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。
自動播放沒錯，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可以說是全給對上了。
再或者是直接丟張數學題給它，讓 AI 來手寫答案。
這里雖然結果寫錯了，但是口播的聲音卻是對的
自動播放太狠了字節，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。
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，差評君發現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現，這個視頻里，出現了不只一個鏡頭。
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光，再懟臉給雪王表情，再回到全景展示攻擊。節奏跟得上、邏輯能閉環，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。
經常喜歡用 AI 做視頻的差友們都知道，在過去，大多數 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，那剪輯的節奏就是一個非常非常重要的環境。
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，生成一堆一堆的關鍵幀，接著再在這些關鍵幀和關鍵幀之間抽卡，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。
整個應該鏡頭應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時的嘶吼聲。
自動播放還是在夜之城飆車時的引擎轟鳴聲。
自動播放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。
自動播放另一方面，字節的產品設計也整的很牛 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，那么這次新發布的 Seedance 2.0 就是把這些門檻都給鏟飛了。
現在，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“產品”。
即使是零基礎小白也不用害怕，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測到，可以用小云雀 App 試試，或者過段時間等火山引擎發布了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。經常是提示詞寫到懷疑人生，還是生不出想要的質感。
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，它的整個產品的設計邏輯其實讓我想到了另一款字節的 App —— 豆包。
這是在那產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
我很喜歡這樣的產品，但到最后，話又要說回來了：
技術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”。
但現在隨著 AI 這一路往前奔騰進步的態勢，P 個視頻已經是輕輕松松的了。
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。做了一段“他自己在送外賣”的視頻，結果發到家族群里之后，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 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，這道橫亙在現實和詐騙之間的防火墻，其實非常脆弱。
不過好在，字節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。
