Seedance 2.5，要给机器人打工了

文 ｜ 字母AISeedance

2.5来了。距离2.0发布才过去不到半年，字节就又扔出来一个大版本。2.0有多火就不用多说了，上线即爆火，甚至于发布后一个礼拜，每天排队超过10个小时。短剧行业几乎人手一个Seedance 2.0，甚至于它一度被传成字节第一个真正赚钱的AI业务。

虽然火山引擎总裁谭待亲自出来辟谣说收入没那么高，但侧面也说明一件事，Seedance 2.0的确是火出圈了。到了2.5版本，字节官方的说法是，延续Seedance 2.0统一的多模态音视频联合生成架构，重点突破长叙事能力、多模态参考能力和编辑能力。

围绕真实的产业场景，让创作拥有更大的想象空间，并进一步释放生产力。事实真的如此吗？看了官方释出的演示，以及亲自上手后，可以肯定的是，Seedance 2.5确实超出预期。Seedance 2.5有哪些优势？

我先问个问题：AI视频生成最大的痛点是什么？是画质不够好？是角色脸会崩？还是生成太慢？都对，但都不是最痛的。真正让所有创作者头疼的是“短”。市面上绝大多数AI视频工具，单次生成也就5到15秒。

要是想做一个长一点的视频，也不是不行，但是得生成6段，然后自己拼。拼完就会发现，第一段的人物和第二段的人物长得不太一样，第一段的灯光是暖的，第二段突然变冷了，第一段的镜头是手持跟拍，第二段变成了固定机位。

拼接的地方永远有一道缝，你得花大量时间去修、去调、去重新生成。很多时候，修拼接的时间比生成本身还长。这是Seedance 2.5第一个值得吹的地方，原生30秒，一镜到底。注意“原生”这两个字。

它不是把6个5秒的片段粘在一起，而是模型一次性前向传播，从头到尾生成一整段30秒的视频。整个过程中，角色的长相、衣服的褶皱、光影的方向、运动的节奏，全部是连贯的。Seedance 2.5模型从一开始就规划好了完整的30秒视频。

官方演示里有一段，歌手从化妆间起身，穿过后台走廊，和伴舞汇合，一起登台，最后镜头拉远到整个体育馆。从铺垫、推进、转折到收尾，30秒一气呵成。光有长度还不够。第二个大升级是多模态参考能力。

Seedance 2.0的时候，模型已经支持参考输入了，但数量有限，只有12个。到了2.5，总数直接干到50个，30张图片、10段视频、10段音频。50个参考素材意味着你可以把主角的正脸、侧脸、全身照，场景的概念图、道具的细节图，把运镜参考视频、节奏参考音频全都一股脑扔进去。

模型综合理解所有这些素材，然后生成一段符合你所有要求的视频。多人同框、群像叙事，以前是AI视频的噩梦。现在你把每个人的参考图都喂进去，模型能同时还原多个人物的形象和声音，各主体特征保持稳定。

官方演示的那个音乐会片段，钢琴家、大提琴、小提琴、主唱、管弦乐队、合唱团、观众席，十几组参考素材一起上，出来的画面里每个人物都有自己的样子，不是复制粘贴的脸。更有意思的是Seedance 2.5多了一个功能叫做白模参考。

什么叫白模？就是那种没有纹理的3D模型，灰扑扑的，像橡皮泥捏的。你可以用白模搭出画面的空间结构、人物的姿态、运动的轨迹、镜头的机位，然后让Seedance 2.5参考这套结构来生成视频。

相当于你先用最便宜的方式把“骨架”搭好，确认构图和调度没问题了，再让模型把“皮肉”长出来。以前你只能靠文字描述镜头，描述不清楚就反复生成，浪费时间浪费钱。现在有了白模，镜头怎么运动、人物站在哪、光从哪来，全部精准可控。

第三个大升级是编辑能力。AI视频生成有个老毛病，你想改一个小细节，就得整段重新生成。假如你想把桌子上的红色瓶子换成蓝色的，对不起，整段重跑。镜头运动、光影、人物动作，全部重新来一遍。

Seedance 2.5支持局部场景编辑。你指定要改的区域和内容，其他部分原封不动。换个产品、换个背景、换个手势，都可以定向修改，不需要从头再来。还有时间戳控制。你可以精确指定第几秒发生什么事、镜头在什么时间切换、某个动作在第几秒出现。

生成前可以通过prompt控制节奏，生成后可以针对指定片段进行修改。这对广告、短剧这种对时间精度要求高的场景，简直是刚需。绿幕编辑也升级了。模型不只是简单地替换背景，它还会根据新场景的物理规则，重新渲染人物身上的效果，比如视频里衣服往哪边飘、头发怎么动、光影怎么打、步态节奏怎么变，全部跟着场景走。

最后还有个细节，Seedance 2.5专门优化了视频生成中常见的“油腻感”。所谓油腻感，是指AI生成的人物皮肤，总是油光发亮的，像抹了一层油；物体材质也怪怪的，塑料不像塑料、金属不像金属；

画面饱和度偏高，整体有一种说不出来的“AI味”。字节对物体材质、人物肤质与眼神、光影、画面饱和度这些细节做了系统优化。同时减少了字幕和背景音乐不受控的情况，让成片更接近实拍的影视质感。

Seedance 2.5不只是给人准备的今年3月OpenAI关掉了Sora消费者版，核心团队转去做机器人。视频生成模型练到最后，练出来的就是模拟世界的能力。Seedance 2.5发布的当天，字节扔出来一个名单，包含徐工集团、小鹏汽车、穹彻智能、微分智飞、灵初智能等等，均为工业、生产相关企业。

