用腾讯会议打王者，谁看到不会说一句「离谱」。

以前在群里看到在线会议那串链接，条件反射就是工作和学习。我脑子里都是上课、开会、面试还有永无止境的「收到请扣 1」。

但最近我发现，这软件的风评正在发生一种诡异的逆转。

这段时间以来，在小红书和朋友圈里，一种名为腾讯会议开黑的「行为艺术」，正在悄悄人传人。

当我第一次看到那些打着王者荣耀，却挂着腾讯会议界面的截图时，我的心情还是挺复杂的。你们是有多爱上班？连打游戏都要搞个会议纪要？

原本以为他们是要搞什么高端的远程协作，结果点进去一看，还是打游戏里，那些狂叫的「救救救」、「别送了」、「不讲武德」。

于是乎，带着批判，其实更多是猎奇的心态，我也拉着我的怨种朋友亲自体验了一把后，我悟了。

谁懂，原来是我们的格局小了。说腾讯会议是办公软件，完全低估了它，这分明是比我队友更懂阴阳怪气的互联网嘴替，还是专门记录各种人类迷惑行为的荒诞派作家。

我们玩游戏「癫狂」，腾讯会议里面的 AI 纪要更炸裂。

就这种用最严肃的工具，干最不正经的事的反差感，真的很绝。尤其是腾讯会议，里面那个本该用来记录会议纪要的 AI，现在是硬生生地被玩家们，逼成了一个峡谷战地记者。

腾讯会议说，我成了你们 Play 的一环

我们首先要搞清楚，腾讯会议的 AI 纪要是怎么工作的。AI 纪要，原本是开发出来让我们在职场上提升效率的。

但它最厉害的地方，其实是把情绪识别的天赋直接拉满了。

作为会议软件 AI，本来是用这套天赋，对商务谈判、技术评审、周报汇报等工作场景，进行专门的优化；主打一个还原真实氛围，捕捉和记录工作中，各种需要对齐的东西。

在它的世界观里，人类的对话应该是有逻辑的、有目的和有结论的。

然而，随时组的一场游戏局，能有什么目的，里面充斥着的无非是情绪的宣泄、无意义的重复、还有根本不讲语法的破碎。

但恰恰是这个识别我们的语气和情绪的功能，让它在面对游戏组局里这些「废话」时，反而能更精准地抓住我们崩溃的瞬间。

于是当这个功能到了游戏玩家手里，两种逻辑正面相撞，AI 开始对我们说的每句话强制格式化。万万没想到，腾讯会议，直接变成了一台冷面吐槽机器。

其中，各种喜剧效果拉满的「商务翻译腔」，直接让打王者这件事快乐加倍，成了最期待的游戏体验。

我们一起来感受一下这个画风。

有网友在小红书上分享，在腾讯会议里开黑，明明是打游戏打急眼了，在那互相甩锅。结果 AI 纪要一出，瞬间给升华成了各种职场官方话。

看着 AI 一本正经地说「配合出现明显脱节，暴露出战术执行混乱的问题」、还有「李元芳的姗姗来迟，更凸显出团队中的协同漏洞」……莫名有种在批奏折的感觉。

在游戏的实时过程中，腾讯会议会每隔两分钟，就自动推送最新的会议纪要。我们只需要开启会议，把它放在一边，它就能实时把我们的对话全部整理好。

但这个整理，相当有仪式感。听听这词儿，「生存压力巨大」、「明显的挫败感」。 哪怕玩家们在麦里吵翻了天，在腾讯会议的 AI 眼里，这可能仍然是一场关于战术执行，与团队配合的「高层对话」。

还有更损的，有大学生在打比赛的过程中，吐槽了一波学校网速不行，还聊到了拼多多取快递。

换做以前，这些游戏过程中随口一说的东西，说完就随风飘散了。但现在，腾讯会议这个 AI 纪要，它居然给记下来了！甚至把取快递、驿站都跟游戏失败联系上了。

会议结论： 「两人将游戏的失败归咎于……学术流放政策和各种问题所导致的操作瘫痪，并陷入了对游戏角色压制力的集体焦虑。」

真的很离谱，AI 总有一天是会被这些玩家给逼疯的。

文字记录本来是莫得感情，但被情绪崩溃的玩家碰上了，产生的喜剧效果简直拉满。过去输了游戏可能是真生气，现在输了游戏，看到这份纪要，只想说，这把虽然没赢，但 AI 判我嘴硬赢了。

