自2024年6月可灵AI正式发布以后，快手在视频大模型上曾经一度领先了至少一年半的时间。

该大模型上线以来实现了超30次迭代，号称“全球首个统一多模态视频大模型”，部分功能创新甚至一度让可灵AI海外下载量“屠榜”。

除了技术之外，商业化方面同样引人关注。可灵是国内第一个实现商业化收入，并主动披露收入的视频大模型。1月13日，快手科技宣布，可灵AI 2025年12月的当月收入突破2000万美元，对应年化收入运行率（简称ARR）达2.4亿美元。此前，可灵AI曾在2025年3月，即正式上线的第10个月宣布ARR突破1亿美元。

但这种优势，2026年突然被打破。今年2月，字节旗下Seedance2.0AI视频生成模型在国内外互联网爆火出圈，被称为“地表最强视频生成模型”。特斯拉CEO埃隆·马斯克在社交平台上转发Seedance2.0相关推文，并评论称“发展速度惊人”。

2月5日，可灵3.0系列模型上线。如今，字节seedance2.0与快手可灵3.0狭路相逢。外界的关注点在于，这一次，快手可能不仅先发优势失灵，而且“先发后至”的尴尬局面会再次上演。

01 快手“全村的希望”

可灵一度被视为快手“全村的希望”，快手多次在财报中提及可灵业务。尽管它的年收入只占总收入的百分之一左右。

战略地位上，可灵已升级为快手当前优先级最高的业务之一。去年4月份，快手基于可灵 AI 组建了独立事业部，成为与主站、商业化、电商、国际化、本地生活并列的一级业务部门，向快手董事长兼CEO程一笑汇报。

快手科技CFO金秉曾在第三季度财报公布时表示，受可灵AI等相关业务超预期发展带动，公司将继续加大算力等AI相关投入，预计2025年集团整体Capex支出（资本性支出）将较去年实现中高双位数的同比增长。

只是，视频生成赛道处于高速迭代之中。技术竞赛背后比拼的依然是真金白银的砸钱力度，字节、阿里、腾讯等互联网大厂动辄千亿投入，让这场用户争夺战变得格外激烈。

可灵先发优势逐渐被削弱。据快手Q1的财报会披露，可灵AI营业收入主要由P端付费用户（指专业的自媒体、视频创作者和广告营销从业者等），以及为企业客户提供API服务构成，其中，近70%由P端付费用户贡献。程一笑曾在财报电话会上谈及可灵产品定位与竞争策略，称快手将聚焦于AI影视创作这一核心目标。

Seedance2.0用户看似更侧重C端，但目前包括AI短剧、网络电影在内的影视从业者、广告营销从业者与可灵AI核心用户重合度极高。

用户高度重合，各家之间已经没有严格的B端C端之分。可灵一位前员工向Tech星球表示，从优势来讲，目前可灵与Seedance2.0相差不大，可灵主要面向B端和专业用户，Seedance2.0在C端做的更好。可灵成本偏高，目前注重效果。但对专业的用户来讲，实际上各个视频工具应该都会用，不会只用一个。

短期来看，竞品崛起对可灵收入影响有限，但长远来看，用户心智碾压、迁移的影响更为致命。某国产化妆品品牌负责人李阳表示，今年年初看到AI大火，便开始研究如何利用AI制作视频。在此之前，公司从未使用AI视频工具生成视频。没研究过可灵、Sora，直接接触的就是Seedance2.0。

AI视频使用门槛并不高，李阳称，公司内部两个人研究提示词，研究怎么让产品不变形，怎么抽卡。周一开始研究，到周五基本就已经上手可以做一些视频出来了。充值会员使用Seedance2.0，一年标准会员费也就949元。

品牌使用AI视频工具，直接达成将本增效的效果，省去一大笔拍摄费用。过去，一支广告片，一般带明星的TVC拍摄费用都在百万以上。现在，只有会员充值费，便可以自产视频广告。而且制作周期大大缩短，前一天生成，第二天早上睡醒就可以出片。“我把它称之为种草。前一天种草，第二天一早起来收菜。我现在每天早上起来第一件事就是打开AI看我的视频生成出来没有，真就当代版QQ农场。”

02 字节Seedance2.0的崛起

单从数据、营收等维度，目前尚无法准确对比出可灵与Seedance2.0的体量与差距。可灵数据几乎是公开的，但Seedance2.0比较隐秘。数据显示，可灵月活跃用户（MAU）在今年1月突破1200万，年化收入运行率（简称ARR）2.4亿美元。Seedance2.0作为视频大模型，即梦、剪映、豆包等字节生态产品都有接入，入口太多，所以外界无法准确统计出用户规模。业内有人保守估算，Seedance2.0春节期间月活达到4500万人，反超可灵。

