Seedance 2.5之后，AI视频进入Harness Time

最近 AI 短剧女主接广报价 60 秒 25 万引发热议， 视频生成已经从展示模型能力的 Demo，变成真正参与生产的工具，甚至进入传统影视的制作流程。 《太平年》在第 31 届白玉兰奖拿下五项大奖，AI 就参与了这部剧的前期、拍摄和后期制作。部分 AI 镜头的制作效率，能比传统 CG 提升 3 至 10 倍。 Seedance 2.5 再次刷新了视频生成能力上限，它最多支持 50 个图片、视频和音频参考，直出 30 秒视频，在指令理解与精准编辑上展现出极强的影视工业素质。 但当视频做得越长、素材用得越多，创作进入深水区后，也会带来更复杂的问题：大量的参考素材需要整理，角色和场景也得一一对应。生成结果一旦出错，又该怎么修改？ 好马需配好鞍，要让顶尖的模型性能在复杂的长故事与多镜头生产中顺畅落地，创作者往往需要一整套更适配的 Harness。 LibTV 最近就针对 Seedance 2.5 的升级，做了一套新的 Harness 。 这波更新的重点自在于，怎么把高标准的工程完整做完。LibTV通过补充参考拆解、素材组织、片段修改和镜头合成等核心工程环节，尝试为 Seedance 2.5 打造了一套可反复迭代、稳定交付的专业工作流。 这套 Seedance 2.5 的新马具表现如何，APPSO 也第一时间进行了详细实测。 50 个参考素材，终于不用一个个手动匹配 LibTV 介入到 Seedance 2.5 后，我最先感受到是，「抽卡」的手气似乎好了起来。 我们用同一段 Prompt，分别测试了 Seedance 2.0 和 Seedance 2.5。同样的要求，Seedance 2.0 只能生成 15 秒，镜头变化和整体完成度也比较有限。 但到了 Seedance 2.5，猫从车顶跃下，不同角色穿过车阵，镜头在近景、跟拍和高位全景之间切换。到了结尾，原本分散在公路上的角色还被收进了同一个大场面。 更关键的是，这条 30 秒视频第一次生成，就已经接近可用。 不过，一条视频能一次抽中，不代表整支片子也能这么省心。 当项目里出现几十个镜头、多个角色和场景，问题很快会从「能不能生成」变成「素材该怎么管」：剧本里的角色、场景和道具，要怎样和画布上的几十份参考逐一对应？ Seedance 2.5 给出了 50 个参考位。但如果寻找、选择和填写素材仍要手动完成，这 50 个参考位很快就会变成 50 份整理工作。 而 LibTV 的 AutoLink 会先理解剧本，再从画布中寻找对应的角色、场景和道具，把素材插入相应的提示词。 例如一个漫剧画风的故事片，只要把人物和场景素材放进画布，再交给 LibTV 一份完整剧本，LibTV 就能自动识别出剧本中的角色关系和场景变化，自动完成素材匹配。我只需要检查结果，替换个别不合适的参考。 这一步不会直接带来炫目的新画面，却决定了后面的角色和场景能否稳定。 Seedance 2.5 提供了更多参考位，LibTV 则把「找到素材、选中素材、放对位置」这套重复操作接了过去。 素材能放对位置只是第一步。接下来，我们干脆不提供完整素材，看看 LibTV 能不能自己补齐镜头并剪出一支广告。 我们给出的要求很简单：生成一组包含 3C 产品特写、跑步人物和广告感动作的灵感镜头。 LibTV 先追问需要哪类广告画面、是否要上传指定素材。在没有继续补充图片的情况下，它自行生成锚点画面，再把这些画面做成视频片段，最后跟着音乐节奏完成快切。 过去，创作者需要在找素材、生成画面和剪辑成片之间反复切换。