5分钟短片直出，还能定点修，LibTV这次把Seedance2.5玩明白了

数日之前, .5得以正式推出, “AI 新榜”随即在第一时间展开了测评。其模型的能力不存在任何可供挑剔之处: 于 30 秒内能够直接产出叙事内容, 角色的一致性相较于上一代而言更为稳定了, 最多可支持 50 个参考素材。

然而, 存在这样几个能力, 当真正将其运用起来的时候, 才发觉出现了问题, 视频的长度有所增加, 再次进行抽卡的费用变得更高, 同时素材数量增多, 与之相应的管理成本也随之提升了。

比如说, .5能够生成时长为30秒乃至更长的视频, 然而在这30秒之中, 哪怕仅仅只有几秒出现了差错, 那么整条视频都必须重新制作——视频的长度越长, 返工所需要付出的代价也就越大。它支持上传50个参与参考的素材, 可是素材数量越多, 逐个通过手动的方式将其@进提示词里的操作也就越发令人感到折磨。模型的上限有所提升, 制作出一条完整视频所花费的时间以及积分成本也随之增加起来。

第一天, API开放, LibTV接入了模型, 它是火山引擎官方发布那时排在第一位的合作伙伴。

我们另外察觉到, LibTV针对先前讲的痛点开展了一回产品升级, 具体是片段可重拍, 不必因几秒的问题而整条重新抽取素材, （存在智能引用功能）则无需逐个@素材名, 能依据剧本自动关联, 按下Tab键就能确认, 还有逐帧拉片以及智能剪辑, 它们分别涵盖了参考拆解与后期剪辑的环节, 并且单秒价格也降低了。

这次定向升级真把.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。

能够直出足足300秒超长视频的是LibTV, 我们针对其效果用一个具有日式动漫风格的小短片进行了测试, 先是新建一个项目画布, 接着添加视频节点, 随后选择.5模型的超长视频功能, 最后输入了“铁杵磨成针”的故事梗概。

最终的动画片效果是这样：

在测试过程之中, .5秒直接输出达到30秒的时长已然算是取得突破了, 在此之前进行测试时发现, 其时长也能够达到180秒, 然而单论每秒的成本, 却高达2.35元, 这样算下来, 制作一条就需要400多元。与之形成对比的是, LibTV所拥有的超长视频, 采用了同款模型, 视频同样也是720P这种分辨率, 但其价格却更低了一点。不过, 或许是我们在故事编写方面太过随意简单, 先后尝试了两次制作超长视频, 最终都仅仅拿到总计190秒左右时长的成品片子下来, 而且制作每条片子都消耗了13800个积分。

于实际开展创作期间, 当生成了一条时长为300秒的片子时, 最为畏怕之事便是其中有某几秒存在差错, 致使整条片子都得重新制作, 就连原来所积累的积分也被白白地浪费掉了。

想到这一点的还有LibTV, 片段重拍是为这个特定场景而设计的, 直接去框选需要进行修改的时间段, 再重新说出自己想要的内容就行, 只有那一段会重新被生成, 而后能够无缝地替换回到原来的片子里。

比如说在此处, 咱发觉其中一片段当中, 女孩着装与其他片段里的显著不一样, 如此便能选中相关片段加以重拍。

修改前vs修改后：

此项功用以制作广告片所使用同样具备较高实用性, 举例而言, 针对一款饮品的广告, 若欲进行口味及包装转变, 能够仅对那5秒时长的瓶身特写实施框选操作, 并更改相关提示语, 当结果呈现后, 唯有瓶子发生转换, 中英文标签皆精准无误。

提示词智能匹配素材，

省掉手动@的时间

0.5的一个显著突出之处在于能够支持同步上传五十个参考素材, 然而, 当把全部的图片上传完毕之后, 需要在提示词里面逐一把素材手动进行@操作, 着实是耗费时间的做法。素材要是越多, 那么这一环节就愈发让人感到困扰难耐。

LibTV使其这一步骤实现了自动化 , 将剧本或者场景描述张贴进去 , 它能够自动地从画布素材之中去匹配角色 、场景以及道具 , 于提示词的对应位置进行插入 , 输入素材名称然后按下Tab键便完成了引用。

最近, 中式天庭风格特别火, 我们上传了一些参考素材用来制作30秒PV, 这个PV是要给一款虚构的新中式仙侠探索游戏《栖月》做的。

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, 时长为0到4秒, 展现的场景借助云海群峰远景方式呈现出来, 那是金色时刻的云海, 有浮峰的存在, 还有巨月。

镜头缓缓推进，白鹤仙鸟掠过天空。

镜头2, 时长为4至8秒, 场景采用的是环门平台, 金色的环门处于画面的正中央位置, 主角背影的造型借鉴了主角望月时的背影, 她站立在门前, 门的表面如同水波一样微亮。