但在用户感知层面，Seedance2.0现在的声量显然高于可灵。

一位漫剧公司创始人向Tech星球表示，制作AI短剧会同时使用可灵与Seedance2.0，从个人使用体验来看，Seedance2.0更胜一筹。

用户迁移的迹象明显。不止AI短剧公司将Seedance2.0作为日常主力工具，很多影视从业者的第一AI视频工具也从可灵变成了Seedance2.0。影视制作人陈旭透露，今年年初开始使用AI视频工具，当时Seedance2.0尚未上线，可灵也还没有更新到3.0，还是可灵2.6，他们项目制作视频都是使用可灵2.6，图片制作基本上是Nano Banana。

Seedance2.0上线以来，现在跑视频如果不用排队会优先使用Seedance2.0，Seedance2.0排队的人太多了就会使用可灵3.0。

Seedance2.0目前最大的局限不在于技术本身，而是使用人次太多。日前，Seedance2.0从最初“地表最强”变为“排队最长”，视频生成时间过长成用户吐槽重灾区。陈旭称，因为团队需要保证每天产出内容，而Seedance2.0哪怕买了最高级会员也需要排队。加上Seedance2.0因为版权合规原因不支持真人人脸，暂时无法满足部分使用需求，所以日常还是会使用可灵3.0。

个人使用体验上，陈旭称，他觉得可灵在画质上优于Seedance2.0，前者质感、锐度更佳，可以原生生成1080p视频，而Seedance2.0默认或部分平台输出常为720p‌视频，需要通过其他工具提升画质，后期处理工序更复杂。其他方面，两者各有优劣。可灵反馈速度快，适合快速迭代和优化，缺点是抽卡率较低，某些复杂镜头难以生成。

Seedance2.0优点是生成效果更智能，能理解并执行更复杂的物理法则和镜头调度，智能化程度高，可基于脚本直接生成可用片段，适合复杂场景。但缺点是排队时间长，反馈周期长导致生产效率变低，画质较差，且不支持真人人脸识别。

可灵与即梦抽卡率大概是2:1或3:1，描述精准的情况下，两者差异不太大。

价格方面，目前可灵年会员分四种，最贵的黑金会员费用为11079元/年。即梦高级会员连续包年费用是2599元/年。不过，不少影视从业者表示，实际生成视频成本上，二者相差不大。

03 两强争霸，谁能笑到最后？

可灵曾在视频生成赛道一度领先，但现在声量与热度被Seedance2.0反超，看起来，可灵未来的挑战更大。

互联网投资人庄明浩分析称，从行业视角来看，现在主流观点认为字节已领先了，不仅仅是对于可灵，而是对整个行业而言。但Seedance2.0与可灵背后的字节、快手两家母公司，在AI视频领域都不可能犹豫跟纠结，哪怕一家模型在一段时间内领先，另外一家也不会动摇。只是在投入跟重视程度上可能会有区别，快手在可灵上的投入被一些投资人认为不足，而且从股价来看，资本市场似乎并未给予其更高的估值溢价。相对于智谱和Minimax而言，快手股价并没有因为可灵能力的提升得到边际增强。

字节因为Seedance2.0，不仅仅盘活了即梦，可能还有火山、小云雀、豆包、抖音等多个产品线，盘活的是字节整个视频生态。

今年多模态领域的竞争边际加剧，国内厂商更加激进。从模型本身来看，各家都在解决一致性、可控性等战术层面的问题。与此同时，出现了一定程度的分化。庄明浩称，同为视频模型领域的可灵和Seedance在当前阶段已经有所区隔，可灵3.0过去一段时间的版本更迭瞄准专业用户内容生产，Seedance更想做的是帮助普通用户做表达。

字节的野望可能并非仅仅打造一个视频工具。庄明浩认为，字节的野心在于构建AI时代的视频社区乃至“AI时代的抖音”，将视频模型视为新时代的“摄像头”。尽管当前所有玩家仍需通过工具和订阅模式解决现实问题，但字节将社区视为不可放弃的“诗和远方”，是其核心能力的自然延伸。

至于AI视频工具的未来，庄明浩表示，从去年底热议的“世界模型”看，实时生成，无限流视频生成路径，达到理想的“言出法随”状态有可能是视频生成赛道终极形态之一。目前，ToB、ToC分不出对错，模型本身还是模型之上的产品哪个意义更大也不好说。在推演过程中，资源更强的一方被认为会越来越强势。

