AI视频生成新纪元：字节Seedance 2.0与OpenAI Sora的较量

我幸运地获得了字节内测的Seedance 2.0的体验资格。

作为一名在科技和商业领域摸爬滚打多年的从业者，我对AI的接受度已经相当高了；从ChatGPT到Sora，从Kimi到Claude，什么样的“新技术浪潮”没见过？

但这次，连续两天的体验后，当我看着屏幕上那个既熟悉又陌生的画面，脑海中只有一个念头：那个喊了两年多的“视频行业GPT-3.5时刻”，似乎真的要来了。

01

获得资格后的第一件事，我并没有去生成什么宏大的好莱坞大片，而是想实际地看看它的基础能力如何，它到底能不能理解“人”，能不能理解“我”。

我做了四个实验，结果一个比一个让我惊讶。

首先，我找了一张之前主持活动时的自拍照，穿着西装。我给它一个简单的指令：用这张图生成一段Vlog风格的视频，内容是祝大家马年快乐。

一分多钟，视频就生成了。这在以前需要多次尝试，但这次，它不仅按照我的要求更换了背景和桌面，而且执行能力惊人。

它在“执行”我的意志，这种流畅感，就像你身边坐了一个合作多年的老美工，你刚开口，他就知道你要什么风格；虽然眼神有点呆滞，处理得我有点胖。

接着，我想搞点搞怪的；前两天在抖音上看到“雪王大战奥特曼”的视频，我就跟它说：给我做一个雪王大战奥特曼。

AI立即弹窗：版权限制，做不了。

不过我没死心，我说：那你帮我去掉版权元素。神奇的一幕发生了。它给我生成了一个4:3画幅的视频，里面的“雪王”和“奥特曼”似是而非，非常抽象，但那个“大战”的荒诞感和动作的流畅度毫无违和感。

它听懂了我要的那个“梗”，那个氛围。

第三个实验，我上传了一张我的健身照。这次我没给具体指令，只敲了一行字：你搜一下这个人，这个人是博主王智远，然后以他的口吻说一段话。

这有点“超纲”，因为它不仅要生成视频，还要进行多模态搜索、知识库调用、声音克隆，以及对“王智远”个人IP风格的理解。

结果它真的做到了。视频里的“我”，穿着健身衣，用一种我平时写文章的调调在说话。我把视频发到社群里，大家的第一反应是：你别说，还真像。

最让我震惊的是最后一个实验。

我用了一张好朋友去九华山烧香拜佛的自拍照，我说：帮我生成一个视频，这是分众传媒的老宋，他刚去烧完香，我需要让他拍一个vlog，内容大概就是祝大家马年快乐。

片刻之后，屏幕上的老宋“活”了。

背景是九华山的香火缭绕，他双手合十，嘴唇微动，发出的声音和语气就是老宋本人；那个“口条”和流畅度简直令人惊叹。

如果不告诉你这是AI生成的，把水印去掉，我相信99%的熟人都看不出来。这四个实验做完后，我不得不承认：AI技术的进步已经彻底突破了“真实”的防线。

当工具不再需要几十张图训练Lora、不再需要复杂的参数调试时，仅凭一张照片就能复刻长相、声音甚至微表情时它就已经不再是工具了。

它是现实世界的镜像甚至比现实更懂“戏”。