文｜市象

近期，字節跳動正在推進一款名為「Seedance Studio」的AI視頻創作平台內測。據悉，與此前集成在豆包、即夢AI等產品中的視頻生成功能不同，Seedance Studio並不只是幫助用戶生成幾秒鐘的視頻片段，它覆蓋從創意規劃、素材生成、修改迭代到成片推進的完整流程。

AI視頻競爭正在進入新的階段，大模型廠商的競爭已經從模型能力延伸到了影視生產全鏈條，比誰能真正幫助創作者完成一部作品。

這也是為什麼Seedance 2.5上線後，會迅速引發行業關注。相比上一代模型，2.5不僅提升了畫面質量，還增強了鏡頭控制、長時生成和指令理解能力。它正在向更專業、更可控的影視創作工具靠近。

模型越來越強，是否意味着AI電影真的離行業更近了一步？

對於爆款AI短劇來說，作品能夠出圈的因素中，工具佔的比重實在太小。近期爆款《被裁掉的女孩》和《歸墟》，背後創作者都是本身擁有劇本、審美和視覺經驗的「老手」，AI只是放大了他們原有的能力。

看起來模型升級影響最大的，是那些試圖衝擊院線標準的團隊，但他們同樣苦惱。模型能力提升，製作要求也隨之提高，高昂的算力成本和新的操作門檻，讓團隊陷入了「工具更強，卻更難駕馭」的困境。

對於處在產業鏈「底端」的外包承制漫劇團隊，模型升級後最直觀的感受是客戶要求更高了。為了接到單，他們不得不使用更貴的模型，但承製價格卻不斷下降，情況進退兩難。

技術升級帶來的變化並不是簡單的「AI更會拍電影了」，也帶來了新的門檻、新的成本和新的競爭。真正決定生產力的，依然是人、成本以及一整套尚未成熟的工業流程。

AI距離「能生成」越來越近，但距離真正「會拍電影」，可能還有很長一段路。

爆款背後並非更強的工具

Seedance2.5目前在行業裏的評價是割裂的，一邊是短劇和漫劇從業者認為它價格高速度慢，不適合流水線生產，一邊是一些傳統影視創作者覺得它能讓行業整體上一個檔次，因為在光影和空間控制上是巨大的進步。

這種割裂實際上是工具和行業現狀的割裂。《被裁掉的女孩》和《歸墟》作為近期行業現象級作品，很好的解釋了這種割裂。

作為AI仿真人短劇，《被裁掉的女孩》第一季的爆火，讓行業第一次看到AI角色商業化的可能。

該劇上線後迅速出圈，在抖音累計播放量突破三億。但第二季上線後，觀衆反饋卻直線下降。

不少觀衆認為第二季中的方桃子失去了第一季的鋒利感，劇情也出現「降智」問題；與此同時，畫面中的人物狀態、動作表現等細節，也被質疑出現更明顯的AI感。

難道團隊使用了效果更差的AI工具嗎？恰恰相反。

第一季《被裁掉的女孩》的製作工具是當時較為基礎的AI視頻工具LibTV。到了第二季，為了適應模型升級和平台生態變化，團隊將製作工具切換到了性能更強、畫面表現更接近影視化的小云雀Seedance 2.5。

使用了更好的工具，劇集口碑卻在下降，這看起來相當反直覺。但如果回看第一季的製作過程，這部劇本身就不是依靠先進技術完成的工業化產品。

據導演的相關採訪可知，該劇集前六集主要由三個人完成，由LibTV製作。團隊後來加入的一名成員，在學習AI製作的第一天，就跟隨團隊工作到深夜，共同完成了第七集。

導演菲菲飛本人此前長期從事真人IP內容創作，在進入AI短劇之前，已經積累了多年劇情創作經驗，寫過大量劇情內容。第一季的成功，依靠的是她對於人物、情緒和社會議題的判斷。

第二季上線後，雖然製作工具升級到了性能更強的Seedance 2.5，但對團隊來說，他們需要用更高頻的產出來滿足期待，保持熱度，打磨劇本和人物塑造的時間自然就在減少。新工具的磨合期也變短。