在资源与投入方面，字节现阶段显然更为强势。字节与快手在视频生成模型投入上，可能相差数十倍。而且，从内部组织架构来看，快手频繁的高管变动对业务增长显得颇为掣肘。去年8月，快手前副总裁，被称为“可灵之父”的技术负责人张迪离职，快手高级副总裁盖坤兼任可灵AI技术负责人。2025年底，可灵基础大模型负责人周国睿也被曝离职。

雪球平台上，有用户称，快手可灵2026年公司内部制定的营收目标大致在30-35亿。如果该目标属实，意味着可灵营收目标比去年翻番。从目前行业竞争环境来看，完成难度不言而喻。

字节跳动全新的视频生成大模型Seedance 2.0一经发布，便在AI创作圈掀起巨浪，给行业同类产品带来了前所未有的冲击。

最近这段时间，我刷了上百个基于Seedance 2.0生成的视频作品，从中梳理出了最具代表性、实用性拉满的5大核心应用场景，今天就带大家逐个拆解，看完就能快速上手～

01 精准复刻角色动作

第一个也是目前大家玩得最多的场景，就是精准复刻动作。目前网上刷屏的Seedance 2.0演示视频里，有相当大的比例都集中在这一功能上：用自定义的角色和场景，1:1还原参考视频里的动作与神态。

操作逻辑很简单：只需要上传自定义的角色图、场景图，再搭配一段电影中的角色动作参考视频，模型就能精准地把参考视频里的人物面部表情、肢体动作，完整映射到你自定义的角色上，动作丝滑不卡顿，人物一致性拉满，彻底解决了以往AI视频常见的角色崩脸、动作错位、穿模等核心痛点。

AI视频示例效果如下

更值得一提的是，它还能和Kimi 2.5这类大语言模型无缝联动：先用大模型生成剧本、分镜、首帧关键画面，再用Seedance 2.0完成动作复刻与视频生成，一套完整的动画创作工作流，零专业基础就能全程跑通。

02 生成网站/APP宣传视频

第二个超实用的落地场景，是网站/APP的宣传视频制作。Seedance 2.0在产品宣传类视频的动效生成上，表现堪称惊艳。

你只需要提供产品界面截图，再加上几句清晰的创意提示词，就能生成一段画面流畅、动效专业、节奏适配的产品宣传短片。

这对于预算有限、请不起专业动态设计团队的初创公司、独立开发者来说，堪称降维福音。

相比传统制作流程，它的生成速度更快、制作成本几乎可以忽略不计，而且纯AI生成的画面质感，完全能满足商用宣传的基础需求。

在Seedance 2.0不用写一行代码，不用调试复杂的动画参数，不用反复修改关键帧，只要你能把创意说清楚，就能生成符合预期的宣传动画，真正实现了“所想即所得”。

03 单张图片生成故事短片

第三个应用场景，绝对是动画从业者和爱好者的福音——上传图片生成完整叙事的短片。
只需要一张角色参考图，就能生成一段15秒、带多镜头自然切换、匹配高保真人声对白与贴合背景音乐的完整动画短片。

例如下面这张示例图片

给模型一段详细的场景与剧情描述，它就能基于这张参考图，智能拓展完整的故事场景，自动补充和剧情高度契合的配角、道具与环境细节，镜头语言流畅自然，完全没有以往AI视频常见的生硬跳转、画面割裂问题。
生成的AI视频案例效果如下，来源@尾鳍Vicky。

这是不是意味着，传统动画工作室的技术壁垒正在被打破？

哪怕你没有系统学过动画制作、不会手绘、不会调关键帧，只要有创意、有想法，就能当自己故事的导演和动画师。

04 批量生成真人UGC带货视频

第四个核心场景，是电商营销人员刚需的真人UGC内容批量生成。
做过电商带货的朋友都知道，UGC口播视频是引流转化的核心，但传统拍摄成本高，还很难保证稳定的产出效率。

而此前的很多AI视频模型，要么没法保证产品出镜的形态、细节一致性，要么生成的数字人表情僵硬、口型对不上、肢体动作违和，达不到商用标准。

例如下面这张示例图片

生成的AI视频案例效果如下

Seedance 2.0解决了这些行业痛点：生成的真人出镜视频，人物表情自然，肢体动作流畅，口型和台词完美匹配，就连产品的细节、质感呈现都高度一致，全程没有违和感，和真人实拍的效果几乎没有差别。

