AI視頻進入「生產(chǎn)線」調研

作者 | 鄭敏芳

編輯 | 松壑

年初，Seedance 2.0的亮相，點燃了AI視頻參與影視工業(yè)化流程的可能。

隨著短劇、廣告、電商等場景開始嘗試將AI視頻納入實際生產(chǎn)流程，AI視頻模型正在從刷分走向干活階段。創(chuàng)作者更關心的也不再只是模型參數(shù)和榜單表現(xiàn)，而是模型能否穩(wěn)定出片、支撐連續(xù)鏡頭生成，并最終嵌入一套可復用、可協(xié)作、可交付的工作流。

字節(jié)跳動旗下Seedance 2.0正是在這一背景下受到關注。

“相比不少模型對提示詞精細度要求較高，Seedance 2.0即便面對較短、較抽象的提示詞，也能在內部擴寫成更專業(yè)、更詳細的描述，把普通人的表達翻譯成模型能夠執(zhí)行的鏡頭語言，從而降低用戶使用難度。”西安一位短劇從業(yè)者向華爾街見聞·全天候科技感慨道。

與此同時，快手可靈、阿里的HappyHorse仍在加速迭代；愛奇藝納豆、群核科技LuxReal等玩家則從工作流、數(shù)字資產(chǎn)、3D空間和協(xié)作工具切入；生數(shù)科技、愛詩科技、MiniMax、商湯等垂直玩家也在繼續(xù)卡位。

模型、平臺、工具鏈等各類玩家同時下場，AI視頻賽道正在變成一條擁擠且高速發(fā)展的賽道。

一

刷分失效

從廠商層面看，競爭梯隊正在快速拉長。

互聯(lián)網(wǎng)大廠方面，字節(jié)有Seedance（即夢），快手有可靈，阿里有happyhorse。

除主流互聯(lián)網(wǎng)公司外，長視頻平臺愛奇藝也已下場，推出面向短劇專業(yè)制作的全流程AI創(chuàng)作平“納豆”。

在大廠之外，垂直玩家同樣密集涌入：生數(shù)科技的Vidu、愛詩科技的PixVerse（拍我AI）、MiniMax的海螺、群核科技的LuxReal、商湯的Seko等，紛紛圍繞這條賽道展開卡位。

但熱鬧的另一面是，當AI視頻開始從模型演示走向真實生產(chǎn)線，外界對模型能力的判斷標準也在發(fā)生變化。

過去一年，圍繞AI視頻模型的各類榜單越來越多，模型排名、樣片對比層出不窮。這些榜單在一定程度上放大了行業(yè)熱度，也讓外界更直觀地看到不同模型之間的能力差異。

但問題在于視頻生成一旦進入短劇、廣告、內容工業(yè)化等真實生產(chǎn)流程，模型要面對的就不再只是“能不能生成一段好看的樣片”，而是能否穩(wěn)定生成一段具有畫面質感、動作流暢、人物主體一致性等的素材。

這些能力很難被一套自動化榜單完整衡量。

因此，在當前階段，不少廠商內部已經(jīng)開始弱化機器自動評審視頻效果，更加側重于人工評價和真實場景反饋。對于下游創(chuàng)作者而言，一個模型是否真的好用，往往不是看它在榜單上的排名，而是看能否在連續(xù)生產(chǎn)中減少返工、提升出片效率，并真正進入工業(yè)化流程。

某種程度上，這正在復現(xiàn)大模型Agent賽道中已經(jīng)出現(xiàn)過的“刷分失效”。

在Agent剛剛興起時，行業(yè)同樣熱衷于用排行榜衡量模型能力。但隨著Agent從對話和演示走向真實工作流，外界很快發(fā)現(xiàn)許多榜單分數(shù)并不能直接對應實際可用性。

原因在于，Agent真正進入“干活”階段后，面對的往往是多步驟、長鏈路的決策和執(zhí)行，需要理解目標、拆解任務、調用工具等，并在過程中不斷修正路徑。

但現(xiàn)有評測體系很難完整測試這種長任務的能力。

從這個角度看，Seedance 2.0受到關注正是因為它已經(jīng)開始被嵌入真實生產(chǎn)流。

二

從可用走向生產(chǎn)

據(jù)全天候科技走訪的多家下游應用方情況來看，Seedance 2.0帶來的體感變化更為直接。

“無論是對視頻內容的理解、對物理世界規(guī)律的把握，還是表演的自然度，Seedance 2.0都有大幅度提升。”AI短劇制作公司可夢智能（北京）科技有限公司的內容負責人劉城對全天候科技表示。

以視頻內容的理解來說，劉城認為Seedance 2.0對于抽象語義的理解已經(jīng)有了較大的進步。

“雖然最后生成的結果仍有不確定性，但是已經(jīng)做得不錯了。比如提示詞是‘讓這兩個人在場景中產(chǎn)生曖昧的互動’，AI會分析并生成兩個人之間帶有曖昧的光影效果和色調，人物的鏡頭運動可能會變得更加緩慢，相當于它會根據(jù)需求自動補充這些元素。”劉城表示。

