先給大伙看個(gè)視頻吧。

很酷炫的大片場(chǎng)景對(duì)吧，特效和氛圍都很上頭。

但如果我告訴你，這片子是純 AI 生成的呢？AI 的飛速發(fā)展，讓肉眼好像已經(jīng)分不清，特效和 AI 的區(qū)別了。

但估計(jì)大多數(shù)人跟我一樣，都是光看不練，或者說(shuō)練過(guò)，但《從入門到入土》。

原因就一句話：這玩意太容易勸退了。

想要完成度高一點(diǎn)，就得自己部署個(gè)模型，搞點(diǎn)穩(wěn)定可控的 Workflow 。但那一堆密密麻麻的參數(shù)，普通人是調(diào)不明白的。

想隨便玩玩的，可以上在線網(wǎng)站，但效果相當(dāng)于抽卡，每抽一發(fā)就要花錢。像之前網(wǎng)上大家刷到的 ASMR 切水果，大多都是谷歌的 Veo 之類生成的，國(guó)內(nèi)的大伙也很難用上。

被折磨了許久后，世超最后的答案，是一個(gè)大伙耳熟能詳?shù)臇|西——豆包。

你別不信，這濃眉大眼的豆包悄悄進(jìn)化了。最近，它的視頻模型更新到了 Seedance 1.5 pro，而且支持了音畫(huà)同步，效果媲美谷歌。用完后我只想說(shuō)，想自己搓 AI 視頻的朋友們，好日子來(lái)了。

具體有多強(qiáng)，還是看世超表演吧。

大伙都知道，以前國(guó)內(nèi)大部分視頻模型只能演默片，而現(xiàn)在，豆包的聲音和畫(huà)面已經(jīng)配合得出神入化了。

而且我感覺(jué)最突出的特征，是它的理解力，就是不用寫(xiě)什么詳細(xì)提示詞，它會(huì)自動(dòng)理解畫(huà)面和文字，生成你想配的聲音。

首先出場(chǎng)的是我們的老演員，火鍋。

我們丟給它一張火鍋近照，并直接跟豆包講：“讓圖中的金毛進(jìn)入水坑跑一圈?！?/p>

它很好地理解了我的需求，畫(huà)面里的金毛和水的效果都沒(méi)啥問(wèn)題，還很好地區(qū)分了在地上和水里的腳步聲，甚至知道是戶外，配上了鳥(niǎo)叫，整個(gè)一生機(jī)勃勃萬(wàn)物競(jìng)發(fā)，理解力沒(méi)得說(shuō)吧。

然后我們用同樣的提示詞，發(fā)給谷歌的 Veo 來(lái)做了個(gè)對(duì)比。講真，世超是覺(jué)得大差不差的，二者的物理效果和音效都很逼真，甚至俺覺(jué)得豆包更還原了手機(jī)麥克風(fēng)的錄音感。

為了證明不是詐胡，我又傳了一張雙人演奏的圖，我也沒(méi)告訴它哪個(gè)是吉他，哪個(gè)是貝斯。

結(jié)果出來(lái)，還真是兩種動(dòng)靜都有，甚至還加上了鼓點(diǎn)。差友們可以測(cè)一下自己的聽(tīng)力和耳機(jī)的表現(xiàn)，看看能不能聽(tīng)見(jiàn)貝斯。

除了圖生視頻，咱還可以直接不給圖，讓豆包文生視頻，這考驗(yàn)的就是豆包的想象力了。

我讓它生成了一段像素風(fēng)格游戲畫(huà)面，哥們小的時(shí)候巨愛(ài)玩。

結(jié)果效果真的很逼真，甚至感覺(jué)比我記憶里的游戲還好，起飛和落地的碰撞粒子效果都做出來(lái)了，背景音樂(lè)也是經(jīng)典的 8-bit 風(fēng)格。

8-bit 像素藝術(shù)風(fēng)格，勇者在夕陽(yáng)背景下從左往右奔跑跳躍，帶著泥土的粒子特效，畫(huà)面帶有復(fù)古 CRT 顯示器的掃描線效果。動(dòng)作流暢，配合復(fù)古 8-bit 電子游戲音樂(lè)（Chiptune）與跳躍音效，音畫(huà)節(jié)奏緊密協(xié)同，完美還原紅白機(jī)時(shí)代的經(jīng)典游戲畫(huà)面質(zhì)感。

2D 游戲有了，3A 大作呢？世超也試了一下，傳給它一張黑神話的游戲截圖。

結(jié)果不僅畫(huà)面不錯(cuò)，一致性也保持得很好。我們讓猴哥乘上了筋斗云向天上飛去，猴哥的模型我目測(cè)來(lái)看是沒(méi)怎么崩，而且還有加分項(xiàng)，配上了史詩(shī)級(jí)的音樂(lè)，豆老師在音樂(lè)細(xì)胞這塊可真沒(méi)得說(shuō)啊。。。

為了考驗(yàn)豆包的對(duì)人臉的一致性，我們又請(qǐng)出了鬼畜區(qū)頂流，跟諸葛亮對(duì)噴的王朗，不過(guò)這次演的是王朗認(rèn)錯(cuò)人的戲碼。

