今天打開抖音的我，已經(jīng)分不清現(xiàn)實了。

別的不說了，差友們！馬上就要過年了，差評君先送請兩位咱們硬件部的同事，米羅和二狗來給大家跳個舞吧。

Ok 言歸正傳，今天我上班時刷的各種工作群摸魚群里，基本都在討論字節(jié)整的這個新模型。

原因無他，就是因為這玩意做出來的視頻效果實在是太好了。

甭管是生成美少女來和你打招呼。

by 虛妄 抖音

還是讓兩個老頭開始在屋子里大打出手都不在話下。

by 夜故事 抖音

還可以丟張咱們同事江江的照片給它，讓 Seedance 2.0 直接給我們生成一段天氣預報的口播畫面出來。

沒錯，這整條里面的聲音也是 AI 直接生成出來的，整個視頻里的各種音效細節(jié)可以說是全給對上了。

再或者是直接丟張數(shù)學題給它，讓 AI 來手寫答案。

這里雖然結(jié)果寫錯了，但是口播的聲音卻是對的

太狠了字節(jié)，整個視頻里，不管是人物的一致性，還是動作的流暢性還是音頻的適配性，相比過去的視頻生成模型都有了斷崖式的提升。

工作了一天刷了一天抖音的我，已經(jīng)快要分不清什么是真，什么是假的了。

不過這，還不是最讓差評君感興趣的。

素材來源于網(wǎng)絡(luò)

真正讓我好奇的是，為什么這次的新模型這么強？

在簡單的體驗后，差評君發(fā)現(xiàn)這一方面是它的模型本身能力確實夠頂。

和其他常見的視頻模型一樣，只要隨便給它一段話，Seedance 2.0 就能給你生成一段質(zhì)量尚可的視頻。

在上海的東方明珠塔下，生成東方明珠塔用激光攻擊蜜雪冰城雪王的視頻，

雪王不斷躲避激光，場面十分混亂

看起來好像平平無奇，但是咱們仔細看就會發(fā)現(xiàn)，這個視頻里，出現(xiàn)了不只一個鏡頭。

短短五秒鐘的視頻，鏡頭切換了四次。

先遠景看東方明珠塔變形發(fā)光，再懟臉給雪王表情，再回到全景展示攻擊。節(jié)奏跟得上、邏輯能閉環(huán)，整個段落不光好懂，甚至挺有情緒。

沒錯，Seedance 2.0 做出來的視頻自帶分鏡。

經(jīng)常喜歡用 AI 做視頻的差友們都知道，在過去，大多數(shù) AI 模型做出來的視頻，基本上就是主打“一鏡到底”。你給它寫一段提示詞，它還給你一段幾乎固定定機位的畫面。

即使有些模型有分鏡吧，但他們做出來的分鏡也可能不夠有靈魂，變得非常奇怪。

某另外一個視頻模型用相同提示詞做的畫面，

基本都是站樁輸出

就比如上面這個視頻，這畫面好看嗎，咱們先拋開它沒識別出雪王的形象不談，光論這個視頻質(zhì)量本身，確實是算不上差的。

但是這視頻耐看嗎？那還真不好說。

一個視頻想要能引人注意，那剪輯的節(jié)奏就是一個非常非常重要的環(huán)境。

過去的 AI 想要做成剛才那樣的畫面，可能需要咱們預先構(gòu)思每個分鏡和分鏡之間是如何切換的。

然后用 AI 抽卡，生成一堆一堆的關(guān)鍵幀，接著再在這些關(guān)鍵幀和關(guān)鍵幀之間抽卡，才能得到成噸的素材。

然后再通過人類剪輯師的發(fā)力，才能把這些成噸的素材，給變成一段好看的視頻。

這一套流程下來，這就讓不少想玩視頻生成的新手心生畏懼了。

但這一切問題在 Seedance 2.0 這里，幾乎被徹底解決了。

可以明顯的看到，字節(jié)在分鏡上下了不少功夫。

在不用用戶特意去描述怎么分鏡的情況下，自動就把分鏡的活給包圓了。

整個應(yīng)該鏡頭應(yīng)該怎么切才好看給你整的明明白白，幾乎是把過去半個小時的工作量給壓縮成了一句話。

而且它同時還是個配樂大師，做出來的視頻里，該有的音效全都有。

不管是光之巨人和怪獸大戰(zhàn)時的嘶吼聲。

還是在夜之城飆車時的引擎轟鳴聲。

都可以非常精髓的還原到位。。。

甚至于你還可以直接在提示詞里寫清楚，你想要在這個視頻里聽到 AI 說什么話，就連音色也可以通過自己上傳聲音來制定。

另一方面，字節(jié)的產(chǎn)品設(shè)計也整的很牛 X。

如果說過去的 AI 視頻工具用起來還有各種各樣的門檻和困難的話，那么這次新發(fā)布的 Seedance 2.0 就是把這些門檻都給鏟飛了。

現(xiàn)在，普通人都能很方便的用AI，來做出各種華麗的畫面了。

所以為什么我要給這個模型這么高的評價？不只是因為它能出好畫面，而是因為它真的在認真做“產(chǎn)品”。

即使是零基礎(chǔ)小白也不用害怕，這可能是目前最適合新手來玩的視頻生成大模型了。

它的邏輯非常清爽，打開即夢（jimeng.jianying.com）在最底下選擇“視頻生成”，在邊上把生成視頻的模式給切換成“全能參考”，或者是“首尾幀” 之后，就可以用上最新的 Seedance 2.0 模型。