不僅如此，他舉例稱原來一些武打動作、復雜的多人交互場景，常常會出現(xiàn)穿幫、穿模、人臉模型錯位等問題，但經(jīng)過Seedance 2.0之后，目前已經(jīng)基本得到解決。

“有一些視頻其實你根本看不出來是AI還是真人。”劉城直言。

重慶一位短劇從業(yè)者亦持相似的觀點。

“Seedance 2.0出來以后，確實人物、口型和聲音的一致性保持比以前好，而且畫面的油畫感也弱了很多，分鏡設計上也變得更聰明。”該從業(yè)者向全天候科技表示。

據(jù)西安一位AI短劇行業(yè)人士向全天候科技透露，在Seedance 2.0的加持下，其通過對提示詞的優(yōu)化等，現(xiàn)在能做到一到兩次便生成一段10秒鐘左右的視頻，至多三次便能實現(xiàn)滿意效果。

“如果熟練的話，可能一部50集的真人AI短劇兩周左右就能完成了。”該人士透露。

作為一名正在創(chuàng)業(yè)、專注AI短劇工具的開發(fā)者，星熹（化名）認為字節(jié)跳動接入Seedance2.0模型的即夢，功能的易用性做的比其他廠商完善。

據(jù)星熹反饋，即夢視頻生成的全能參考模式能夠較好的理解九宮格分鏡圖片。即上傳一張包含了九個分鏡頭的關鍵幀圖片后，可以基于分鏡圖標注的順序自動推理生成視頻。但是現(xiàn)在大家迭代速度都很快，其他工具也有這個功能了。

至少在當前這一輪AI視頻競爭中，Seedance 2.0已經(jīng)率先把模型能力從“可用”推向“更接近生產(chǎn)級”，也讓后來者的追趕壓力進一步加大。

三

痛點主要是什么

盡管Seedance 2.0是斷檔式的存在，但AI視頻行業(yè)的共性問題仍然存在。

一是隨著生成視頻時長的拉長，人物主體難以保持一致性。尤其是當人物從正臉轉到側臉時，人物主體的臉就可能發(fā)生變化。

目前包括Seedance 2.0等模型在內的廠商基本解法是控制單個視頻生成的時長，基本保持在5-15秒。

這導致用戶只能一個一個片段的生成視頻，再通過后期剪輯將這些片段拼接成完整內容。

但片段式生成又會帶來新的問題：每進入一個新鏡頭，創(chuàng)作者都需要重新把人物定妝照、服裝、場景、道具等信息帶入模型，以盡可能維持前后畫面的一致性。

學界也在探討相應的解法。

例如北京大學計算機碩士生袁盛海團隊所發(fā)表的《Identity-Preserving Text-to-Video Generation by Frequency Decomposition》，想要解決的問題便是“在文字生成視頻時，如何讓同一個人物在不同幀、不同動作、不同角度中保持人物主體的一致性。”

例如袁盛海在該論文中所提出的技術框架ConsisID，主要是通過把人臉的特征分成高頻和低頻兩種信號，再分別讓模型進行學習，以此降低模型學習的難度。

“之前大家的做法就是直接把原圖丟給特征提取器里去提取特征。我們認為這樣其實是會提升模型學習的難度。”袁盛海解釋稱，“我們后續(xù)查閱了一些文獻，發(fā)現(xiàn)人臉特征實際上可以分為高頻和低頻兩種類型。高頻信號對應于人臉的細節(jié)，如面部紋理和眼睛等細節(jié)相關的特性。而低頻信號則與人臉的全局特征相關，包括人臉骨架、眼睛、鼻子等五官的相對位置，這些特征可以被理解為低頻的信號。如果我們能夠將這兩種高低頻特性分開，并分別讓模型進行學習，其實是會讓模型更容易學習這些特征。”

二是人物與背景的“圖層割裂”。

許多觀眾都能直觀感受到，AI生成視頻中的人物常常“漂浮”在背景之上，仿佛不在同一圖層。

星熹分析，很多畫面ai味的根源在于光影和層次處理。由于現(xiàn)在不少轉型做AI視頻的創(chuàng)作者大多沒有經(jīng)過影視美學訓練，不懂得主動調整光影效果，導致畫面缺乏層次。

“可能部分從業(yè)者對光的角度、陰影、焦點、景深的處理不夠協(xié)調，導致畫面給人扁平感或者割裂感。所以很多畫面看起來覺得是兩個圖層強行拼湊在一起。”星熹指出，“去掉畫面AI味在很大程度上取決于制作人員的影視攝影基礎，最簡單來說就是美學理解和鏡頭中的關系呈現(xiàn)。”

