能智能理解動作背后的運動邏輯，把它完美適配到卡通形象上。

最關鍵的是原圖保持能力，卡通小馬在劇烈跳舞時，毛發、顏色、五官比例竟然紋絲不動，沒有出現AI視頻常見的閃爍或崩壞。

不僅如此，為了滿足央視春晚8K高清、50FPS高幀的要求，豆包還搬來了火山引擎視頻云團隊

火山引擎拿出了一套MIPP多維度智能畫質增強框架，上演了一場智能精修：

• 規格上：利用超分算法，把720P硬生生拔高到8K；利用插幀技術，把24幀補到50幀，絲滑度瞬間翻倍。
• 畫質上：利用視頻理解技術，模型知道哪里是人臉、哪里是背景，針對性地進行畫質指標決策。配合去噪、銳化等增強原子算法，把AIGC內容常見的微小瑕疵抹平。

簡單說，大模型負責造夢，火山引擎負責把夢變得高清。

多個劉浩存，也是火山引擎做的

如果說視頻生成是二維層面的魔法，那么在創意節目《夢底》中，火山引擎帶來的則是空間維度的震撼。

在這個節目里，劉浩存在舞臺上翩翩起舞，而她的身后竟然出現了多個和她一模一樣的分身，而且每個分身都在不同的位置做著不同的舞蹈動作，構成了如夢似幻的群舞畫面。

注意，這可不是大屏幕上放個錄像那么簡單。

當現場的攝像機推拉搖移時，你會發現那似乎6個分身的透視關系是完全正確的，就像6個真人在那里一樣。甚至當舞臺的一束追光打過去，虛擬人的身上竟然有了真實的光影變化，連地上的影子都和現場燈光實時互動！

這背后是火山引擎的空間視頻技術——4D高斯潑濺（4DGS）。

首先是采集與重建。在節目籌備期，70臺工業級相機陣列對著演員一頓狂拍，通過4DGS算法，把演員重建成了4D數字資產。

這里引入豆包大模型解決了兩個核心瓶頸：

• 渲染性能：6個高精度數字人同臺，顯卡要爆炸怎么辦？技術團隊利用字節Seed 3D模型預制了“影子幾何”，簡化了計算量，讓渲染效率大幅提升。
• 近景細節：為了防止近景穿幫，引入了字節Seed的DA3（Depth Anything v3）模型。這個模型能從單圖中推斷出極高精度的深度信息，為光影計算提供了完美的“法線先驗”，皮膚質感逼真得嚇人。

其次，火山引擎打通了舞臺燈光的DMX控制協議。現場燈光師推了一個推桿，真實的燈亮了，這個信號同時也毫秒級地傳給了渲染引擎，虛擬燈光也跟著亮。

所以，你在電視上看到的，是虛擬的劉浩存“活”在真實的舞臺光場里。這種虛實難辨的沉浸感，才是元宇宙該有的樣子。

春晚的機器人身上，處處是豆包

昨天春晚舞臺上，宇樹機器人表演的《武BOT》也是備受關注，打起拳來虎虎生風，動作整齊劃一，甚至還能和演員進行復雜的互動。

以前的機器人表演，更多是寫好的程序控制。但今年《武BOT》里的機器人，是真的“長腦子”了。它們能看懂舞臺障礙，能聽懂人話，還能帶有感情地說話。

不僅如此，昨天春晚還有像蔡明節目用到的松延動力機器人，還包括魔法原子機器人等亮相春晚的機器人，都不同程度的用上了豆包大模型

這背后，是豆包大模型全家桶在給機器人賦能：

• 眼（VLM）：靠豆包視覺理解模型，機器人能通過攝像頭實時識別舞臺環境，哪里有人、哪里有道具，避障決策那是相當絲滑。
• 腦（LLM）：豆包大語言模型為機器人提供了核心的語義理解能力。它不再是執行死板的代碼，而是理解了“請走到舞臺中央”、“開始起勢”這種自然語言指令。
• 嘴（TTS 2.0）：這是最絕的。豆包語音合成模型 2.0，徹底告別了“AI棒讀”。