这类高度拟真的UGC视频，能快速拉近和用户的距离、建立消费信任感，为产品带来大量流量。

利用Seedance还可以生成带产品植入的视频，用趣味性的效果吸引用户。只要你有创意、有产品卖点，Seedance 2.0就能批量产出高质量的营销视频。

05 多模态输入一键融合

最后一个场景，不是一个可以照搬的具体应用案例，但却是这次Seedance 2.0最核心、最容易被忽略的技术突破。

熟悉AI视频生成的朋友都知道，目前行业内的主流模型，不管是国内的可灵，还是海外的Sora、Veo，大多只支持少数几种输入类型的组合，没法做到全模态素材的同步识别、理解与融合。

而Seedance 2.0可以在同一条提示词里，同时输入文本描述、角色参考图、动作参考视频、背景音频/人声台词，模型能一次性识别所有素材的核心信息，精准融合所有创作要求，生成一段完整、连贯、符合预期的成品视频。

所有创意素材一次性输入，不需要再分步骤处理画面、动作、声音，也不用在多个工具之间反复切换导出，就能直接生出最终的成品。不仅简化了操作流程，也革新了AI视频创作逻辑。

最后以上就是近期梳理的Seedance 2.0具有代表性的5个核心应用场景，无论是个人创作者、自媒体人，还是初创团队、企业营销部门，几乎都能找到适配自己需求的用法。

作为一款刚发布的全新大模型，Seedance 2.0的玩法远不止这些。如果你还发现了其他更有趣、更实用的应用场景，欢迎留言分享，一起解锁更多AI视频创作的新可能～

来不及解释了，大家玩Seedance 2.0都玩疯了，

我凌晨四点都还在排队，每当我以为玩法总结差不多的时候，就又看到了一堆好玩的。这篇文章我就直接把十种玩法要的素材和提示语都做出来了，开袋即食。

先超简单回顾一下Seedance 2.0是怎么用的，

在即梦里使用视频生成模式，打开全能参考，就可以上传文件生成了，豆包和小云雀的互动逻辑也都差不多。

Seedance 2.0现在支持图像，视频，音频，文本四种模态输入，混合输入总上限是 12 个文件，量大管饱。

这两天即梦还上线了图片5.0 Preview（也就是Seedream 5.0 Lite）图片模型，4k版本目前只有在即梦上才能体验，这次我结合在一起玩了一下。

Gogogo，快来看看这一大筐玩法，以及Seedream 5.0 Lite和Seedance 2.0的组合用法，

首先就是我一直想做的，让我家小猫和奥特曼对战的一个场景，之前要用两个模型，一个Banana2生成九宫格，一个sora2在九宫格基础上生成视频，但现在Seedance 2.0也可以做出九宫格分镜图生成连贯视频的操作了，动作和运镜转换超级丝滑，论导演的分镜思维这块。。。

操作过程so easy，

先用我的小猫生成一张和我想用的角色对战的场景图，5.0 Lite 现在目前对于角色的复刻做得还是不错的。然后我可以直接用这张图片，让 5.0 Lite给我做一张九宫格的分镜图，

使用这张图作为第一个分镜，给我生成一张两个角色对战打斗的大动作九宫格分镜图，每个分镜使用不同的景别，电影分镜的对战动作设计，把九个分镜图放在一张图中，保证每一个分镜图没有物理规律上的错误

然后这张图可以直接通过生成视频的小窗跳转到即梦下方的生成视频功能，步骤非常方便，

再用这个提示语就能做出上面给到那个带有动作和运镜的连贯打斗镜头了。

根据这张九宫格分镜图，给我直接做出一段非常连贯丝滑的拟人巨猫和红色巨人对战的视频片段，连贯的动作展现出精彩的打斗

如果你不知道这些动作要怎么写，我们也可以直接给 Seedance 2.0 提供一个带有动作的视频，给出人物形象图片还有场景图，让这些人物出现在视频中，并按照你提供的视频动作进行打斗对战。

这里需要注意的是，上传的视频素材必须在 15 秒以内。而且即梦对于素材的尺寸有很高的要求，我这里实测，只要提供 720p 左右的视频素材基本上都是可以的。

我这里直接做了一个对比，将我提供的原始打斗动作视频与生成的视频进行了演示。我提供的原始视频实际上只是一个没有经过渲染、类似建模画面。

但是，它可以直接把我想要的人物按照视频中的形象和风格渲染上去。人物动作，分镜和运镜几乎与原视频保持的非常一致。

说实话，以前要是按照提示语去写这样的一个分镜图或者画面内容，不知道要写多少提示词才能做到。但今天 Seedance 2.0只要给个视频就可以了。

当然，如果你想自己输入一段非常简单的提示词，它也可以做出一段非常精彩的打斗效果。

这里我尝试让自己和我家的猫进入到最近很火的“邵氏兄弟武侠电影风格”场景中，实现了一段非常流畅丝滑的打斗。

这三天测试下来，我发现如果只是提供图片作为参考，所消耗的积分要比同时提供图片和视频素材给模型参考时要少一半。

或者你就是想复刻某一段动画里的运镜镜头，也只需要把想要复刻的片段上传上去，这里我用到的人物、大鸟坐骑以及场景图片，都是用Seedream 5.0 Lite图片模型生成的，不同的主体也能保持一致的画风。

