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
微软近年来频繁出现技术故障和服务中断，从Windows更新删除用户文件到Azure云服务因配置错误而崩溃，质量控制问题愈发突出。2014年公司大幅裁减测试团队后，采用敏捷开发模式替代传统测试方法，但结果并不理想。虽然Windows生态系统庞大复杂，某些问题在所难免，但Azure作为微软核心云服务，反复因配置变更导致客户服务中断，已不仅仅是质量控制问题，更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异，甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中，包括最先进的GPT-4o，揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时，面临开源与闭源的选择。专家讨论显示，美国在开源AI领域相对落后，而中国有更多开源模型。开源系统建立在信任基础上，需要开放数据、模型架构和参数。然而，即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统，但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量，各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型，通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力，仅修改2.6%内容就实现显著提升，为AI优化建模应用大幅降低了技术门槛和成本。
/
0赞
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