類似的故事，也發生在另一部爆款《歸墟》上。

憑藉強烈的視覺風格和特效表現，《歸墟第一季》紅果熱度突破4500萬，收藏量接近300萬，成為近期AI短劇中的代表作品。

《歸墟》的成功，同樣靠的是創作者本身。它的核心創作者泫九隻有一人，這也是他進入AI短劇領域後的第一部作品。但在此之前，泫九已經在視覺創作領域積累了十餘年經驗，早年從事遊戲美術，之後長期參與電商設計和產品廣告創作。

換句話說，《歸墟》並不是一個沒有經驗的創作者藉助AI實現了彎道超車，而是一個成熟的視覺創作者利用AI放大了自身積累。

對於近期備受關注的Seedance 2.5，泫九的態度也十分冷靜。他認為，模型解決的是「能不能做出來」的問題，而創作者決定的是「做出來的東西值不值得看」。隨着工具不斷進步，生成畫面會越來越容易，但故事、審美、鏡頭判斷和內容選擇，依然需要創作者自己完成。

《被裁掉的女孩》和《歸墟》都證明了模型本身不是內容生產能力。對於缺少相關經驗的團隊，工具升級可能帶來新的適配問題；而對於具備長期積累的創作者，AI則更像是進一步放大已有能力的工具。那麼對於真正想把AI推向工業化生產的團隊來說，情況又會怎樣？

如何真正從「電影感」到電影？

都說seedance2.5生出了真正「電影感」的畫面，曹芸所在的公司正在試圖將這個「電影感」真正變成電影。「老闆想做出能上院線的AI電影。」曹芸透露。

她所在的杭州漫劇公司曾投入大量資源，嘗試製作一部原創劇本、4K標準、半寫實風格的3D CG動畫電影。公司最初的設想，是藉助AI替代傳統動畫中部分建模、綁定和渲染環節，降低製作成本，縮短生產周期。

過去半年，公司幾乎把資源投入到了這個項目中，但進展並不順利。大量素材每天都在被生成，但目前成品仍停留在二十分鐘左右的階段，遲遲無法推進。

在曹芸看來，問題不是畫面質量要多先進，而是AI目前仍無法滿足長片製作最核心的要求：穩定。

「現在AI能生成一個看起來不錯的鏡頭，但很難保證它和前後幾十個鏡頭保持一致。」

短劇對於這類問題還有一定容忍空間。通過快速切鏡、節奏壓縮，部分畫面瑕疵可以被隱藏。但院線電影不同，觀衆會在大銀幕上持續觀察完整的視覺世界，人物外貌、服裝細節、動作狀態以及空間關係，都需要在大量鏡頭之間保持連續。

目前的視頻模型本質上仍是基於概率生成畫面，並不能真正理解完整的三維空間。因此，一個鏡頭成立，並不意味着下一鏡頭依然成立。團隊不得不通過人工建模、後期修補等方式，重新填補AI留下的問題。

並且高分辨率並不意味着更穩定。曹芸提到，目前Seedance 2.0和2.5都存在類似問題：同一套提示詞下，從480P、720P提升到1080P甚至4K後，生成結果可能出現明顯差異，分辨率越高，反而越難控制。

團隊通常只能先用低分辨率反覆測試，確認鏡頭可用後再生成高清版本。但高清版本仍可能出現新的問題，之前的測試成本很難轉化為最終產出。

此前，AI長片《Hell Grind》曾公布過類似數據：影片前22分鐘內容，共生成了超過1.6萬段視頻和1萬張圖片，最終只有253個鏡頭進入成片。大量生成結果需要被淘汰，而這些試錯背後對應的是持續增加的算力成本。

曹芸團隊也遇到了類似情況。項目初期，公司為了追求效果，幾乎不限制算力消耗，但隨着成本不斷增加，管理方式開始改變：員工需要在固定算力額度內產出有效鏡頭，超出額度或無法形成成片素材，都會影響績效；項目最初設定的4K標準，也被迫調整為1080P。

而在Seedance 2.5上線後，新的問題又出現了。

相比2.0，2.5確實擁有更高的畫質和更強的指令理解能力，但它也要求操作者具備更強的鏡頭設計和專業表達能力。過去2.0會根據模糊描述主動補充畫面，而2.5更傾向於嚴格執行指令，如果操作者無法準確描述機位、光影和人物狀態，生成結果反而可能不如預期。

