Seedance 2.5 Bewertung | Praxistests in sieben Dimensionen: Wie viel Fortschritt hat die KI-Videotechnologie von kurzen Clips bis hin zu vollwertigen narrativen Inhalten tatsächlich gemacht?
Worum ging es in der ersten Phase? Darum, wer über sauberere Datensätze, flüssigere Videobewegungen und höhere Auflösungen verfügt. Betrachtet man jedoch die tatsächlichen Erstellungsszenarien, stellt man fest, dass die wahren Engpässe von KI-Videos weit über das bloße Messen dieser Parameter hinausgehen.
Am 31. Juli wurde Seedance 2.5 offiziell veröffentlicht und online gestellt.
Dafür haben das KI-Bewertungsteam von 36Kr und 27 KI-Bewerter von 36Kr eine Woche lang Zeit investiert, um Teile der Handlung von Die Reise nach Westen mit KI-Inhalten nachzustellen und das Seedance 2.5-Modell in sieben Dimensionen umfassend zu testen.
Die KI-Bewerter von 36Kr umfassen AIGC-Inhaltsersteller, Leiter von KI-Manhua-Teams, Kreativdirektoren von 4A-Werbeagenturen, CG-Entwickler, Beobachter der Technologiebranche, Top-UPs von Bilibili sowie praktische Experten für die Umsetzung von KI-Videos in verschiedenen Branchen.
Dass wir diesmal Die Reise nach Westen als Testobjekt ausgewählt haben, liegt genau daran, dass die Geschichte in der breiten Öffentlichkeit bekannt ist, sodass subjektive Abweichungen durch das Verständnis der Handlung vermieden werden und wir direkt die Stärken und Schwächen des Modells selbst untersuchen können.
An dem Wendepunkt der Iteration von KI-Videos: Welche tatsächlichen Probleme der Produktionspraxis hat das Update von Seedance 2.5 gelöst, und welche ungelösten Herausforderungen bleiben noch bestehen?
Zuerst die Fazit:
1. Dieses Upgrade verfügt über drei harte Funktionen, die die Erstellungsweise direkt verändern: Die Laufzeit verdoppelt sich von 15 Sekunden auf 30 Sekunden; die Obergrenze für Referenzmaterialien wird von 15 auf 50 multimodale Elemente angehoben; eine neue Funktion für die lokale Bearbeitung wird hinzugefügt.
2. Die Verbesserung auf Bildebene ist ebenfalls deutlich spürbar: Die Kameraführung hat ein durchdachtes Design, die Wucht der Actionszenen erreicht fast das Niveau von Spiel-CGs, die Gesichtsausdrücke der Charaktere sind fein nuanciert, und die gesamte Qualität kommt echten Aufnahmen sehr nahe.
3. Aber die Probleme sind ebenfalls offensichtlich:
· Die Konsistenz von Charakteren in langen Einstellungen bleibt das größte Problem.
· Die Fähigkeit des Modells, Prompt-Befehle zu verstehen, hält nicht mit der Generierungsfähigkeit Schritt, und das Verständnis für literarisch beschriebene Prompts muss weiter verbessert werden.
· Die Nutzungskosten sind relativ hoch, die Schwelle für ein fertiges Video beginnt bei mehreren Hundert Yuan.
Im Folgenden finden Sie die detaillierte Bewertung in sieben Dimensionen.
01
Räumliche Struktur: Ein wirksames Werkzeug für professionelle Nutzer
Dass Seedance 2.5 die Referenz von Weißmodellen unterstützt, ist besonders wichtig.
Die erfahrenen Bewerter haben durchweg hohe Bewertungen abgegeben:
Ein Filmteam kann zuerst in einem einfachen 3D-Raum Würfel, Zylinder, die Positionen der Charaktere und ihre Bewegungspfade platzieren, und dann das Modell anhand dieser räumlichen Informationen schnell eine Vorvisualisierung generieren lassen, die dem endgültigen visuellen Effekt nahekommt. Es versteht die Positionsbeziehungen der Charaktere im Raum sehr genau: Wer vorne ist, wer hinten ist und wer wem gegenübersteht, weist kaum offensichtliche Abweichungen auf.
Im Vergleich zur Version 2.0 hat Seedance 2.5 die Fähigkeit zum Verständnis räumlicher Geometrie gestärkt. Das Modell erkennt nicht nur die Pixelinformationen in den Referenzbildern, sondern kann Tiefeninformationen aus 3D-Referenzen extrahieren und die dreidimensionalen räumlichen Beziehungen in der Szene rekonstruieren. Diese Fähigkeit war in der Vorgängerversion nur in den Anfängen vorhanden, während sie in der Version 2.5 allmählich ausgereift ist.
Für normale Nutzer ohne Erfahrung in der 3D-Produktion ist das Erlebnis jedoch völlig anders.
Während des Bewertungsprozesses tauchte immer wieder ein Problem auf: Wenn die Anzahl der Referenzbilder unzureichend ist, neigt das Modell immer noch dazu, Abweichungen bei der Beurteilung der Blickrichtung der Charaktere zu machen.
Zum Beispiel: Wenn man eine Szene generieren möchte, in der Sun Wukong dem Publikum den Rücken kehrt und dem Dämon zugewandt ist, zeigt das Endergebnis oft, dass Sun Wukong dem Publikum zugewandt ist und dem Feind den Rücken kehrt – die Beziehung der Charaktere ist also umgekehrt zur Erwartung.
