作者 | 懒人
编辑 | Kino
前几天，Seedance2.5正式发布，。模型能力没什么可挑剔的：30秒叙事直出，角色一致性比上一代稳了一截，最多支持50个参考素材。
但有几个能力真正用起来才发现问题：视频变长了，重新抽卡也更贵了；素材变多了，管理成本也跟着上去了。
比如，Seedance2.5可以生成30秒甚至更长的视频，但30秒里哪怕只有几秒不对，也得整条重来——片子越长，返工代价越大。支持上传50个参考素材，但素材越多，逐个手动@进提示词越磨人。模型的上限往上走了，做出一条完整片子的时间和积分成本也跟着往上走。
Seedance2.5 API开放的第一天，LibTV就接入了模型，还是火山引擎官方发布时排在第一位的合作伙伴。
我们还发现，LibTV专门针对前面说的痛点做了一轮产品升级：片段重拍，不用因为几秒问题整条重抽；AutoLink（智能引用），不需要逐个@素材名，根据剧本自动关联，按Tab键确认就行；逐帧拉片和智能剪辑，分别覆盖了参考拆解和后期剪辑的环节。单秒价格也打下来了。
这次定向升级真把Seedance2.5的能力玩明白了，跟着我们实测看看吧。
300秒超长视频直出， 还能片段重拍
先说一个让我们觉得有点离谱的功能。
LibTV可以直出300秒的超长视频。我们用一个日式动漫风格小短片测了测效果。新建一个项目画布，添加视频节点，选择Seedance2.5模型的超长视频功能，输入“铁杵磨成针”的故事梗概。
最终的动画片效果是这样：
Seedance2.5直出30秒已经算突破了，之前测试发现也能到180秒，但单秒成本2.35元，一条就要400多元。而LibTV的超长视频用同款模型、同样720P，但价格更低了。不过，可能是我们故事写的过于简单，尝试了两次超长视频都只拿到了190秒左右的成片，每条片子消耗13800积分。
生成完之后有个细节挺好用：可以点击查看整个生成过程，从角色、锚点、场景、道具到每一个分镜，生成逻辑全部可见，出了问题一眼能定位到哪段。
实际创作中，生成完一条300秒的片子，最害怕的事就是某几秒不对，整条重来，积分也白白浪费了。
LibTV也想到了这一点，片段重拍就是为这个场景设计的。直接框选需要修改的时间段，重新描述想要什么，只有那一段重新生成，无缝替换回原片。
比如这里，我们发现其中一个片段里，女孩的服装和其他片段里的明显不一致。就可以选中相关片段进行重拍。
修改前vs修改后：
这功能用来做广告片也很实用。比如，一个饮品的广告，想换个口味换个包装，可以只框选那5秒的瓶身特写，改一下提示词。效果出来，只有瓶子变了，中英文标签都准确。
提示词智能匹配素材，
省掉手动@的时间
Seedance2.5的一大亮点是支持同步上传50个参考素材，但把所有图传上去之后，要在提示词里一个个手动@素材，确实费时间。素材越多，这一步越磨人。
LibTV的AutoLink把这步自动化了。把剧本或场景描述贴进去，它自动从画布素材里匹配角色、场景、道具，插入提示词的对应位置，输入素材名称按Tab键就完成引用。
最近中式天庭风很火，我们上传了一些参考素材，给一个虚构的新中式仙侠探索游戏《栖月》制作30秒PV。
输入的提示词如下，
《栖月》新中式仙侠探索游戏PV，30秒，8个镜头。
整体风格参考整体主视觉、光线参考、构图参考。
镜头1（0-4秒）：场景用云海群峰远景，金色时刻的云海，浮峰与巨月，
镜头缓缓推进，白鹤仙鸟掠过天空。
镜头2（4-8秒）：场景用环门平台，金色环门立于画面中央，主角背影造型参考主角望月背影，她站在门前，门面如水波微亮。
镜头3（8-12秒）：主角步入环门，画面经过门内星河流光，镜头跟随抵达松枝悬崖。
镜头4（12-16秒）：主角动作参考主角御云动作图，在浮岛间滑翔跃行，
宽袖拖着云气。
镜头5（16-21秒）：白鹤仙鸟降落相迎，主角乘鹤，造型参考主角乘鹤飞行图，飞过瀑布浮峰。
镜头6（21-24秒）：特写，主角从松枝上拾起栖月珠，主角造型参考主角全身正面立绘，珠光照亮面部，神情参考主角面部特写。
镜头7（24-28秒）：月宫远景在云海尽头显现，峰顶望月台上同门弟子三人组并立眺望，广角。
镜头8（28-30秒）：云雾散开，画面切到PV尾版，游戏logo浮现。
提示词粘贴到输入框后，会出现素材的自动关联，我们按Tab就可以确认关联。
最终生成的视频片段差不多是这个效果，
以前这种项目光是整理提示词里的@关联就要花不少时间，AutoLink直接省掉了这步，匹配准确。对于长剧集、多角色的复杂项目，这个功能省的时间会更可观。
不过，实测中我们也发现，素材的命名要和提示词里的名称保持一致，否则可能会无法关联。
上传电影经典镜头免费拉片， 还支持一键混剪
这个功能用来翻拍简直绝了。
我们找了一段《白日梦想家》很有名的滑板速降的长镜头，上传到LibTV画布，点击开始拉片，自动拆出了分镜组和BGM组。
而且，拉片本身是不需要消耗积分的，当电影视觉语言学习工具免费用也值了。
更有意思的是，拆完之后，这些镜头并不是只能看。可以直接选中某个分镜，替换成自己的角色和场景。我们生成了一个卡通角色，参考滑板镜头做了一段沙漠滑行。
不仅如此，LibTV还上线了智能剪辑功能，可以一键做出讲解视频、批量广告或者素材混剪。
比如，我选择刚才这段沙漠滑行的视频和主角图片，说想做一组旅游Vlog。
LibTV自动拆出5个场景：雨林、雪山、海边、古镇、樱花，每个场景5秒，自动剪辑成一条25秒成片。
我觉得成片的节奏有点平淡，让它再出一版卡点的，适合短视频传播的节奏。
没一会，重新制作并合成了卡点版本。对比下之前的视频，节奏感和画面匹配度都更好了。
最重要的是，智能剪辑也没有消耗积分。只有在流程中需要生成新素材时，我们才需要确认要不要消耗积分。
LibTV定向升级的背后， AI视频平台竞争的焦点正在变化
上次测Seedance2.5，我们更关注它能做什么，更像是基建层面的能力。这次测LibTV，则关注的是另一件事：模型能力接进平台之后，能不能真的变成创作者愿意用、用得起、改得动的生产力。
站在创作者的角度，只有当抽卡成本够低、修改够方便、剪辑够精准，创作者们才敢反复试，直到把脑子里的极致画面做出来。
当然，现阶段视频模型依然存在随机性，抽卡这一步不可能完全跳过。但LibTV这次的升级里，创作者改片更容易了，对作品的掌控力也上升了。当终于抽到一条满意的片子，不用因为一个细节问题全部推翻重来，这比单纯降低抽卡成本更能改变创作习惯。
这可能也是AI视频平台竞争焦点正在转移的信号。现在主流视频模型的能力差距在缩小，第三方平台大多也都会接入主流模型，但真正拉开体验差距的是围绕这些模型能力做的工作流设计——拉片怎么拆、素材怎么管、改片怎么改、成本怎么控，这些才是创作者每天实际面对的问题。
LibTV这次针对Seedance2.5的定向升级，做的就是这件事。
欢迎分享、点赞、推荐
一起研究AI
热门跟贴