這人物的小表情和小動(dòng)作都刻畫(huà)得很有味道啊，看見(jiàn)對(duì)方卻不認(rèn)識(shí)的短暫遲疑，短暫思索，還有認(rèn)錯(cuò)人之后的尷尬解圍，表演得都非常自然，臉部的一致性也保持得很好。

王朗眉頭一皺，發(fā)現(xiàn)事情并不簡(jiǎn)單。

所以呢，整了這么多活，意思是只能發(fā)發(fā)小視頻咯，能不能真有專業(yè)電影級(jí)的用途呢？

能的，能的。眾所周知，影片不僅要畫(huà)面精致，還得有鏡頭語(yǔ)言和臺(tái)詞吧。

而這些，豆包真的都能拿下。

我找了張廢墟中的男人的圖，讓它 Cos 一下面壁者羅輯，然后讓攝像頭繞著羅輯轉(zhuǎn)，模擬智子視角。

豆包的鏡頭還是很穩(wěn)的，人物的臉也保持了原有的特征，再加上這性感氣泡音，三體人真的不是被顏值折服的嗎？

而且，你也不需要有大導(dǎo)演級(jí)別的用詞，什么推拉搖移跟升甩降，你甚至直接可以說(shuō)，我就想要個(gè)有故事感的鏡頭。。

于是，它就把鏡頭緊緊鎖在金毛身上了，因?yàn)樗宄?，這是主角兒。

而世超最喜歡的，其實(shí)是這次模型的面部情感表達(dá)。我嘰里咕嚕瞎敲了一堆提示詞給它，什么心酸勞累，什么重燃希望，全喂給它了。

都市風(fēng)格，中年?yáng)|亞女性，特寫(xiě)捕捉她的臉上的勞累苦楚，隨著夕陽(yáng)灑在臉上，神情轉(zhuǎn)為充滿希望的微表情變化。人物皮膚具備真實(shí)膠片質(zhì)感，淺景深背景虛化。比例 16:9，時(shí)長(zhǎng) 10s，模型 1.5 Pro。

結(jié)果它居然表達(dá)得很好，真就給我了一種鏡頭里的人活了的感覺(jué)，眼里充滿了這些年的辛酸與淚水。

之前說(shuō)外國(guó)人的 AI 很難駕馭中文，那豆包的外語(yǔ)怎么樣呢？

我管你這那的，先發(fā)一張美少女試試。

于是我發(fā)過(guò)去這張圖片，然后讓她說(shuō)了一句 “ 組一輩子的樂(lè)隊(duì)吧 ”。

然后復(fù)刻得非常成功，BGM 也是很有日本動(dòng)漫的風(fēng)格。

最讓我驚艷的是，它甚至還能生成，帶對(duì)話，全外語(yǔ)，且對(duì)上口型的動(dòng)畫(huà)片段。

更恐怖的是，連音色都大差不差，如果忽略后面有些 bug 的文字，我很難不認(rèn)為這是原片。

幫我生成一個(gè)視頻：Shot 1：中景 蟹堡王廚房海綿寶寶雙手緊握鏟子，眼神充滿決心。海綿寶寶（聲音發(fā)顫）：“i want to bring joy to others”Shot 2：特寫(xiě) 章魚(yú)哥半側(cè)臉?biāo)毖劭粗＞d寶寶，嘴角下撇。章魚(yú)哥（低沉譏諷）：“you can't even fool yourself”。比例 16:9，時(shí)長(zhǎng) 10s，模型 1.5 Pro。

啥意思，老二次元的春天真的來(lái)了？以后想看什么番外都能自己搓，那叫什么旮旯 game 的還得自己攻略，不好不好。

講道理，世超上網(wǎng)的時(shí)候，經(jīng)?？匆?jiàn)豆包，覺(jué)得它已經(jīng)夠火夠強(qiáng)了，結(jié)果這次，憋了個(gè)更大的。測(cè)完這一圈，我甚至感覺(jué)，這是豆包給自己加冕的冠軍拼圖了。

文字能寫(xiě)、圖片能畫(huà)、音樂(lè)能搓，現(xiàn)在再加上個(gè)音畫(huà)同步的視頻模型，也算是進(jìn)化成六邊形戰(zhàn)士了。

之前咱總覺(jué)得國(guó)外的月亮圓，Sora、Veo 啥的遙遙領(lǐng)先，現(xiàn)在看來(lái)，豆包不僅趕上來(lái)了，還更懂咱們中國(guó)人的點(diǎn)。

以后，咱們樂(lè)子人爽了，評(píng)論區(qū)到處都是會(huì)動(dòng)會(huì)說(shuō)話的表情包。打工人估計(jì)也笑了，以前自己親自拍的樣片，現(xiàn)在給AI發(fā)幾句指令就能做。

所以趁著人還不多，大伙可以趕緊去試用起來(lái)了，有什么抽象的案例，歡迎大伙給世超發(fā)過(guò)來(lái)，我倒要看看差友的腦子里裝的都是什么。。。