字节全新发布豆包AI视频模型 - 再见了Sora，你的时代过去了。
字节正式发布了他们全新的两款AI视频模型：豆包视频生成-PixelDance模型和Seaweed模型。
虽然发布会结束了，但是我觉得，一个颠覆行业的全新的起点，在这一刻，正式到来了。
豆包视频生成-PixelDance模型和Seaweed模型。
Seaweed模型下次我再详细来说。这次，我想说这个豆包PixelDance模型，因为太屌了，屌炸了，我真的是全程惊叹着看完的。
他们正式宣布这玩意的那一刻，现场掌声雷动，我隔着屏幕都感觉快特么把房顶掀翻了。
真的，如果要给这个豆包PixelDance模型，做一个总结，那就是三个词：
人物的复杂连续动作，多镜头组合视频，极致的运镜控制。
听着感觉有点难理解是不是？不用急，我一会详细来解释。
我先放几个case，给大家感受一下这玩意的震撼：
真的，影视行业在之前，几乎没法用AI，就是因为，人物表演太垃圾，还有场景和人物一致性太差，运镜说实话也不咋地。
行业颠覆的奇点，就在今天，就在这个发布会上，正式到来了。
对，4天前，我就受字节邀请，提前测过了这个豆包PixelDance模型，当时给我震惊的无以复加，你知道，作为一个博主，测完了这么屌的东西，自然就是想第一时间分享出去，但是因为保密协议，我只能只字不提。
人物的复杂连续动作，多镜头组合视频，极致的运镜控制。
过往，AI视频有一个很致命的点，就是看起来像PPT动画。
不管是Sora展示出来的视频、还是runway、还是可灵等等，运动幅度再大，也只是镜头幅度大，从来没有人的复杂动作。
顶天了，转个身，或者快速跑个步，或者挥个手，或者拥抱一下。说实话，就单拥抱这个，都没几个AI视频能做出来的。
而如果让图里这个女生，摘下墨镜，站起身，然后走向雕像呢？
除了手上的表有一些些闪动，人物比例、动作、肢体、光影等等，几乎毫无瑕疵。
比如在《喜剧之王》里，在最后一幕，周星驰饰演的尹天仇，在对着柳飘飘喊出那句经典的“我养你啊”的台词之后，柳飘飘坐在离去的出租车里，哭的非常伤心，看了一会手上的钱和表，然后把他们放进包里，拿出尹天仇视为信仰的那本《演员的自我修养》，伤心的抱在胸口。
这段表演，是连续的。连续的东西，才有张力。你才能感受到，那痛彻心扉的情绪。
而现在，用AI，生成可以做连续动作的人物表演，不再是空谈。
再看一个case，男人喝了一口咖啡，然后放下，一个女人从背后走来。
去年8月我做《流浪地球3》预告片的时候，我就幻想过无数种关于AI做人物表演的可能。
一张图+Prompt，就能生成风格、场景、人物一致的多镜头视频，这个能力，我只在Sora的宣传片里面看到过。
其实说实话，这个视频当时看，非常的震撼，但是现在看其实也还好，风格、角色和场景都太简单了，所以一致性很好保持，也没啥复杂的故事和分镜。
但就这样，现在，依然没有任何一个AI视频，能做到单视频多镜头，而且还能保证完美的一致性。
别跟我说LTX studio那种玩意，那个做做故事版还行，做正片？洗洗睡吧，别说场景了，人物保持全景、中景、特写统一都难。而且真的丑的出奇。
但是现在，豆包PixelDance做出来了，而且一致性简直无敌，真的。
Prompt：拿着镰刀的死神朝女人走近。特写女人的脸，她惊恐地尖叫。
Prompt：白色机器人抬起双手拿着一把步枪对着画面左侧不断射击。枪口射出一道绿色的能量光线。镜头变化成画面左侧是一个黑色的机器人，一道绿光从画面右侧快速射入，击中了它的身体，黑色机器人被击倒并爆炸。画面变了，白色机器人望向爆炸，它望向远处的爆炸，转身走出了画面。
一张图和Prompt，就能生成单视频多镜头，屌爆了，真的。
对于影视和广告行业来说，几分钟能瞬间调度后面两三个镜头的分镜，直接出成片。
普通人的使用门槛，也巨幅降低，人人都是导演，人人都可以做故事的时代。
豆包PixelDance模型的运镜，是我见过最离谱，最牛逼的。
现在的AI视频的运镜控制，还基本集中在摄像机+运动笔刷两个功能的组合拳上，但是说实话，上限真的有限，很多大运镜和变焦，根本做不出来。
而豆包PixelDance，效果真的就特娘的离谱。
什么鸟瞰缩放上移旋转这种基操我就不说了，关键是，直接一句话，各种360度围绕主体环绕、前后景变焦、摇摄、目标跟随、升降镜头什么玩意都行。
效果出奇的好，我第一次见到，在AI视频，运镜能这么牛逼，这么炫酷的。
Prompt：女人微笑着低下头，镜头拉远，一个白人男人注视着这个女人。
Prompt：黑白风格，镜头环绕着戴墨镜的女人拍摄，从她侧面移动到正面，最后聚焦于女人的面部特写。
这是一张图，然后一句Prompt干出来的，你敢信？这动作幅度，这稳定性，比特么建模出来的还离谱，我真的服了。
Sora一个巨型期货，从2.16号到如今，迟迟不见任何踪影。
而后，6.6号，可灵默不作声，正式上线，代表了中国Sora的输出。
而今天，9.24号，字节再把AI视频，推向一个全新的高度，是一个在Sora的宣传片里，都看不到的高度。
豆包PixelDance也不需要什么中国版Sora的外号，豆包PixelDance就是豆包PixelDance，他就是现在AI视频的天。
也至此，AI视频不再是玩具，而是真正的，可以进入到影视、广告、动漫工作流中，带来一些全新的想象。
今天这个豆包PixelDance模型，就会优先对企业开启邀测，过几天上线火山方舟，至于啥时候上线即梦向C端用户全员开放，可能还得等一段时间，毕竟太新，他们说还想再优化优化模型能力，稳定了以后，就直接上线即梦，给全员开放了。
真的，也从来没有什么奇迹，一切都是沉淀多年的积累，一切都是如约而至。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标?～谢谢你看我的文章，我们，下次再见。
0赞好文章，需要你的鼓励
推荐文章
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能，用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用，进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议，而是帮助用户理解复杂医疗报告，为医患沟通做准备，并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统，通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频，利用夹爪状态信号精确识别交互物体，构建百万级视觉身份数据库。实验显示，RoboVIP显著提升机器人在复杂环境中的操作成功率，为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准，旨在让AI智能体自动化整个购物流程，从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发，支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具，优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法，解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量，避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中，GDPO均显著优于传统方法，准确率提升最高达6.3%，且训练过程更稳定。该技术已开源并支持主流AI框架。
/
0赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