我的「潜台词」，AI 比我队友更懂

说实话，笑完之后，我发现腾讯会议这波操作有点东西。

那个打通了元宝的 AI 纪要，是有点「活人味儿」在身上的。一般的语音顶多做个文字转录，再不济根据文字内容，生成一些个思维导图、会议摘要。

但腾讯会议这个，它独特的智能情绪识别能力，不光听清了我们说什么，还听懂了我们是什么态度。

拉上我的朋友十二，APPSO 今天带薪打游戏，也来体验一波用腾讯会议来开黑的快乐。

我（xxxx）平时不怎么打王者，因为技术实在是有点菜，有时候打完一局，输掉了，不光队友气，自己也悔。

但这局游戏结束，回头看这些 AI 纪要，说它是一个游戏复盘，完全不准确。

电脑放在旁边，我一边打，一边偷瞄几眼，当时就笑出声。「为当前的冲突埋下伏笔」、「感到明显的挫败感」；AI 这是比我都离谱。

我觉得自己就像个 CEO，等着 AI 来伺候我这个打游戏的菜鸟。AI 也丝毫不敢怠慢我， 小心翼翼地记录下，我每一次愚蠢的走位，和无脑的冲锋。

一开始，我的电脑麦克风没设置好，我说要对方先等等。然后 AI 纪要给我记录的情绪是「我抱怨技术问题、网络卡顿、双方情绪明显升级。」

接着到了正式的游戏阶段，朋友跟我说游戏里有人在喷我了，我确实打的很菜，我自称人机。结果元宝给我们的画像是，朋友透露出了对胜负的强烈焦虑，而我已经失去了信心。

虽然我还是那个送对方人头最多的菜鸟，但我把这些腾讯会议生成的 AI 纪要分享给他看时，他觉得 AI 特别好，把他的真心话全说出来了。

以前打完一局，想分锅可能要再吵吵个半天。现在好了，也不需要我们手动整理，一边看乐子，一边手直接把纪要甩给元宝。

我们甚至可以直接问它，「帮我分析一下，这局谁的心态最先崩的？」然后元宝给我的回答是。

十二（游戏昵称）全程表现出更强的求胜欲，即使劣势仍反复尝试调整策略（如中路推进、拿风暴龙王），心态崩溃较晚。

xxxx（游戏昵称）在游戏开始不久即抱怨网络卡顿，语气焦躁，并与其他玩家相互指责技术问题。此时已显露出对局面的失控感。

xxxx（游戏昵称）自嘲「才知道我是人机」，公开承认自己操作像人机，这种自我贬低是心态崩溃的典型表现。

元宝会基于全网信息和我们提供的上下文，生成一份比教练还专业的战术甩锅报告。

但报告准不准确，是不是真能分析出有用的东西，一点都不重要。AI 纪要的存在，更像是一个目击证人，证明了我们这 30 分钟，不仅仅是手指在屏幕上的滑动，更是一件真实发生的事情。

这是友谊的「时光机」

体验完这波，再返回去看网上那些分享，我开始明白为什么现在的网友，宁愿麻烦一点，也要拉个腾讯会议打游戏了。

除了找乐子，大家图的，可能就是这种被郑重记录的感觉。无论是王者还是其他游戏，它们自带的结算界面太冷冰冰了，全是 KDA、伤害转化率。

最后的结果就是一个排位，谁死了多少次，谁贡献、击杀最多，它们只在乎玩家赢没赢，而我们玩游戏过程的那些情绪，它完全没办法给出反馈。

但腾讯会议 AI 纪要不一样，它完全就是一个情感容器，我们开心了，愤怒了，它全都记下来。

它记录的是，「A 玩家的我真服了，折射出战术执行已陷入恶性循环」、「B 玩家直接批评队友操作水平，语气激烈显示团队协作已出现裂痕」、「成败在此一举的紧迫感贯穿对话」……

