▲头图由AI生成
提示词：突然，前方街角的阴影里，一只漆黑的猫像一道闪电般窜出，身形轻盈而敏捷。女孩被吓得微微后退一步，雨水顺着帽沿落在她的肩膀上，溅起一圈细小水花。镜头侧面缓缓跟随，捕捉她的手伸出，试图触碰黑猫。猫的耳朵竖起，眼睛在路灯下闪着绿光，它轻巧地一跃，消失在湿漉漉的街道深处。
女孩愣了一秒，低头看着自己微湿的手指，嘴角悄悄上扬，露出一丝忍俊不禁的笑意。她摇摇头，雨伞下的脸被灯光映出温暖的光晕。随后，她调整步伐，撑开雨伞，加快了前行的脚步，雨水拍打伞面，伴随着她鞋底溅起的水花，融入街道的喧嚣中。
音效提示词：猫叫声轻响，随即消失；雨点拍打伞面滴答作响；远处偶尔传来汽车轰鸣声和脚步声，街道弥漫湿润气息。
在大约等待了30秒后，豆包向我们发送了生成结果。提示词中描述的几个关键动作都在视频中得到了呈现，同时，画面中人物的衣着、样貌在不同的镜头中都保持了一致，视觉效果比较稳定。
音效方面，Seedance 2.0的配音与画面内容调性一致，而像是猫叫声、脚步声这些声音则与画面内容匹配，基本实现了音画同步。
美中不足的是，对于“雨水顺着帽沿落在她的肩膀上”这部分的描述，Seedance 2.0未能还原。平心而论，液体的渲染对大多数视觉生成模型来说还是较为困难的。
紧接着，我们又尝试了一个涉及音画同步的高难度场景：乐器演奏。此前，在我们的体验中，大部分视频模型都无法准确地将音乐与画面的演奏动作同步，要么节奏对不上，要么手指动作与音符不符，要么整体演奏显得生硬、不自然。
Seedance 2.0拿到的提示词如下：
街头音乐表演，鼓手敲击节奏、吉他手弹奏旋律，观众随节奏轻拍手，音乐是拉美风格。
Seedance 2.0的生成结果可以说是较为惊艳的，在音乐风格上，它满足了我们的“拉美风格”限定词，背景中的人物、建筑风格也符合拉美风的要求。
乐器演奏方面，鼓手的桶鼓轮奏动作与音乐的鼓点，基本达到了8成的契合度，这要比我们之前测试的字节视频生成模型好得多。
而在吉他手的演奏中，画面中手部按压的和弦和视频里模型生成的音乐也是基本契合的，左右手的手法都是自然、连贯且细节丰富，琴弦拨动与音符节奏高度对应。
细看还可以注意到，背景中观众拍手的动作和视频里的声音是精准卡点的。
我们的最后一个纯文本提示词考察的是一个超现实场景，这种场景在模型训练数据里可能分布较少，考察的是对罕见视觉元素、超现实组合和非日常场景的生成能力。
画面开场是一座夜晚的城市，全景俯拍，城市灯光闪烁，街道像河流般流动。随后，镜头慢慢拉近，出现几栋建筑缓缓离地漂浮，建筑底部闪烁着微光能量。空中漂浮的汽车像鱼群般游动，偶尔从建筑间穿梭而过。主角是一位身穿银色风衣的少年，脚下踩着悬浮板，从高楼之间穿行而过。 镜头切换至近景，少年伸手触碰漂浮的建筑，触碰瞬间建筑表面出现液态光纹，建筑缓缓旋转、折叠，随后化作光粒飞向夜空。背景出现巨大月亮，月亮上投射出城市倒影，光线折射在漂浮建筑和人物身上。
整体体验下来，Seedance 2.0的表现确实有明显提升。无论是长文本指令的理解与还原、复杂音画同步场景的精准匹配，还是超现实画面的稳定生成，它都展现出了明显强于以往模型的综合能力。
当然，它仍存在一些可以改进的地方，其中物理细节还有明显的优化空间。但在动作连贯性、人物一致性与镜头语言执行力上，Seedance 2.0已经开始接近成为可商用的创作工具。
随着Seedance 2.0开始进入豆包这样的大众产品，普通用户也开始能低成本、高频率地尝试视频创作。未来，视频的生产方式、创作门槛乃至内容形态，都可能被重新定义。