Der Grund für dieses Problem liegt darin, dass rein textliche Beschreibungen selbst keine räumlichen Tiefeninformationen enthalten. Das Modell kann die Blickrichtung der Charaktere nur anhand der Semantik ableiten. Wenn die Beschreibung nicht ausreichend spezifisch ist, generiert es vorzugsweise das gängigste Kompositionsmuster mit dem Charakter von vorne. Im Vergleich zur Version 2.0 wurde dieses Problem bereits verbessert, ist aber noch nicht vollständig behoben. Daher müssen normale Nutzer immer noch auf präzisere Prompts zurückgreifen oder das Ergebnis durch wiederholte Generierungen anpassen.
Gleichzeitig zeigt Seedance 2.5 eine stabilere Leistung bei der räumlichen Tiefe des Bildes. Die Beziehungen zwischen Vordergrund, Mittelgrund und Hintergrund sind klar getrennt, die Schärfentiefe ist natürlich, das gesamte Bild verfügt über eine gute räumliche Tiefe und es kommt nicht mehr leicht vor, dass alle Elemente auf derselben Ebene gestapelt sind.
Wir haben das Kapitel Das Töchterreich als Testszenario verwendet. In dem endgültigen Generierungsergebnis sind die räumlichen Beziehungen klar, der Hintergrund verschwimmt auf natürliche Weise, es gibt keine offensichtlichen Fehler oder falschen Positionen der Charaktere, und die gesamte räumliche Darstellung kommt bereits dem Effekt echter Kameraufnahmen nahe.
KI-Bewertungsmeinung von 36Kr
Die Fähigkeit von Seedance 2.5 zum räumlichen Verständnis ist bereits einer seiner größten Wettbewerbsvorteile, aber diese Fähigkeit hängt derzeit noch stark von Referenzmustern ab. Für professionelle Ersteller kann sie die Effizienz bei der Erstellung komplexer Szenarien erheblich steigern. Für normale Nutzer bleibt die Blickrichtung der Charaktere jedoch der Aspekt, der am dringendsten optimiert werden muss.
02
Kamerasprache: Die Kameraführung hat endlich einen Rhythmus
Wenn die räumliche Struktur der „statische Raum“ ist, dann ist die Kamerasprache der „dynamische Raum“.
Die Veränderungen der Kameraführung in der neuen Version sind umfassend.
Die Bewegung der Kamera hat einen Rhythmus, einen Atem und die Logik einer filmischen Kameraführung: Bei einer Nahaufnahme ändert sich die Geschwindigkeit – sie beginnt langsam, wird in der Mitte schnell und wird zum Ende wieder langsamen, so als würde ein echter Fotograf die Kamera bedienen.
Diese Veränderung rührt daher, dass das Modell die Daten zur Kamerasprache tiefergehend gelernt hat. In der Ära der Version 2.0 lernte das Modell die Form der Kamerabewegung, in der Version 2.0 lernt es den Zweck der Kamerabewegung. Es beginnt, die Emotionen und narrativen Funktionen zu verstehen, die mit verschiedenen Kameraführungsarten verbunden sind – daher wirken die Bewegungen strukturiert.
Die deutlichste Verbesserung liegt in der Logik der Übergänge zwischen Einstellungen.
Die Kohärenz der Videobilder, die in der neuen Version generiert werden, ist deutlich gestiegen, sodass die Zuschauer beim Ansehen kein offensichtliches Gefühl der Unterbrechung haben.
Ein Bewerter, der seit langem KI-Manhua produziert, hat das direkt kommentiert:
„Die Einstellungen in der Version 2.0 wirken eher so, als würde die Kamera Bilder aneinanderfügen, die Einstellungen in der Version 2.5 sind absolut natürlich.“
Das Gestalten von Einstellungen ist eine der Kernfähigkeiten eines Regisseurs. Wenn die Kamera selbstständig durchdachte Einstellungen und Kameraführungen erstellen kann, berührt sie nicht nur die Ausführungsebene, sondern beginnt, in die Erstellungsebene vorzudringen.
Der Übergang im Abschnitt mit dem Roten Kind ist ein gutes Beispiel: Die Kamera geht von dem Feuereffekt des Roten Kindes zur nächsten Szene über, wobei das brennende Feuer als Übergangselement verwendet wird. Der gesamte Übergang ist sehr natürlich. Das geht über die einfache Kamerabewegung hinaus und beinhaltet bereits narratives Denken.
Obwohl es noch nicht das Niveau eines professionellen Regisseurs erreicht, ist die Richtung des Verständnisses korrekt, und die Fortschritte sind sehr schnell.
03
Bewegungsverhalten: Die Wucht der Schläge ist maximal, das Gehen bleibt aber noch eine „unvorhersehbare Angelegenheit“
Alle Bewerter sind sich in ihrem Urteil zum Bewegungsverhalten einig: Die Wucht der Schläge und die Interaktionsleistung sind ausgezeichnet.
Ein professioneller Bewerter hat das sehr ehrlich kommentiert:
„Wenn das vor drei Jahren möglich gewesen wäre, hätte das mindestens 100.000 Yuan gekostet.“
Das Konzept der Wucht der Schläge klingt abstrakt, aber man versteht es sofort, wenn man es sieht: Bei einem Schlag spürt man die Kraft, man sieht die angespannten Muskeln, die wehenden Kleidungsstücke, die Reaktion auf die Krafteinwirkung und die daraus resultierenden Veränderungen in der Umgebung. Die Leistung in