也有AI視頻研究人員告訴全天候科技，這本質上是模型端的多模態(tài)參考融合問題，人物參考圖和場景圖各有各的色調、各有各的光感，二者融不到一起。

三是長敘事下的鏡頭邏輯與情感張力。

星熹認為，即便是大廠自研劇本生成和劇本拆分工具，在劇本層面仍存在“平鋪直敘”和“劇情生硬老套”的問題。

“針對特定類型和風格的泛化能力不夠，沒有波瀾和起伏。”星熹指出，“雖然會在大的劇情里設置反派，但在小情節(jié)里無法引起情緒共鳴，缺乏小沖突和邏輯嚴謹性。”

劉城也認為：“Seedance 2.0的升級雖然降低了AI內容的制作門檻，但這種情況下AI內容會泛濫，參差不齊，好的作品還是需要內容力的，才能真正打動觀眾。”

四

差異化補位

如此背景下，大廠之外的玩家開始在工作流、案例庫等方面作出差異化優(yōu)勢。

據(jù)劉城透露，在項目生成過程中，可夢采用了AI輔助功能。例如，團隊開發(fā)了分鏡提示詞和草圖功能，用戶修改提示詞后，AI可以完成80%至90%的創(chuàng)作。對于靈活運用AI提示詞的用戶還可以通過進一步微調提示詞來提升效率。

群核科技則把工作流優(yōu)化做到了3D層面，其在5月27日推出了短劇版的LuxReal。

基于群核科技自研空間大模型等3D技術 ，LuxReal能夠將2D畫面場景生成為可漫游的虛擬 3D空間。創(chuàng)作者可以自由調整機位、設置人物站位，系統(tǒng)基于同一個3D場景自動渲染對應畫面。

不過實際生成質量仍待觀察。例如雖然LuxReal為短劇工作流的設置較為完善，但主動思考的優(yōu)化程度仍待提升，存在人物衣著與時間背景不符合等問題。

愛奇藝的納豆接入了自研和Seedance 2.0等外部模型，結合愛奇藝IP庫、數(shù)字資產(chǎn)庫和創(chuàng)作者社區(qū)，形成可調用的平臺能力，為創(chuàng)作者一站式提供從內容生產(chǎn)到運營等全鏈路支持。

在這當中，IP庫、數(shù)字資產(chǎn)庫是愛奇藝的獨特優(yōu)勢。例如在數(shù)字資產(chǎn)庫中，創(chuàng)作者可以調用電視劇《成何體統(tǒng)》中的皇宮、《花戎》的魔界大全等多部電視劇中的場景、武器、動物等IP形象。

不過據(jù)全天候科技觀察，愛奇藝雖然自身擁有豐富的IP庫和數(shù)字資產(chǎn)庫，但是目前在納豆平臺中所呈現(xiàn)的數(shù)量仍相對有限。

總體來看，大廠之外的玩家在引入Seedance 2.0之后，主要在工程化、知識沉淀、流程協(xié)同等維度構建自己的差異化優(yōu)勢。

五

戰(zhàn)火不休

無論是長視頻穩(wěn)定性、人物一致性，還是可控性等，現(xiàn)階段的AI視頻行業(yè)確實還存在諸多需要被解決的痛點，競爭格局遠未到收斂階段。

在這樣的背景下，資本化也成為部分廠商加足馬力的重要選擇。

今年5月，市場傳出快手正在加速推進可靈的分拆上市，計劃明年啟動獨立IPO，Pre-IPO輪估值預計達200億美元。

隨后，快手在港交所公告中確認，公司董事會正評估重組可靈相關資產(chǎn)及業(yè)務的方案。

無獨有偶，垂直玩家也在加快融資和上市準備。生數(shù)科技在兩個月內連續(xù)完成兩輪共計逾26億元融資后，亦被傳計劃于2026年上半年啟動港股IPO，其工商主體已于3月底完成股份制改造。

密集的資本動作，意味著這條賽道的競爭烈度只會進一步抬升，而非收斂。

這些資本動作背后，折射出AI視頻賽道的另一重現(xiàn)實：模型競爭并不只是一場技術競賽，也是一場資金、算力、數(shù)據(jù)和場景落地能力的綜合競爭。

與此同時，AI視頻的商業(yè)化仍處在早期階段。短劇、廣告、電商、游戲、影視預演等場景雖然已經(jīng)開始驗證需求，但距離形成穩(wěn)定、規(guī)模化、高毛利的收入模型仍需要時間。

也正因如此，資本市場的資金支持某種程度上成為不少廠商繼續(xù)留在牌桌的重要籌碼。

當前AI視頻賽道的競爭并沒有因為Seedance 2.0的階段性領先而結束。相反，隨著更多廠商補充資金、加速產(chǎn)品迭代，行業(yè)有可能會繼續(xù)經(jīng)歷一輪模型能力、生產(chǎn)工具和商業(yè)化效率的競速。

*本文為全天候科技原創(chuàng)作品，未經(jīng)授權不得轉載，如需轉載，請在后臺回復“轉載”二字，獲取轉載格式要求。

點“在看”，變好看哦。