最近 AI 短劇女主接廣報價 60 秒 25 萬引發熱議， 影片生成已經從展示模型能力的 Demo，變成真正參與生產的工具，甚至進入傳統影視的製作流程。
《太平年》在第 31 屆白玉蘭獎拿下五項大獎，AI 就參與了這部劇的前期、拍攝和後期製作。部分 AI 鏡頭的製作效率，能比傳統 CG 提升 3 至 10 倍。
Seedance 2.5 再次刷新了影片生成能力上限，它最多支持 50 個圖片、影片和音頻參考，直出 30 秒影片，在指令理解與精準編輯上展現出極強的影視工業質素。
但當影片做得越長、素材用得越多，創作進入深水區後，也會帶來更複雜的問題：大量的參考素材需要整理，角色和場景也得一一對應。生成結果一旦出錯，又該怎麼修改？
好馬需配好鞍，要讓頂尖的模型性能在複雜的長故事與多鏡頭生產中順暢落地，創作者往往需要一整套更適配的 Harness
。
LibTV 最近就針對 Seedance 2.5 的升級，做了一套新的 Harness。
這波更新的重點自在於，怎麼把高標準的工程完整做完。LibTV通過補充參考拆解、素材組織、片段修改和鏡頭合成等核心工程環節，嘗試為 Seedance 2.5 打造了一套可反覆疊代、穩定交付的專業工作流。
這套 Seedance 2.5 的新馬具表現如何，APPSO 也第一時間進行了詳細實測。
50 個參考素材，終於不用一個個手動匹配
LibTV 介入到 Seedance 2.5 後，我最先感受到是，「抽卡」的手氣似乎好了起來。
我們用同一段 Prompt，分別測試了 Seedance 2.0 和 Seedance 2.5。同樣的要求，Seedance 2.0 只能生成 15 秒，鏡頭變化和整體完成度也比較有限。
但到了 Seedance 2.5，貓從車頂躍下，不同角色穿過車陣，鏡頭在近景、跟拍和高位全景之間切換。到了結尾，原本分散在公路上的角色還被收進了同一個大場面。
更關鍵的是，這條 30 秒影片第一次生成，就已經接近可用。
不過，一條影片能一次抽中，不代表整支片子也能這麼省心。
當項目里出現幾十個鏡頭、多個角色和場景，問題很快會從「能不能生成」變成「素材該怎麼管」：劇本里的角色、場景和道具，要怎樣和畫布上的幾十份參考逐一對應？
Seedance 2.5 給出了 50 個參考位。但如果尋找、選擇和填寫素材仍要手動完成，這 50 個參考位很快就會變成 50 份整理工作。
而 LibTV 的 AutoLink 會先理解劇本，再從畫布中尋找對應的角色、場景和道具，把素材插入相應的提示詞。
例如一個漫劇畫風的故事片，只要把人物和場景素材放進畫布，再交給 LibTV 一份完整劇本，LibTV 就能自動識別出劇本中的角色關係和場景變化，自動完成素材匹配。我只需要檢查結果，替換個別不合適的參考。
這一步不會直接帶來炫目的新畫面，卻決定了後面的角色和場景能否穩定。
Seedance 2.5 提供了更多參考位，LibTV 則把「找到素材、選中素材、放對位置」這套重複操作接了過去。
素材能放對位置只是第一步。接下來，我們乾脆不提供完整素材，看看 LibTV 能不能自己補齊鏡頭並剪出一支廣告。
我們給出的要求很簡單：生成一組包含 3C 產品特寫、跑步人物和廣告感動作的靈感鏡頭。
LibTV 先追問需要哪類廣告畫面、是否要上傳指定素材。在沒有繼續補充圖片的情況下，它自行生成錨點畫面，再把這些畫面做成影片片段，最後跟著音樂節奏完成快切。
過去，創作者需要在找素材、生成畫面和剪輯成片之間反覆切換。現在，LibTV 已經能先跑出一版完整結果。
這支快剪驗證的是速度。接下來，我們換成一支情緒類美妝廣告，看看 LibTV 能不能讓策劃、鏡頭和聲音始終圍繞同一個意圖推進。
我們先讓 LibTV 分析一部愛情電影的視覺氣質，再輸入劇本。內置 Agent 主動確認人物、情緒和敘事方向，隨後給出分鏡，並繼續生成鏡頭、旁白和音樂。
生成途中，我們對其中一個鏡頭不滿意。我們直接指出需要修改的位置，LibTV 只重做對應片段，沒有把整支影片從頭再抽一次。
最終成片從暖色回憶切到冷色獨處。牽手、夜路、眼淚和口紅特寫連在一起，情緒也從親密慢慢轉向疏離。
比起單個畫面的出彩，LibTV 做到了策劃、分鏡和音畫全流程的意圖一致。原本散落在畫布上的素材，迅速串成了一支能直接拿去交付的成片。
影片越做越長，越不能依賴整條重抽
素材組織解決後，我們繼續測試 LibTV 的逐幀拉片。
這次，我們想保留一種潮濕、逼仄又帶有顆粒感的城市情緒。舊樓、魚缸、夜路和手持近景，共同組成一個獨居青年女性的日常生活。
LibTV 會先拆解參考影片裡的風格、關鍵幀、運鏡、節奏和聲音，再把結果整理成可以繼續調用的素材組。