现在，LibTV 已经能先跑出一版完整结果。 这支快剪验证的是速度。接下来，我们换成一支情绪类美妆广告，看看 LibTV 能不能让策划、镜头和声音始终围绕同一个意图推进。 我们先让 LibTV 分析一部爱情电影的视觉气质，再输入剧本。内置 Agent 主动确认人物、情绪和叙事方向，随后给出分镜，并继续生成镜头、旁白和音乐。 生成途中，我们对其中一个镜头不满意。我们直接指出需要修改的位置，LibTV 只重做对应片段，没有把整支视频从头再抽一次。 最终成片从暖色回忆切到冷色独处。牵手、夜路、眼泪和口红特写连在一起，情绪也从亲密慢慢转向疏离。 比起单个画面的出彩，LibTV 做到了策划、分镜和音画全流程的意图一致。原本散落在画布上的素材，迅速串成了一支能直接拿去交付的成片。 视频越做越长，越不能依赖整条重抽 素材组织解决后，我们继续测试 LibTV 的逐帧拉片。 这次，我们想保留一种潮湿、逼仄又带有颗粒感的城市情绪。旧楼、鱼缸、夜路和手持近景，共同组成一个独居青年女性的日常生活。 LibTV 会先拆解参考视频里的风格、关键帧、运镜、节奏和声音，再把结果整理成可以继续调用的素材组。 真正开始生成后，第一版很快暴露了问题。 房间显得过于破旧，穿袜子的镜头甚至出现了一只袜子套住两只脚的情况。第二轮修掉局部错误后，人物动作的顺序仍然不通：袜子穿好了，人却没有出门，几个室内镜头也像一组彼此无关的漂亮画面。 我们继续调整动作顺序，让人物先穿袜子，再出门、回家、看鱼、刷牙，最后躺到床上。同时加入鱼眼广角、近景和特写，让景别参与叙事。 前后改了四轮，这支片子才有了清楚的生活轨迹。 雨后的街道偏绿，鱼缸和卧室转向冷蓝，人物在镜子前刷牙时，画面又回到更克制的灰色。光线随着场景变化，整体气质没有散掉。 过去做拉片，创作者得盯着参考视频反复暂停、截图、记录时间点，再手动拆出画面风格、运镜和节奏。 现在，LibTV 先把参考片拆成一组可以继续调用的镜头语言。后面的修改不再靠模糊描述，直接落到具体镜头、景别和时间段。 为了继续增加难度，我们又制作了一支 88 秒的动画短片：雨夜里，一个女孩离开电脑，走到便利店门口，又拿起画笔继续画自己的故事。 这支片子一共有 20 多个镜头。 我们先做好人物三视图和场景图，再把剧本交给 LibTV。它识别画布上的图片资产，拆分分镜，生成锚点图和视频片段。 一张锚点图确认后，相关镜头就能沿用同一套人物和视觉设定。后来，我们要求 Agent 统一调整想象世界的画风，LibTV 找到所有相关镜头一起修改，不用再从二十多个镜头里逐张翻找。 成片时，系统根据剧情结构匹配音乐，再把二十多个镜头合成在一起。 便利店招牌、黄色雨衣、圆框眼镜和雨夜灯光都保持了较高的一致性。即使场景在电脑前、街道和画中世界之间来回切换，观众仍然能认出同一个人物和故事。 片段重拍也在这类工作流里派上了用场。 镜头相对独立时，创作者可以选中不满意的时间段，重新描述动作或画面，再把新片段替换回完整视频，省掉整条重抽。 不过，这项功能也有边界。面对连续动作时，新片段与前后画面的衔接仍可能显得突兀。人物运动、机位和光线持续变化后，单独重拍中间几秒，很难让接缝完全消失。 最后一项测试，我们把时长直接拉到 4 分 41 秒，看看 LibTV 能不能扛住一支真正的长视频。 猫群从堵塞的公路一路跳进城市，规模感远超普通短片。 但随着时长增加，重复画面和连续性问题也变得更加明显，积分消耗同样不低。 因此，现阶段的长视频能力更适合看作一个可以展开、拆分和持续修改的工作区。LibTV 已经能够组织几分钟的内容，但还不能保证一次生成就得到无需修改的成片。