如果這里你找不到 Seedance 2.0 這個選項的話，那可能就是這個號沒有被內(nèi)測到，可以用小云雀 App 試試，或者過段時間等火山引擎發(fā)布了Seedance 2.0 API，就能在更多平臺和APP里用到了。

沒有會員也沒關(guān)系，每天靠著簽到的積分也可以先白嫖體驗一下，如果覺得好用再充也來得及。

OK 咱們回到主題，首尾幀這個模式就不用多說，也是咱們的老朋友了，既能貼上頭尾兩張圖片來控制 AI 的發(fā)揮，也能只貼一張開頭的圖片來讓 AI 自己天馬行空，還可以什么都不貼，打字就能直接得到我們想要的畫面了。

而另外一個“全能參考” 模式就有意思了，過去咱們用 AI 做視頻，遇到的最大問題是什么？

對我來說，這個最大的問題可能就是“不會形容”了。

有時候腦子里明明知道自己想要什么畫面，但是在打字的時候卻經(jīng)常寫不出來。

可一但提示詞寫得太抽象，那模型就給你瞎編，可寫得太具體，又像在拼題。經(jīng)常是提示詞寫到懷疑人生，還是生不出想要的質(zhì)感。

而這個“全能參考” 模式就能在很大程度上避開這個問題。

在這個模式下，你可以同時從圖片、視頻、音頻和文本這四個維度來描述你想要得到的畫面。

就比如開頭的跳舞小視頻，我只需要同時上傳米羅和二狗兩位同事的照片，然后再配上一段舞蹈的視頻一起給它，就能很輕松的整出來，也能基本保證人物的面部輪廓在生成的視頻中不會崩潰。

這樣一來，我就不需要描述具體舞蹈的姿勢，也不需要描述我需要什么音樂，甚至連人物穿什么衣服都不用說，就可以直接搞出一條舞蹈視頻。

當然，想給他們換衣服也很簡單，改個提示詞就行了。。。

為了保護差友的雙眼（為了不被打），我決定來點馬賽克

在這次 Seedance 2.0 里，這個參考模式最多支持同時輸入 9 張圖片，3 個視頻， 3 個音頻（但是加起來不能超過 12 個文件）

我們可以在這個 12 個素材里任意發(fā)揮，來得到我們想要的畫面，基本等于是可以傻瓜式來操作了。

說實話，它的整個產(chǎn)品的設(shè)計邏輯其實讓我想到了另一款字節(jié)的 App —— 豆包。

這是在那產(chǎn)品的思路在做大模型。

不管是剪輯分鏡的快速生成，還是音頻畫面的同步輸出，再或者是方便創(chuàng)作的參考模式。

這三個功能的目的都很明確，希望能夠降低 AI 視頻生成的門檻。

下賽季你來單防詹姆斯

我很喜歡這樣的產(chǎn)品，但到最后，話又要說回來了：

技術(shù)進步從來不是單向的狂歡。

隨著 AI 生成視頻的門檻越來越低，分不清 AI 視頻的人，也會越來越多。

過去大家會說“眼見為實”，會說“視頻是不能 P 的”。

但現(xiàn)在隨著 AI 這一路往前奔騰進步的態(tài)勢，P 個視頻已經(jīng)是輕輕松松的了。

像咱們這樣天天和 AI 打交道，看新聞的人或許能分的出來，但是我們身邊的老人孩子呢？

咱們編輯部就有個小伙伴，下午出于好玩的心態(tài)。做了一段“他自己在送外賣”的視頻，結(jié)果發(fā)到家族群里之后，他媽就當真了。

嚇的他趕緊解釋，自己沒被開除，這是 AI 做的視頻，就怕下一秒直接被家長的奪命連環(huán) call 來拷打。

看著阿姨在群里著急的樣子，差評君其實笑不出來。

因為我們突然意識到，這道橫亙在現(xiàn)實和詐騙之間的防火墻，其實非常脆弱。

不過好在，字節(jié)好像自己也意識到了這個問題。

在今天晚上我真人照片來做嘗試的時候，就遇到了好幾次被屏蔽的情況。

當然這個屏蔽情況算不上穩(wěn)定啊，但是能有這種“自我約束”的意識，總歸是個好苗頭。

因為技術(shù)跑得太快時，總會有人被落在后面，而那些人往往是我們最親近的長輩。

但是別忘了，我們能認得出這些 AI 生成的視頻，不是因為我們特殊，而是因為我們接觸的早，有了抗性。

在這種情況下，我們掌握的不只是一個創(chuàng)作工具，更是一種沉甸甸的責任感。

也希望未來的 AI 視頻，能幫我們延伸想象力的邊界，而不是磨滅掉那些最基本的真實。

撰文：早起

編輯：江江 & 面線

美編：素描

圖片、資料來源： x，網(wǎng)絡(luò)，部分素材未核實到確實出處未標注