https://mp.weixin.qq.com/s/_jOBSONTopASkhpZcxVitg
周润发百万级运镜也能复刻
AI视频生成的另一个要素便是运镜的效果了。
在这次实测中，我们就来实测一下Seedance 1.5 Pro是否可以复刻前不久周润发在MAMA颁奖典礼中的名场面——百万级运镜。
我们的首帧和尾帧分别是：
复刻周润发百万运镜的Prompt是这样的：
视频地址：https://mp.weixin.qq.com/s/_jOBSONTopASkhpZcxVitg
嗯，是有那个feel了~
多个人、多语言，统统都能hold住
正如我们刚才提到的，Seedance 1.5 Pro现在可以支持多个人、多个方言“一锅出”，现在你需要做的就是告诉她“谁，说了什么”。
例如下面的Prompt：
视频地址：https://mp.weixin.qq.com/s/_jOBSONTopASkhpZcxVitg
从上述多个深度实测来看，Seedance 1.5 Pro确实是做到了音画精准同步、影视级镜头和理解、支持多人对话和方言。
总体体验下来，方便、快，或许就是最直接的感受了，只要不是过于复杂的场景，基本都是“一条过”。
不过目前Seedance 1.5 Pro还不支持参考图生成的方式，不然在操作上会更加灵活。
但除此之外，火山引擎总裁谭待今天在现场还剧透了一个即将推出的新功能——Draft样片。
这个功能要解决的还是AI视频生成中的一个老大难的问题：抽卡。
简单来说，就是在真正出成片之前，你可以先生成一个低分辨率的草稿版视频，用来快速试效果、调方向；同时还能把画面里的关键元素先锁住，确保和最终成片在内容上高度一致。
这样每一次修改，反馈都更明确，也更可控，基本能做到“你看到的，就是最后会得到的”。
按照官方给出的数据，Draft样片能把整体创作效率提升约65%，同时减少60%无效创作成本。
技术底牌也公开了
在AI视频生成领域，过去我们常说声画两张皮，也就是视频归视频，音频归音频，后期强行缝合。
但Seedance 1.5 pro之所以能做到一镜入戏，核心在于它把视觉和听觉从底层逻辑上进行了彻底的同构。
从技术角度来看，主要包含四个方面的工作创新。
Seedance 1.5 pro 训推框架图
首先是原生音视频联合生成架构。
不同于传统的串联式架构（先视频后音频），Seedance 1.5 pro 采用了一套基于 MMDiT（Multi-Modal Diffusion Transformer） 的原生联合生成框架。
它建立了一个双分支的DiT架构，通过深度跨模态信息交互机制，让视觉流和听觉流在潜在空间（Latent Space）里实时通信。
这意味着，当模型生成角色说话的口型时，它同时就在计算对应的音频波形。这种“双向奔赴”的架构，从底层消灭了音画不同步的违和感。
其次是高质量音视频数据框架。
火山方舟团队设计了一个极其复杂的多阶段数据Pipeline。他们不仅筛选了数以亿计的高清视频，还特别注重音视频的一致性配比。
通过自动化标注系统，为视频注入了丰富的视觉描述和匹配的音频语义信息。这套框架不仅能识别“一个男人在说话”，还能精确标注出“四川话、憨厚音色、带有环境回声”等极具细节的特征，为模型打下了深厚的数据底子。
还有一套精细化的后训练优化流程。
为了让生成的视频更有灵性，团队在预训练之外，引入了针对音视频场景定制的RLHF（人类反馈强化学习） 算法。通过建立多维度的奖励模型（Reward Model），从视觉美感、运动连贯性、音频保真度以及最重要的音画匹配度进行全方位调优。
一言蔽之，就是反复磨练它在微表情、运镜张力以及声音情感表达上的处理能力。
最后就是高效推理加速技术。
视频生成一向是巨烧算力的任务，但Seedance 1.5 pro在落地体验上玩了一把大的。
通过多阶段蒸馏技术和高效推理加速框架，团队成功将推理速度提升了 10倍以上。
这意味着专业创作者在即梦或豆包上点击生成，不再需要漫长的进度条折磨，真正实现了所见即所得。
从实验和评测结果上来看，也是印证了上述四项技术创新的正确性。
在针对视频与音频能力的综合评测中，Seedance 1.5 pro 在审美（Aesthetics）、运动质量（Motion）以及音画对齐（Alignment） 等核心指标上均处于行业领先地位。
特别是在挑战性极高的多语言对白和方言口型匹配任务中，其表现显著优于目前的开源及闭源主流模型。
AI视频生成，到了真可以上岗时刻
除了Seedance 1.5 pro之外，国内外大模型玩家近期也是密集交卷，视频生成赛道早已进入周更模式。
但观察这些密集发布的新作，不难发现一个共同趋势：它们不再追求单纯的像素级高清，而是在向“够好用”和“够逼真”这两个实用维度急速进化。
豆包视频生成模型Seedance 1.5 pro正是这一趋势的集大成者。
它不仅解决了演技问题（更细腻的表情和动作），更通过原生的音画同步，解决了台词和情绪的融合问题。
这种从单一模态向全模态创作的跨越，让AI视频真正具备了低成本制作短剧、广告片甚至辅助影视创作的实战能力。
