第一次用AI做视频的人，通常很快会经历两个阶段。

开头是兴奋。人物会动，镜头会推，光影也像回事。多试几次以后，兴奋就被另一种感受取代：漂亮镜头攒了一堆，放进时间线却不像一条片子。这个人刚才还穿着黑衣，转个镜头领口变了；前一秒在下雨，下一秒地面是干的；画面单看都不错，连起来就是不对。

Seedance 2.5把单次生成上限从15秒拉到30秒，还能一次接收更多图片、视频和音频参考。7月底上线后，讨论几乎都围着“30秒直出”转。可用过视频模型的人知道，时长翻倍绝不只是多等一会儿。

15秒足够做一个动作、一段氛围、一次产品展示。30秒开始有了故事的最低形状：人得从一个状态走到另一个状态，动作要有起因，情绪要有落点。人物多走几步，模型需要记住的东西就成倍增加。

极客公园测试时写过一段咖啡馆场景：记者盯着空白文档，喝咖啡，开始敲字，窗外从暖黄变成深蓝，最后合上电脑。提示词不复杂，难点却都藏在过程里——手和杯子的关系、窗外光线的变化、敲键盘的节奏、人物表情从焦虑到放松。这些细节只要错两三处，观众就会出戏。

所以，Seedance 2.5带来的压力首先落在创作者身上。以前写一句“电影感、黄昏、慢推镜头”，抽到一条漂亮片段就可以收工；现在得先想清楚，30秒里究竟发生什么。

素材容量变大也有同样的问题。模型可以吞下更多参考图、视频和音频，但素材不会自动站成一队。哪张图负责人物，哪段视频只借运镜，音乐从哪里起，哪些参考彼此冲突，都得有人决定。输入框正在变回工作台。

这也是最近“智能拉片”“分镜管理”重新变热的原因。它们做的事情并不神秘：把一条成熟视频拆成镜头、运动和音乐，让创作者知道自己究竟在模仿什么，再把参考素材分配给对应环节。

生成视频走到这里，有点像早期数码摄影。相机越来越聪明，没有让构图和剪辑消失，只是让按下快门变便宜了。AI视频也是如此。模型负责把素材做出来，成片仍然要靠选择。

30秒还改变了团队内部的分工。短片段时代，最熟悉模型的人往往包办提示词、抽卡和初剪；镜头一长，前期脚本和资产管理重新有了分量。同一人物要准备哪些角度，服装和道具在哪些镜头必须延续，声音是模型直出还是后配，都需要在生成之前定下来。否则前面省下的拍摄时间，会在后面变成无休止的重抽。

这也是“50个参考素材”容易被误读的地方。容量说明模型允许带入多少信息，并不保证每一份信息都被同等理解。参考越多，互相打架的概率越高。创作者需要做的不是塞满额度，而是给素材排优先级：这一张锁定脸，那一段只参考动作，这一轨音频决定节奏。到了这里，提示词更像一份简化的拍摄计划。

版权问题也会跟着时长放大。一张相似的脸、一秒钟接近某部电影的构图，在碎片化传播里可能一闪而过；进入完整叙事后，角色、场景和音乐的来源都更容易被辨认。商业团队若打算把生成视频用于广告和剧集，仅有“模型可以生成”还不够，还要保存参考素材来源、授权范围和每次修改记录。

声音同样不能只看“是否同步生成”。对白有没有吞字，环境声会不会突然断掉，音乐是否压住人物，都要进入审核。画面能看以后，过去由录音、剪辑和混音解决的问题，会一项项回到流程里。

对商业团队来说，账还要算得更细。主角近景值得用高规格模型反复生成，一个半秒的街景过场未必需要。每一刀都上最贵的模型，成片未必更好，算力账单倒会先失控。30秒能不能用，不看官方演示有多惊艳，要看一个团队为了得到可交付版本返工多少次。

Seedance 2.5当然是一轮能力升级。它让人物一致性和连续表达向前走了一截，也让问题从“模型能不能画出来”变成“创作者知不知道自己要什么”。

一分钟、两分钟迟早会来。到那时，模型公司会继续讲时长，真正做片的人大概只关心三件事：这一条改几遍，花多少钱，观众愿不愿意看完。

*资料来源：字节相关产品公开信息；极客公园《Seedance 2.5实测》；InfoQ关于AI视频生产成本与工作流的报道。封面图源：极客公园。*