然后写好下面这个提示语，其实主要就是把每一张图片中的人物，对应视频中的哪一个元素写清楚，然后就可以直接生成了。

我同样是做了一个原视频和生成视频的对比效果，

虽然不是百分百完全复刻，但是这个效果至少已经能够做到七八成。而且，整个镜头中比较明显、比较突出的运镜也已经做到了。就这个效果放在之前，我是会有质疑到底能不能通过提示词做到这种运镜效果的。

还有一个很好玩的是，我们其实可以直接用 Seedream 5.0 Lite图片模型去做一个四格漫画，提示语这里我有一个模板，大家可以根据这个剧情去修改，这个5.0图片模型的文字效果稍微有点弱，但是他们会在年后对这个版本进行一个更新。

请生成一张竖版四格搞笑漫画，四格从上到下排列，画风为简洁国产条漫风，大头小身、圆眼睛、表情夸张但线条干净，背景简单，颜色清爽，文字为清晰中文气泡，像印刷漫画一样可读。
角色设定
同一位男主角，普通打工人，黑短发，灰色卫衣或灰色T恤，背单肩包
同一位上司，深色西装或衬衫，表情严肃
四格分镜与台词
第一格，办公室门口，男主探头进来，满头汗，上司站在门边盯着他
男主气泡：不好意思我迟到了，路上堵车
上司气泡：你家到公司三分钟路
第二格，镜头更近，上司皱眉，男主认真解释
男主气泡：电梯坏了，我走楼梯上来的
上司气泡：你在一楼
第三格，男主表情更紧张，突然灵机一动，抬手比划
男主气泡：我在路上还见义勇为了
上司气泡：你救了谁
第四格，反转，场景切到公司楼下花园，男生和另一个老头聊天，那个老头说：“你好，我叫义勇为”
画面要求
四格边框清晰，气泡不要遮脸，字要清晰不糊，上司表情要有那种无语凝噎的停顿感，整体节奏轻快。

然后我们就可以得到这样的一张四格漫画图。

把这张图片放到 Seedance 2.0 中，再给他一个你想要展示的动画视频类型，让他学习这段动画的风格，再给他这段提示词，

他就可以直接帮你复刻，把四格漫画做成一段连贯的小动画。我宣布AI漫剧这块我承包了！

或者我可以让他直接给我复刻抖音上很火的 @陶阿狗 的特效视频，我直接用它做了一个小猫版本的。

实话实说，如果是让我自己手抠的话，我是做不出来的，但是现在Seedance 2.0做到了。

还有一个很牛的就是 Seedance 2.0 还可以做出文字或者logo的释出动画，我还直接用提示词让他给我做了一个我自己的 logo 文字视频动画。这要是放在以前，绝对是要会AE的人才能做出这种效果。。。

之前即使我用 AI 去做这种类型的文字动画，给到的版本其实还是稍微有些粗糙的。但是现在Seedance 2.0给到的版本，几乎和AE渲染的没差别了。

更厉害的点是，Seedance 2.0可以直接根据我们提供图片中的文字去生成一段视频。

我测试了很多遍，提供的文字内容我们要判断一下能不能在15秒内呈现出来，塞的内容不要太多。

这里我给 Seedance 2.0 提供了三张十日终焉开头的小说截图，然后它就给我生成了对应的剧情。

根据图中的文字内容做出相应的画面

你们可以看到，它对应这些图中的文字，呈现了一整段的内容（虽然时钟的时间错位了），我觉得看过这本小说的人就能发现，这个味道是特别对的。尤其文字中会有很多对于环境氛围的描述词，包括人数、整体的氛围感，它都拿捏得很到位，而且还能自动生成文字不崩坏的字幕。

这里有一个小 tips，

如果大家在使用 Seedance 2.0 的时候，会发现它在 80% 以上的情况下，都会自动给视频加上 BGM 和字幕。如果大家不需要音乐和字幕，可以直接在提示词中告诉它“不要 BGM”，“不要字幕”就可以了。