對於並非專業導演的普通員工來說，這意味着他們不僅要承擔更高的算力成本，還要承擔學習新工具的試錯成本。

「除了績效壓力之外，還有一個原因讓我們重新用回2.0，就是‘熟悉感’，2.0對我們來說更好預測，更熟悉。」

曹芸提到的熟悉感，在文字大模型的發展中也有印證。像GPT-4.0升級到5.0後，不少老用戶便在社交媒體提出抗議，即使新模型能力更強，但舊版本模型的思考方式、語言風格，他們更加了解。

2.5無疑提升了模型上限，但同時也提高了使用門檻。在公司的「廢片扣錢」制度下，員工很難承擔重新學習模型、摸索提示詞和不斷試錯的成本。為了保證穩定產出，他們最終選擇回到自己更熟悉、容錯率更高的Seedance 2.0。

除了生產端的問題，AI電影本身的商業模式也仍然沒有被驗證。

目前完全依靠AI生成、並且在院線或長視頻平台實現商業成功的長片案例仍然有限。相比傳統影視，AI電影缺少明星和成熟IP帶來的流量保障，而觀衆對於「AI製作」本身的新鮮感也在逐漸降低。

曹芸的團隊即使解決了製作問題，也仍然無從得知，投入大量算力和人工成本製作出的AI電影，是否能夠獲得對應的市場回報。

通過曹芸不難看出，AI距離真正進入院線生產還有一段距離。但在更靠近市場底層的承製環節，問題並沒有因為目標降低而消失。

模型越強，行業越卷？

在鄭州的一家小型漫劇承製公司裏，小余暗自覺得公司的帳越來越難算平。

AI漫劇承製行業已經進入高度競爭階段。小余所在的公司甚至不是直接服務甲方，而是經過多層分包後的「丁方」。作為「丁方」，他們的承製價格已經被壓縮到500元/分鐘左右，但甲方對於成片質量的要求，卻接近過去1000元/分鐘甚至更高預算才能達到的水平。「A級以下的項目基本已經被市場淘汰了。」

接單價格在降低，但模型價格在上漲。小余團隊過去依靠低成本模型壓縮預算的模式逐漸不可行，但客戶給出的報價卻越來越低。

「我們不用更好的模型，很難接到單子，但用更好的模型，又沒什麼利潤了。」

小余發現，隨着AI視頻模型整體能力提升，客戶對於畫面的要求也被不斷提高。過去一些AI生成中的瑕疵，客戶可能還能接受，但當市場上出現了更高質量的案例後，甲方的標準也隨之提高。

在AI短劇承製市場裏，拿單之前，團隊往往需要先展示樣片或者案例，客戶再根據畫面質量、風格匹配度和製作能力決定是否合作。部分平台也會根據成片質量進行評級，不同評級對應不同的分賬和資源機會。

於是他們選擇把Seedance 2.5用在最需要「撐場面」的地方。比如人物第一次出場的特寫、大場景鏡頭、決定樣片質感的關鍵畫面，都會優先使用2.5生成。

畢竟在承製模式下，最初提交給客戶看的樣片，往往直接影響後續評級和報價，幾個足夠驚豔的鏡頭，能夠幫助團隊拿到更高的評價，也能減少客戶後續反覆修改的要求。

但不可能整部片子都用2.5。對於樣片之後的劇情，小余團隊會切回成本更低的Seedance 2.0，甚至更便宜的模型。這樣既能保證交付樣片的整體質感，以便於接到單，拿到更高評級，又能控制算力成本。

而這種成本壓力最終也傳導到了製作人員身上。為了減少無效生成和算力浪費，公司開始更加嚴格地考覈每個人的產出效率。在小余所在的團隊裏，一周內裁掉近十個人、同時不斷招新人。

AI降低了視頻製作的操作門檻，但並不意味着所有人都能穩定產出符合客戶要求的內容。越來越卷的承製公司必須用有限的算力，在最短時間內生成客戶願意通過的畫面。員工要儘可能理解不同模型特點，減少無效生成，用更少的算力獲得有效結果。

Seedance 2.5帶來的變化，不只是關於模型能力，更關乎於行業競爭標準，模型在快速進化，而競爭焦點從畫面質量轉移到了如何用更低成本、更高效率、更優質量完成交付。

不同團隊面對的困境不同，但有一點很清楚，模型的上限正在不斷提高，而行業真正的門檻，並沒有因此消失，甚至變得更高。