這個TTS 2.0具備深度語義理解和上下文理解能力。也就是說，它知道這句話是在春晚上說的，要喜慶、要激動。它能根據多輪對話的語境，精準控制語速、停頓和情感。

春晚首次實現AI互動

說完臺上，再看臺下。

今年春晚，大家拿起手機打開豆包APP，生成的那些新春頭像、定制祝福語，其實是春晚歷史上首次由大模型驅動的AI互動。

這和以前的“搖一搖”搶紅包有本質區別。

以前的互動，是事務型（I/O密集型），就像自動售貨機，你點一下，系統給你發個紅包，邏輯是預設好的。

現在的互動，是計算密集型，是一個“感知-規劃-行動”的Agent過程。你發一張照片，豆包要理解意圖、規劃畫圖路徑、調用生成模型、進行安全審核……

算力消耗的差距，也是巨大的。

對于單個請求來說，生成一張圖的算力消耗（Tops）是發一個紅包的無數倍。當春晚口播響起，億萬流量瞬間涌入，這對后臺的挑戰簡直是毀滅級的。

火山引擎方舟平臺在這里立了大功。

為了頂住這波洪峰，方舟平臺拿出了一套教科書級的解決方案：

• 調度層：把機房連成“聯邦”。通過跨機房、跨區域的彈性伸縮，方舟把物理隔離的數十個機房組成集群聯邦。哪里有空閑算力，流量就往哪里去。
• 推理層：壓榨硬件極限。從算子層面的手寫優化（Attention、GEMM等），到系統層面的Prefill/Decode分離，方舟把每一張顯卡的性能都榨干了。
• 秒級響應：配合自研的HPA（自動擴縮容）系統和分布式緩存，超大模型的權重加載時間從分鐘級被壓縮到了秒級。

可以說，你生成的每一張龍年頭像背后，都是一次高效的算力調度。

還有抖音直播春晚的AI無障礙字幕

在抖音的春晚直播間，還有一個容易被忽視、但極具溫度的技術落地——AI無障礙直播字幕

這事兒其實還是蠻難的。

春晚是全語言類節目，有相聲、有小品，語速快、梗多，而且還有方言，再加上現場觀眾的掌聲、歡呼聲、背景音樂，噪聲環境極其復雜。

豆包·語音識別模型在這里秀了一把肌肉：

• 多方言魯棒性：不管是粵語還是陜北話，通通拿捏。
• 上下文感知：它能結合歷史對話推理。比如說了上句“包餃子”，下句識別時就會傾向于與春節相關的詞匯，而不是風馬牛不相及的詞，召回率提升了15%以上。
• 低時延流式識別：真正做到了“話音剛落，字已上屏”。

科技的溫度，往往就藏在這些細節里。

豆包的朋友圈，有夠廣的

看完了這些，我們不得不感嘆：今年的春晚，豆包真的是無處不在。

而在互動環節中，豆包提供的那些科技大禮包，更是暴露了它龐大到驚人的朋友圈。你抽到的獎品，基本都來自使用了豆包大模型的火山引擎客戶。

隨便列幾個名字，都是行業巨頭：

• 車圈：奔馳、特斯拉、比亞迪、蔚小理……2025年新車的大模型搭載量，豆包是第一。服務了超9成的主流車企。
• 手機/PC圈：小米、OPPO、vivo、榮耀、三星、聯想……全球Top10手機廠商里有9家在跟火山引擎合作。
• 具身智能圈：宇樹、銀河通用、智元機器人……40多家公司都在用。

為什么大家都選豆包？

這次春晚其實就是最好的買家秀

從春晚前就爆火全球的Seedance 2.0，到那個能抗住春晚直播壓力的方舟平臺，再到對中國文化理解深刻的圖像與視頻生成能力。

字節跳動用一場春晚證明了：大模型不是只能活在Demo里，它是真的能扛事兒，真的能落地，真的能創造價值。

從張杰身后的那一匹馬，到億萬用戶手中的那個豆包。

好用，才是AI的硬道理。

— 完 —