真正開始生成後，第一版很快暴露了問題。
房間顯得過於破舊，穿襪子的鏡頭甚至出現了一隻襪子套住兩隻腳的情況。第二輪修掉局部錯誤後，人物動作的順序仍然不通：襪子穿好了，人卻沒有出門，幾個室內鏡頭也像一組彼此無關的漂亮畫面。
我們繼續調整動作順序，讓人物先穿襪子，再出門、回家、看魚、刷牙，最後躺到床上。同時加入魚眼廣角、近景和特寫，讓景別參與敘事。
前後改了四輪，這支片子才有了清楚的生活軌跡。
雨後的街道偏綠，魚缸和臥室轉向冷藍，人物在鏡子前刷牙時，畫面又回到更克制的灰色。光線隨著場景變化，整體氣質沒有散掉。
過去做拉片，創作者得盯著參考影片反覆暫停、截圖、記錄時間點，再手動拆出畫面風格、運鏡和節奏。
現在，LibTV 先把參考片拆成一組可以繼續調用的鏡頭語言。後面的修改不再靠模糊描述，直接落到具體鏡頭、景別和時間段。
為了繼續增加難度，我們又製作了一支 88 秒的動畫短片：雨夜裡，一個女孩離開電腦，走到便利店門口，又拿起畫筆繼續畫自己的故事。
這支片子一共有 20 多個鏡頭。
我們先做好人物三視圖和場景圖，再把劇本交給 LibTV。它識別畫布上的圖片資產，拆分分鏡，生成錨點圖和影片片段。
該圖片疑似使用了AI生成技術，請謹慎甄別
一張錨點圖確認後，相關鏡頭就能沿用同一套人物和視覺設定。後來，我們要求 Agent 統一調整想像世界的畫風，LibTV 找到所有相關鏡頭一起修改，不用再從二十多個鏡頭裡逐張翻找。
成片時，系統根據劇情結構匹配音樂，再把二十多個鏡頭合成在一起。
便利店招牌、黃色雨衣、圓框眼鏡和雨夜燈光都保持了較高的一致性。即使場景在電腦前、街道和畫中世界之間來回切換，觀眾仍然能認出同一個人物和故事。
片段重拍也在這類工作流里派上了用場。
鏡頭相對獨立時，創作者可以選中不滿意的時間段，重新描述動作或畫面，再把新片段替換回完整影片，省掉整條重抽。
不過，這項功能也有邊界。面對連續動作時，新片段與前後畫面的銜接仍可能顯得突兀。人物運動、機位和光線持續變化後，單獨重拍中間幾秒，很難讓接縫完全消失。
最後一項測試，我們把時長直接拉到 4 分 41 秒，看看 LibTV 能不能扛住一支真正的長影片。
貓群從堵塞的公路一路跳進城市，規模感遠超普通短片。
但隨著時長增加，重複畫面和連續性問題也變得更加明顯，積分消耗同樣不低。
因此，現階段的長影片能力更適合看作一個可以展開、拆分和持續修改的工作區。LibTV 已經能夠組織幾分鐘的內容，但還不能保證一次生成就得到無需修改的成片。
AI 影片開始變長以後，能定位問題、只修改需要調整的部分，往往比單純增加時長更加重要。
模型越強，越需要一副好鞍
有時候，一匹馬奔跑得越猛越快，想要駕馭的難度也隨之加大。
Seedance 2.5 無疑是現在影片模型的第一檔，但模型能力越大，普通人越容易在半路卡住。
要是沒人替創作者管束那些瑣碎、重複、一錯就得從頭再來的環節，這可能就是一匹脫韁野馬。
這種感受，我在 AI 編程上面也體驗過。這兩年 Coding Agent 體感上的大躍進，很大一部分不來自模型換代，來自外面套上的 Harness：工具怎麼調、上下文怎麼給、錯了怎麼回退、改一處怎麼不動全局。
Harness 這個詞本意就是馬具。好馬配好鞍，這句話大家都會說。但重點在於，鞍是給騎手用的。馬的能力一旦溢出騎手徒手能駕馭的範圍，沒有鞍的千里馬就只有極少數人騎得動。
LibTV 的這次升級，真正考慮到了每個創作者的需求。它不想只是純粹地提升畫質，而是給影片模型做一套「馬鞍」，讓每次修改和生成都變得可靠易管理，省得創作者一次又一次無效抽卡。
其實，接入最新模型的產品有很多，但 APPSO 的影片組同事一直在用 LibTV。最吸引他們的，就是 LibTV 這套 Harness 路線。
我們最近提到一個觀點，開源模型越強越便宜，AI 產品反而越有機會。只不過，它們要迎難而上去證明，拿掉底層模型之後，自己還剩下什麼；更進一步，它還要證明，當發動機越來越便宜，整台車不會因此失去價值，這也正是 LibTV 在證明的價值。
「馬」的上限，交給大廠和其他公司去卷。但「鞍」不一樣，這套素材組織和修改機制，換到下一代模型上依然成立，而且下一代自由度更高，它只會更值得做。
為了讓創作者能有更多空間去試錯和探索，LibTV 這次也針對 Seedance 2.5 推出了限時福利。720P（含參考影片）生成積分打 5.8 折，低至 0.4 元/秒，新老會員皆可享受 30 天折扣，最高還加送 60 條免費生成，給足了創作空間。
鞍最大的價值，從來不是讓馬跑得更快，關鍵在於它能讓騎手敢鬆開一隻手，更好地抵達終點。