甚至不只是这种纯文字图片，如果我做好了一个脚本，我甚至可以把这种表格形式的脚本图片发给 Seedance 2.0，让它直接根据脚本中的分镜去做一个完整的视频。

整个视频呈现出来的效果让我非常震惊，它真的能够识别每一个镜头对应的画面景别，人物对白等细节，然后直接输出一个成片给我。

说实话，这个真的让我有点惊到了。如果你是一个做广告的公司，甚至可以不需要预拍了，去给甲方提案的时候可以做个成片，让他们看预览效果。

如果你提供了一个完整的产品图片，这甚至能作为一个几乎可以完整使用的小片。目前唯一需要提升的就是 Seedance 2.0 的清晰度。如果清晰度能再进一步，我觉得甚至可以直接拿去用了。

最后就是藏师傅发现的，可以直接上传一些我们平时旅行时拍的照片，让 Seedance 2.0给我们做出一段Vlog。

我年底去马来西亚拍的照有救了，

它没有改动原图，而且还会卡点，加一些小特效。我没有告诉它我去游玩的地方是哪里，它竟然能够识别出来，说明它是有一定的世界知识的。

平时分享生活肯定够用了，甚至弥补了一些朋友在出去玩回来后，想做动态视频展现却觉得花时间、麻烦、有难度的痛点。

没想到这一圈盘下来，排队就排到晚上十点了，但隔壁老外比我更惨，排都排不上，

这两天还有人发现有的时候不能传真人素材，我去验证了，目前在web端确实提醒了暂不支持真人人脸，但在app端，完成真人校验后，你依然可以让自己出演AI视频。

这是一个必然的过程，一方面，像Seedance 2.0这样强大的模型，它在技术上追求生成内容的极致真实。

因为它知道，更强的复刻能力，意味着更强的艺术表现力，能为我们创作者带来更大的创作自由。

但另一方面，平台也在积极地探索，如何为这种强大的能力，建立起必要的护栏。在鼓励创作和保护个人信息安全之间，寻找一个微妙的平衡。

当AI生成的内容，在像素层面，在物理规律层面，甚至在情感表达层面，都达到了与真实世界难以分辨的程度时，我们该如何与之共存？

今天的Seedance 2.0，其实已经给了我们一个答案的雏形。

平台和我们创作者要做的，就是共同去建立一套成熟理性的规则。

我们追求AI的真，是为了让我们的想象力，以最逼真的方式呈现

同时，我们也需要一个清晰的边界，来守护真实世界里，每一个人的权利和尊严。

时间来到 2026 年初，如果我们回看过去两年的 AI 视频赛道，会发现一个有趣的现象：2024 年和 2025 年，我们处于一个「彩票时代」。

无论是玩 Sora 还是 Runway，本质上我们都在通过 Prompt（提示词）进行「抽卡」。

运气好，能跑出一段惊艳的 3 秒视频；运气不好，人物的手指可能还是六根，或者物理规律完全崩坏。

那时的 AI 视频，更多是作为「Demo」存在的，它在技术圈层里狂欢，但在真实的商业交付场景——尤其是电商广告中，却很难落地。

为什么？因为甲方爸爸不需要随机的惊喜，他们需要确定性的控制。

然而，随着字节跳动 Seedance 2.0 的发布，我感觉到风向彻底变了。

如果说 OpenAI 的 Sora 2.0 还在执着于模拟物理世界的真实，那么 Seedance 2.0 则赤裸裸地展示了字节系的野心：我不关心物理引力是否完美，我只关心这条视频能不能在 3 秒内抓住用户的眼球，然后卖出货去。

今天，我想跳出单纯的技术参数，从产品架构和商业应用（特别是电商电梯广告）的视角，复盘 Seedance 2.0 是如何让 AI 视频从「玩具」变成「工业机器」的。

一、 从「概率抽奖」到「导演意志」

做过内容工具的 PM 都知道，AIGC 在 B 端落地的最大痛点是「不可控」。

在 Seedance 2.0 之前，我们想生成一支口红广告，提示词写了「优雅的旋转」，模型可能会生成一段口红在空中乱飞的视频。这种随机性对于艺术创作是灵感，对于商业广告就是灾难。

Seedance 2.0 给出的解法是：极致的可控性（Controllability）。

它不再是一个黑盒。通过引入更精细的控制层，它允许我们像导演一样，精准定义运镜方式（Pan, Tilt, Zoom）、定义光影变化，甚至锁死人物 ID。这意味着，同一个 AI 模特，可以在第一个镜头里涂口红，在第二个镜头里走秀，而不会像以前那样换个镜头就换了张脸。

