近日，字节跳动旗下 AI 视频生成模型 Seedance2.0 在小范围内测阶段便席卷海内外互联网，凭借 「文本/图片生成电影级视频」 的突破性能力成为行业内外焦点。
而影视飓风创始人 Tim（潘天鸿） 发布的实测视频，更让这款模型的技术实力广为人知，《黑神话：悟空》 之父冯骥也评价说，Seedance 2.0 是当前地表最强视频生成模型，没有之一。
2 月 9 日，#Seedance2.0# 话题冲上微博热搜。
图源：影视飓风
在 Seedance 2.0 的带动下，2 月 9 日 A 股最热闹的地方，非传媒板块莫属。中文在线、掌阅科技等多只股票排队冲上涨停，还有影视股也跟风起飞。
AI 视频迎奇点时刻
Seedance2.0 之所以能引发行业震动，核心在于其在关键技术指标上实现了突破性进展。
公开信息显示，该模型采用双分支扩散变换器架构，可同时生成视频和音频，用户只需编写详细提示或上传一张图片，即可在 60 秒内生成带有原生音频的多镜头序列视频。
与当前市场上的主流 AI 视频模型相比，Seedance2.0 聚焦于 「具有原生音频的连贯多场景序列」 制作。
开源证券在研报中给予 Seedance2.0 高度评价，认为其在四大关键能力上实现了行业突破：在自运镜和分运镜、全方位多模态思考、音画同步生成、多镜头叙事能力等关键能力上实现突破，可为用户提供导演级的控制精度，或成为 AI 影视发展的重要节点。
东方证券研报提到，随着各家最新 AI 视频模型发布，国内视频生成领域的技术边界进一步拓宽，赛道进入类似 2025 年大语言模型的竞争状态，在基础能力均达到较高水准的前提下，后续各家的差异化发展或体现在具体落地场景方面。
从市场竞争格局来看，Seedance 2.0 的上线，为已在 AI 赛道狂奔的字节跳动，再添一枚筹码。
行业普遍认为，随着 AI 视频技术的成熟，内容生产的产业链将发生重构，从创意策划、制作拍摄到分发传播，AI 将深度参与各个环节，而掌握核心技术与流量入口的企业将在新的产业格局中占据主导地位。
在机构人士看来，Seedance2.0 有望在 AI 漫剧、AI 短剧等短内容领域率先实现广泛应用。目前，短剧、漫剧行业正处于快速发展期，但传统制作模式面临成本高、周期长、产能有限等问题，Seedance2.0 的出现将大幅降低制作成本、缩短生产周期，推动行业产能供给释放，进而带动整个产业链的规模扩张。
Seedance2.0 上线后，不少玩家纷纷上手体验。值得关注的是，作为影视科技领域的顶流创作者，Tim 创立的影视飓风以高质量视频内容积累了庞大受众，其发布的 Seedance2.0 实测视频迅速引发全网热议，进一步推动该模型 「出圈」。
视频中，Tim 对 Seedance2.0 的技术表现给予高度认可，称赞其在视频精细度、摄像机运动流畅度、分镜连续性及音画匹配度上实现了行业突破性进展，直言其为 「改变视频行业的 AI」。实测显示，该模型的分镜设计具备 「明显的角度切换」 能力，能够 「像真人导演一样不断改变摄影机的位置」，独有的多镜头叙事功能可根据单个提示自动生成关联场景，并保持角色、视觉风格的一致性，无需手动编辑。
AI 狂奔需守住底线
但在盛赞之余，一个意外发现让 Tim 直呼 「恐怖」：仅上传自己的人脸照片，未提供任何声音文件或相关提示，Seedance2.0 便自动生成了与他本人高度相似的声音，且精准匹配其语气特质。更让他震惊的是，上传仅含楼栋正面的照片后，模型生成的运镜竟能转到楼栋背面，仿佛 「知晓未被展示的场景细节」。
Tim 据此推断，影视飓风团队过往发布的大量高清视频素材，已被字节跳动纳入 Seedance2.0 的训练数据集。但是，他们测试其他博主 （比如何同学） 的素材后发现，模型生成的视频和何同学的声音完全不像。
Tim 的质疑并非个例，而是戳中了当前 AI 行业的一道难题——大模型训练数据的来源与授权问题。
事实上，Seedance2.0 引发的争议，本质是技术发展速度与法律规则完善进度不匹配的典型体现，这一问题在全球 AI 行业均普遍存在。
从行业实践来看，北京航空航天大学人工智能研究院教授沙磊明确表示：「目前国内外 AI 大模型，都在使用公开数据进行训练」。
这一技术路径并非字节跳动独有，谷歌的 Gemini 多模态模型和 Veo3 视频生成模型，就使用了超过 200 亿个 YouTube 视频片段；OpenAI 的 Sora 模型、StabilityAI 的 StableDiffusion 等，其训练也依赖于海量公开及许可视频数据。
此前曾有报道称，谷歌 Veo3 推出时，曾被发现生成的视频与知名创作者作品高度相似；OpenAI Sora 上线初期，媒体也测试到其能模仿经典电影和剧集片段。
对于 Tim 的素材被纳入数据集的现象，沙磊认为：「Tim 作为明星级公众人物，其视频素材进入公开数据集是非常正常的现象，普通人无需过度担心。」
中国科学院软件研究所研究员张立波则从数据特性角度进行了解读。他表示，基于公开数据进行大模型训练与调优的实践，在大语言模型时期就已存在，模型训练使用了海量书籍、博客、论坛等文本数据。但与文字内容相比，声音和视频具有更强的个人与场景特定性，这使得当前阶段数据使用的责任与边界问题更加凸显。
据悉，大部分生成模型也普遍遵循这一路径，例如谷歌的 Gemini 多模态模型和 Veo3 视频生成模型，使用了超过 200 亿个 YouTube 视频片段；OpenAI 的 Sora 模型以及 StabilityAI 的 StableDiffusion 等，其训练也依赖于海量的公开及许可视频数据。
「技术发展往往领先于行业规则的建立，为了实现更好的模型效果，就需要更多的公开数据进行训练，但训练过程中涉及的内容借鉴、版权关联等议题，也成为技术突破必须面对的共性挑战，」 张立波强调，但如何保护公众个人隐私、确保生成内容安全可靠，是亟待社会各界共同解决的重要课题。
记者注意到，面对合规争议，字节跳动在 Seedance2.0 已采取了相关风险防控措施。沙磊透露：「Seedance2.0 还在小范围内测阶段，听说字节也限制了一部分模型功能，例如只有在进行活体认证的情况下可以生成真人视频，不支持输入真人图片/视频做主体参考等，防止 AI 技术被滥用。」 他认为，这种功能限制是企业在技术狂奔时要守住的责任底线。
从行业发展来看，沙磊表示，AI 技术的进步不会因争议停下脚步，如何在创新与数据合规、版权保护之间找到平衡，让技术突破的红利真正惠及行业与用户，不仅是字节或某家公司需要持续探索的问题，更是全球 AI 产业共同的命题。
（21 世纪经济报道）
文章转载自东方财富