你想让机器人学会抓杯子，得让它试成千上万次。每次都用真机器人、真杯子、真桌子，试错成本高得离谱，速度还慢。更麻烦的是，很多场景根本没法用真机测。极端天气、罕见路况、突发事故，最需要训练的场景恰恰最难拿到数据。

这就是具身智能喊了这么多年一直进展不快的原因。不是算法不行，是数据太贵……不仅贵，而且太少、太难搞。因此，Seedance选择直接给具身智能生成训练用的数据。穹彻智能是做具身智能大模型的，以前训练机器人得靠实体机器人一台一台采集数据，不同机型、不同场景、不同任务，数据量需求大，采集成本高。

现在有了Seedance，直接用视频生成模型扩充训练数据，不用实体机器人逐一采集，就能生成适配不同机型的操作数据。机器人还没动，训练数据已经生成好了。Seedance优化了物理规律、材质质感、运动轨迹。

生成出来的画面跟真实世界拍的越来越像。用这样的数据训练出来的机器人，到了真实世界适应能力反而更强，因为它在虚拟世界里已经见过各种各样的极端情况了。微分智飞走得更远。这家做飞行机器人的公司，把Seedance融入了飞行机器人应用，搞出了一套标准化、高难度的数据集生成流程。

在过去，障碍物闪避、室内自主寻路、智能目标锁定，甚至复杂镜头运动下的姿态调整，这些场景如果用真实无人机去测，成本高、风险大，还不一定能复现。改用Seedance生成以后，想生成多少生成多少，想多极端有多极端。

具身智能这个赛道，大家都在抢数据，谁的数据多、数据质量高，谁的模型就跑得快。以前这条路是堵死的，数据只能靠真实场景一点点攒。现在有了AI视频生成，相当于开了个数据外挂。同时，Seedance目前也进入到了工业培训环节。

徐工集团就是如此，他们把Seedance用在了工业操作培训和工序SOP视频生成上。以前工人培训，要么老师傅带，要么拍教学视频，要么做3D动画。但是拍视频和3D动画不仅贵，后面想要升级、改变工序，那么整个视频就得重新拍。

现在用Seedance生成，输入一段文字描述，直接生成标准的操作演示视频。哪怕后面工序改了，改改提示词重新生成一遍就行。从机器人训练到工业培训再到产品设计，Seedance已经不只是一个做视频的工具了。

它正在变成一种基础设施，渗透到实体产业的各个环节里。能延续Seedance 2.0的神话吗？6月FORCE 大会后的媒体沟通会上，有媒体问火山引擎总裁谭待，说外面都在传Seedance单月收入超过10亿、毛利率70%，是不是真的？

谭待说，外面所有传的Seedance收入数据都是错的，而且偏高。他还补了一句话：“给我压力很大，财务天天问我是不是藏数了。”“你想啊，文本生成一个token几分钱，视频生成一秒钟就得几块钱。

30秒4K视频，一跑就是几十上百块的算力成本。用户越多，亏得越多。”谭待表示，Seedance定价偏低。2.0 Mini版本每秒1.6分，标准版也贵不到哪去。这个价格，别说赚钱了，能不能覆盖算力成本都不好说。

谭待认为，现在外界过度关注Seedance的短期收入，是低估了它的技术意义。谭待所指的技术意义，指的是视频生成是构建世界模型的基础。Seedance对于字节来说，不只是一个赚钱的产品，它是字节整个AGI战略的一个核心抓手。

现在亏的钱，是在给未来的世界模型交学费。前面说的具身智能、工业仿真、自动驾驶，都是万亿级的市场，如果视频生成模型真能变成世界模型的雏形，那现在这点投入根本不算什么。更重要的是，Seedance不是孤立在烧钱。

它跟豆包、即梦、剪映、火山引擎是联动的。模型能力提升了，整个产品矩阵都受益。这本身也是字节习惯的套路，用大规模投入换技术领先，再用技术领先换生态壁垒，最后用生态壁垒赚长期的钱。但客观说，这条路也不是没有风险。

第一，世界模型这条路到底走不走得通，谁也不知道。视频生成能力强不等于就能做出世界模型，中间还差着好几个量级。如果最后证明这条路走不通，那前面投的钱就打水漂了。6月的时候，AI教母李飞飞写了篇文章，标题为《世界模型的功能分类》（A Functional Taxonomy of World Models），文章提到，市面上的世界模型分成三类：渲染器、模拟器、规划器。

视频生成模型属于第一类，优化的是视觉可信度，不是物理准确性。画面看着很美，但你没法信任它去设计一栋建筑或者训练一个机器人。字节自己也有前车之鉴。Seed旗下的科研团队AI4S，今年也经历了一轮大调整，首席科学家顾全全、计算生物学负责人肖文之等核心成员相继离职创业。

在前沿探索上，投入大、周期长、不确定性高，哪怕是字节，也不是每条路都能走通。第二，竞争对手也在追。可灵、Vidu、Veo，除了这些大家早已熟知的，现在还多了阿里的HappyHorse。

Seedance现在领先，但领先优势能保持多久，不好说。如果大家性能逐渐相似了，到时候行业再把价格战打起来，亏损只会更大。第三，回到了谭待一开始提出的问题，定价高了没人用，定价低了亏死，视频生成作为一个新兴产业，它太年轻了，商业化的节奏不好把握。

怎么在技术投入和商业回报之间找到平衡点，是个大难题。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App