这种「多镜头叙事一致性」的突破，是 AI 视频迈向工业化的第一步。它让 AI 从生成零碎素材的工具，变成了能够产出完整故事脚本的生产力平台。

二、 Sora 懂物理，但 Seedance 懂「节奏」

作为产品经理，在对比 OpenAI 的 Sora 2.0 和字节的 Seedance 2.0 时，我看到了两种截然不同的产品哲学。

Sora 2.0 是「科学家」。 它痴迷于构建一个通用的世界模拟器（World Simulator）。它生成的视频，水流的波纹符合流体力学，光线的折射符合光学原理。它追求的是长镜头的连贯和物理的极致真实。

Seedance 2.0 是「剪辑师」。 它不仅生成视频，它还生成声音，并且让这两者原生融合。

在电商广告中，视觉只是信息的一半，另一半是听觉。Seedance 2.0 的核心壁垒在于它的原生多模态融合（Native Multimodal Fusion）。它不是先有视频再配乐，而是在生成的瞬间，画面就踩在了音乐的鼓点（Beat）上。

这种「音画同步」的能力，对于短视频和电梯广告来说是致命的降维打击。Sora 生成的是默片，需要后期团队花大量时间去配音、卡点；而 Seedance 生成的是自带 BGM、卡点精准的「成品」。在抖音和小红书的逻辑里，节奏感就是留存率，节奏感就是转化率。

三、重构 15 秒的战场

为什么我要特别提到「电梯广告」？因为这是电商营销中最残酷的修罗场。

在分众传媒的电梯屏里，你只有 15 秒，甚至只有黄金前 3 秒。如果不能瞬间抓住打工人的注意力，你的广告费就打水漂了。

传统的电梯广告制作流程是：策划 -> 拍摄 -> 剪辑 -> 配乐 -> 渲染。一条高质量的 TVC，成本几万到几十万，周期两周起步。这就导致了一个问题：试错成本极高。 你不敢轻易尝试大胆的创意，因为一旦失败，钱和时间都没了。

Seedance 2.0 彻底重构了这个模型。

1. 边际成本归零： 生成 100 条不同风格的 AI 广告，成本可能只相当于传统拍摄一条的费用。
2. A/B 测试的工业化： 我们可以针对同一款产品，用 Seedance 生成 10 个版本的视频：有的主打情感，有的主打洗脑，有的主打视觉冲击。然后小范围投放，看哪个数据好，就全量推哪个。
3. 注意力的科学： Seedance 2.0 内置的运镜模版，是基于字节跳动海量数据训练出来的「高转化模版」。它知道什么样的转场能让人不划走，什么样的音效能让人抬头看屏幕。

四、 产品经理的新基建

面对 Seedance 2.0 带来的变革，我们作为广告科技（AdTech）或内容平台的产品经理，应该如何应对？

1. 从「工具箱」转向「流水线」 我们不能再只提供单一的生成工具。未来的产品形态应该是：脚本生成（LLM） -> 分镜控制（Seedance） -> 音画合成 -> 投放数据回流。我们需要构建的是一条自动化的内容生产流水线。

2. 建立「数字资产库」 既然 Seedance 2.0 支持人物和商品的一致性，那么品牌方的核心资产就不再是拍摄的素材，而是数字化身（Digital Avatar）和3D 商品模型。产品经理需要设计一套高效的资产管理系统（DAM），让品牌方能够一键调用自己的「虚拟代言人」。

3. 关注「多模态交互」 Seedance 2.0 的强项是音画同步。我们在设计编辑器时，不能再把音频轨道作为视频轨道的附属。音频波形图应该成为驱动视频生成的关键维度。让用户通过选择音乐情绪来反推画面风格，或许是更符合直觉的交互方式。

结语

Seedance 2.0 的出现，标志着 AI 视频正式走出了实验室的象牙塔，跳进了商业变现的红海。

对于 OpenAI 来说，Sora 也许是通往 AGI（通用人工智能）的一块拼图；但对于字节跳动和我们这些商业产品经理来说，Seedance 2.0 是一台更加精密的印钞机。

它不再追求模拟物理世界的完美，它只追求在 15 秒内，用最完美的节奏和画面，击中你的多巴胺，让你掏出钱包。这很现实，但这也很「产品」。

一、快速说清楚 Seedance 2.0

Seedance 2.0 是字节出品的多模态AI视频生成工具，支持同时输入图片、视频、音频、文字四种素材，生成最长 15 秒的高质量视频，并自带音效和配乐。你可以把它理解为一个听得懂自然语言的 AI 导演助手。

