30秒不是多一倍：Seedance 2.5把AI影片的難題推到了鏡頭之外

第一次用AI做影片的人，通常很快就會經歷兩個階段。

開頭是興奮。 人物會動，鏡頭會推，光影也像一回事。 多試幾次以後，興奮被另一種感受取代：漂亮鏡頭存了一堆，放進時間線卻不像一條片子。 這個人剛才還穿著黑衣，轉個鏡頭領口變了；前一秒在下雨，下一秒地面是乾的；畫面單看都不錯，連起來就是不對。

Seedance 2.5把單次生成上限從15秒拉到30秒，還能一次接收更多圖片、影片和音訊參考。 7月底上線後，討論幾乎都圍著「30秒直出」轉。 可用過視訊模型的人知道，時長翻倍絕不只是多等一會兒。

15秒足夠做一個動作、一段氣氛、一次產品展示。 30秒開始有了故事的最低形狀：人得從一個狀態走到另一個狀態，動作要有起因，情緒要有落點。 人物多走幾步，模型需要記住的東西就倍增。

極客公園測試時寫過一段咖啡館場景：記者盯著空白文檔，喝咖啡，開始敲字，窗外從暖黃變成深藍，最後合上電腦。 提示詞不複雜，但都藏在過程中──手和杯子的關係、窗外光線的變化、敲鍵盤的節奏、人物表情從焦慮到放鬆。 這些細節只要錯兩三處，觀眾就會齣戲。

所以，Seedance 2.5帶來的壓力首先落在創作者身上。 以前寫一句“電影感、黃昏、慢推鏡頭”，抽到一條漂亮片段就可以收工；現在得先想清楚，30秒裡究竟發生什麼。

素材容量變大也有同樣的問題。 模型可以吞下更多參考圖、視頻和音頻，但素材不會自動站成一隊。 哪張圖負責人物，哪段影片只藉運鏡，音樂從哪裡起，哪些參考彼此衝突，都得有人決定。 輸入框正在變回工作台。

這也是為什麼最近「智慧拉片」「分鏡管理」重新變熱的原因。 它們做的事情並不神祕：把一條成熟影片拆成鏡頭、運動和音樂，讓創作者知道自己究竟在模仿什麼，再把參考素材分配給對應環節。

生成视频走到这里，有点像早期数码摄影。 相机越来越聪明，没有让构图和剪辑消失，只是让按下快门变便宜了。 AI影片也是如此。 模型负责把素材做出来，成片仍然要靠选择。

30秒也改變了團隊內部的分工。 短片段時代，最熟悉模型的人往往包辦提示詞、抽卡和初剪；鏡頭一長，前期腳本和資產管理重新有了分量。 同一人物要準備哪些角度，服裝和道具在哪些鏡頭必須延續，聲音是模型直出還是後配，都需要在生成前就定下來。 否則前方省下的拍攝時間，會在後面變成無止盡的重抽。

這也是「50個參考素材」容易被誤讀的地方。 容量說明模型允許帶入多少信息，並不保證每一份信息都被同等理解。 參考越多，互相打架的機率越高。 創作者需要做的不是塞滿額度，而是給素材排優先順序：這張鎖定臉，那一段只參考動作，這一軌音頻決定節奏。 到了這裡，提示詞更像是簡化的拍攝計畫。

版權問題也會跟著時長放大。 一張相似的臉、一秒鐘接近某部電影的構圖，在碎片化傳播裡可能一閃而過；進入完整敘事後，角色、場景和音樂的來源都更容易被辨認。 商業團隊若打算把生成影片用於廣告和劇集，只有「模型可以產生」還不夠，還要保存參考素材來源、授權範圍和每次修改記錄。

聲音同樣不能只看「是否同步生成」。 對白有沒有吞字，環境聲會不會突然斷掉，音樂是否壓住人物，都要進入審核。 畫面能看以後，過去由錄音、剪輯和混音解決的問題，會一項項目回到流程裡。

對商業團隊來說，帳還要算得更細。 主角近景值得用高規格模型反覆生成，一個半秒的街景過場未必需要。 每一刀都上最貴的模型，成片未必更好，算力帳單倒會先失控。 30秒能不能用，不看官方示範有多驚艷，要看一個團隊為了得到可交付版返工多少次。

Seedance 2.5當然是一輪能力升級。 它讓人物一致性和連續表達向前走了一截，也讓問題從「模型能不能畫出來」變成「創作者知不知道自己想要什麼」。

一分鐘、兩分鐘遲早會來。 到那時，模型公司會繼續講時長，真正做片的人大概只關心三件事：這條改幾遍，花多少錢，觀眾願不願意看完。

*資料來源：位元組相關產品公開資訊；極客公園《Seedance 2.5實測》；InfoQ關於AI視訊生產成本與工作流程的報告。 封面圖源：極客公園。 *