镜头3, 时长8至12秒, 主角踏入环门, 画面历经门内星河流光, 镜头随后跟随, 最终抵达松枝悬崖处。

镜头4, 时长从12秒到16秒: 主角的动作, 参照主角御云动作图而来, 在浮岛之间, 进行滑翔跃行。

宽袖拖着云气。

镜头5, 在16秒至21秒这个时段, 白鹤仙鸟降落并且做出相迎的姿态, 主角乘坐鹤, 其造型参照主角乘鹤飞行图案, 飞过瀑布以及浮峰了。

镜头6,时长落在21秒至24秒之间,采用特写方式,主角将栖月珠从松枝上面拾起来,主角的造型参照主角全身正面立绘,珠子发出的光照亮了面部,神情参照主角面部特写。

镜头7, 这段时长是24到28秒。在云海的尽头, 那儿呈现出了月宫的远景。在峰顶的望月台上, 有同门弟子三人组站立着, 他们并排在一起, 朝着远方望去。此时运用的是广角镜头。

镜头8之中, 于时长28秒至30秒这个阶段, 云雾渐渐散开，随后画面相应切换至PV尾版, 紧接着游戏logo出现并浮现于画面之上。

提示词粘贴至输入框之后, 会呈现素材的自动关联, 我们按下Tab就能确认关联。

最终生成的视频片段差不多是这个效果，

原先这类项目, 光是去整理提示词里那么多头衔关联, 就得耗费好多时间, 现在直接把这一步给省去了, 而且匹配精准无误。针对长剧集、有着多个角色的复杂项目而言, 这个功能节省下来的时间会更加可观呢。

然而, 在实际测试过程当中, 我们同样察觉到, 用于素材的这个命名, 需要跟呈现于提示词里面的那个名称维持一致, 不然的话, 就有可能会出现没办法进行关联的状况！

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。

我们找寻了一段《白日梦想家》当中极为有名的滑板速降的长镜头画面, 将其上传至LibTV画布之上, 接着点击开始拉片操作, 随后自动拆出了分镜组以及BGM组。

同时, 拉片这个东西其本身是用不着耗费积分的, 将其当作电影视觉语言学习工具哪怕免费去使用那也是颇具价值的, 也算有意义了。

更具趣味的是, 拆卸完毕后, 这些镜头并非仅能用于观看。能够直接选定某一个分镜, 将其替换为自身的角色与场景。我们塑造了一个卡通角色, 参照滑板镜头制作了一段沙漠滑行。

而且, LibTV推出了智能剪辑功能, 它能够一键生成讲解视频, 能够批量制作广告, 还能够进行素材混剪。

比方说, 我挑选刚才那一段有关沙漠滑行的视频以及主角的图片, 讲想要制作一组旅游主题的Vlog。

LibTV会自动拆出5个场景, 分别是雨林、雪山、海边、古镇、樱花, 每个场景的时长为5秒, 之后会按照这些场景自动剪辑成一条时长为25秒的成片。

我感觉那成片的节奏存有一定平淡之感, 使其再产出一版具备卡点特质的, 适宜短视频流传传播情形下的节奏感。

没过多久, 重新来了一次制作, 并且进行了合成, 弄出了卡点版本。跟之前的那个视频做一下对比, 节奏感变得更好了, 画面匹配度也提升了。

最为关键的是, 智能剪辑并未耗费积分了, 唯有在流程里要生成新素材之际, 那时候我们才得去确定究竟要不要把积分给消耗掉。

LibTV定向升级的背后，AI视频平台竞争的焦点正在变化

上次进行测试, 数值是.5, 那时我们更加在意它能够实现什么样的功能, 这种关注倾向于基础设施建设这一层面所具备的能力；此次开展的是对LibTV的测试, 所关注的是另外一件事情, 那就是当模型能力接入到平台以后, 是否真的能够转变为创作者乐意去使用、有能力去负担使用费用并且能够对其进行修改调整的生产力水平有标点。

站在创作者视角, 唯有抽卡成本足够低, 且修改足够便利, 同时剪辑足够精准, 创作者们才敢于反复尝试, 直至将脑海里的极致画面制作出来。

固然，在当前这个阶段, 视频模型始终是存在着随机性的, 抽卡这个步骤无疑是根本不可能完全被跳过的。然而, 在LibTV此次的升级当中, 创作者修改片子这件事变得更加容易了, 而且对于作品的掌控能力也有所提升了。当最终好不容易抽到一条令人满意的片子的时候, 不会因为一个细节方面的问题就把整个片子全部推翻再次创作, 相比于仅仅只是单纯地去降低抽卡成本, 这更能够改变创作习惯。

这会不会是一个信号, 表明AI视频平台竞争的焦点正发生转移。当前主流视频模型的能力之间的差距正在变小, 而多数第三方平台大都有接入主流模型，话说回来, 真正能把体验差距给拉开的, 其实是鉴于这些模型能力所开展的工作流设计——拉片该如何去拆解、素材要怎样去管理、改片到底怎么改、成本得怎么去控制, 这些才是创作者每日里实际要面对的问题。

LibTV这次针对.5的定向升级，做的就是这件事。

01.

欢迎分享、点赞、推荐
 一起研究AI