目前Seedance 2.0号称最强AI视频生成模型，热度非常大，这篇教程就是基于这段时间的玩法和反馈，参考产品功能和文档，梳理的一份新手保姆级教程。

Seedance2.0可以通过即梦AI会员和小云雀体验，该教程使用的是即梦AI。

二、两种入口，怎么选？

即梦里面Seedance 2.0有两个入口，根据你的需求选择：

1.首尾帧模式

2.全能参考模式（推荐）

案例 1：图生视频（最基础）

素材：

Prompt：

画里面的人物心虚的表情，眼睛左右看了看探出画框，快速的将手伸出画框拿起可乐喝了一口，然后露出一脸满足的表情，这时传来脚步声，画中的人物赶紧将可乐放回原位，此时一位西部牛仔拿起杯子里的可乐走了，最后镜头前推画面慢慢变得纯黑背景只有顶光照耀的罐装可乐，画面最下方出现艺术感字幕和旁白：“宜口可乐，不可不尝！” 效果：模型会以你上传的图为第一帧，生成一段符合描述的动态视频，效果如下。

案例 1 升级版：图生视频（参考人物图 生视频）

素材：

Prompt：

这两张图片是一段悬崖对手戏的两个女主，请围绕两个女主，生成一段流畅的红衣女子东方不败与黑衣女刺客二人对手戏的画面，需要运用到分镜和不同视角切换，让整个画面更有节奏感和电影感。

仅生成打斗音效和环境的音效，不要配背景音乐： 第一个画面：从红衣女子拿起酒壶喝酒开始，环绕运镜到红衣女子背部，然后移镜变焦渐隐看到远处的黑衣女子。

第二个画面：切换无人机航拍大全景。

第三个画面：两个人物的近景特写，红衣女子从容喝酒的表情形态，黑衣女子略带坚毅和复仇的眼神 效果：生成参考图的人物，并遵循提示词的意思，完成具体的动作和画面生成，效果如下（bgm后期加的）。

案例 2：图 + 参考视频（动作复刻）

素材：1 张角色图 + 1 段舞蹈视频

图1：

Prompt：

@图片1的女星作为主体，参考@视频1的运镜方式进行有节奏的推拉摇移，女星的动作也参考@视频1中女子的舞蹈动作，在舞台上活力十足地表演 效果：模型用你的角色图生成人物，按参考视频的动作节奏跳舞。以前要写一堆运镜术语，现在一段参考视频搞定！

案例 3：图 + 视频 + 音频（全模态组合）

素材：

图1:

音频1

X限制无法直接上传音频，效果中的的音频既是该音频，大家可以自行上传

Prompt：

参考@视频1的人物动作和运镜手法，生成@图片1中黑衣人物在竹林将飞刀掷出的视频，视频中只有黑衣女子一个人物。起始帧的视角景别严格参照@视频1，飞刀掷出以后慢动作对焦飞刀，并虚化黑衣人物，注意刀是刀刃的方向向着镜头飞来，做到1比1还原参考视频，仅人物改为黑衣女子。仅生成打斗音效和环境的音效，并加入背景音乐@音频1 效果：

案例 4：剧情补全

素材：1张图片、1段视频

图片1：

四、Seedance 2.0 的十大能力亮点

基于官方说明文档，2.0 最值得关注的能力升级如下：

① 基础画质大幅提升

物理规律更合理、动作更流畅、风格更稳定。底层能力全面进化，不只是加了新功能。

② 一致性全面提升

人脸不再”换脸”、商品细节不丢失、字体清晰、场景不跳变。从人脸到服装到文字，全方位稳定。

③ 运镜和动作精准复刻

上传一段参考视频，模型就能模仿电影级走位和运镜。不用写专业术语，传视频就行。

④ 创意模板 / 特效复刻

广告片、电影片段、创意转场——有参考素材，模型就能识别动作节奏、镜头语言并精准复刻。

⑤ 剧情补全能力

给出部分场景和提示，模型能自动补全合理的剧情发展。它不只是工具，还是你的”编剧搭档”。

⑥ 视频平滑延长

不再是生硬拼接，延长后的视频节奏和画面自然衔接。

⑦ 音色更准，声音更真

自带音效和配乐的生成质量显著提升。

⑧ 一镜到底更强

镜头连贯性增强，长镜头不断裂。

⑨ 视频编辑能力

支持对已有视频进行角色替换、片段增删、节奏调整。不用从零开始。

⑩ 音乐卡点

能根据音频节奏自动对齐画面动作。做音乐视频、卡点短视频的福音。

五、新手快速上手三步走

如果你是第一次用，按这个顺序来：

Step 1｜试”首尾帧”模式

准备一张好看的图 + 一句描述 → 体验最基础的图生视频

Step 2｜试”全能参考”模式

加一段参考视频 → 用 @ 语法指定”参考这个视频的动作” → 体验动作复刻

Step 3｜玩”全模态组合”

图 + 视频 + 音频一起上 → 用 @ 语法分配角色 → 体验完整的”导演感”