AI 如何解读我，如何解读我的朋友，它生成的那些看起来荒谬的记录，像是变成了一个剧本，能演一出我们的友谊大戏。

试想一下，等到 2026 年，甚至更久以后，我们再翻开这份会议纪要。没有一堆枯燥的数据，有的还是那些让我们哄堂大笑的，一起嘴炮和犯蠢的证据。

某年某月，张三因为抢了李四的兵线，导致团队协作氛围一度紧张……

离谱，大概只是用腾讯会议开黑，这件事能被觉得好玩的某一部分原因。

一把王者结束，游戏只会告诉你输赢、数据和排名，但这三十分钟里留下的紧张氛围，很快就会被下一局覆盖掉。

腾讯会议的 AI 纪要，却把这些全部保留了下来，用一种有点过分认真的方式。它不需要急着证明自己有多有用，只是帮我们，把一次原本会被迅速遗忘的游戏过程，变成一段可以被回看的记录就行。

等哪天当你上班上得想发疯，随手翻到某天和你朋友们的开黑记录，会议纪要：因打野位缺乏大局观导致满盘皆输，团队五人均陷入集体焦虑。

信我，那一刻你绝对会笑出声来。

这哪里是会议纪要，这分明是 AI 给我们的「时光机」。虽然没赢，但咱们嘴硬赢了；虽然很菜，但咱们快乐真的在。

不过有点小遗憾的是，腾讯会议之前是，只支持两个人不限时的会议，我想多找几个朋友一起，让它来记录这波欢乐，免费时间就有限了。

好在腾讯会议和王者送来了福利，在周末最多 5 人的开黑直接不限时长。等不及了，我得再拉上我的冤种队友们去开会了（送两把）。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

AI Coding 的「元年」还没落幕，在即将迈入 2026 之际，这个赛道就加速进入更加残酷的下半场了。

之所以残酷，是因为规则变了，如果说上半场比的是「速度」，那么下半场拼的就是「落地」。

这带来的变化或许远超开发者想象，最近OpenAI 披露了一个颠覆性的工程案例：Sora 的 Android 团队曾面临极度紧迫的上线任务。

为此，他们组建了一支仅有四名工程师的「特种部队」。通过 AI coding 的方式，这支四人小队在 18 天内就发布了内部版本，10 天后即公开发布。这并非牺牲质量的狂奔，相反，他们在极短周期内依然保持了高标准的可维护性。

可见，AI 不仅在写代码，更在定义软件架构。而 Gartner 预测，到 2028 年，90% 的企业软件工程师将使用 AI Coding，开发效率将提升 30%。

在中国，这种转变甚至更为激进。数据显示，84% 的开发者正在使用 AI Coding 产品，其中 51% 每天都在使用。

但热闹背后，CTO 们的焦虑其实更深了。

因为 AI Coding 正在经历最痛苦的「祛魅时刻」： 从单纯验证「能不能写出一段 Python」，到要求「能不能搞定复杂的企业工程」。

问题早已从「要不要做」，变成了「怎么做得更好」。

说白了，企业引入 AI Coding 必须先解决四大挑战：安全合规、性能适配、管理透明和流程集成。解决不了这些，AI 就不仅无法提效，反而会变成一个吞噬维护成本和带来安全隐患的无底洞。

昨天，一家中国大厂也交出了自己的答卷，在火山冬季 Force 大会上，字节正式发布 TRAE CN 企业版，拥有 600万开发者、市占率第一的 TRAE ，正式进军 B 端市场，它的目标很明确：啃下挡在企业应用 AI Coding 前的几座大山。

TRAE CN 企业版，让 AI Coding 进入「工程轨道」

如果 AI Coding 仅仅意味着代码能跑通，其他全凭运气，那它永远无法真正进入企业开发的核心工作流。

这本质上是一场关于「控制权」的博弈。

企业需要的 AI Coding ，应当监控自己的训练过程，甚至为自己编写测试框架，但最终的「决定权」和「迭代方向」，始终掌握在人类手中。这是一种微妙的人机协作关系：让 AI 负责干活和制定初步计划，人类负责审查、讨论并迭代计划。

在TRAE CN 企业版里，各处都是这种「可控协作」的细节。

它拒绝让开发者陷入盲目的「抽卡式」编程，而是通过配置企业规则、知识库与 Agent，强迫 AI 进入团队协作的严谨轨道。在这个轨道里，TRAE 不仅生成代码，更在生成一种「懂业务、守规矩」的工程资产。

通用大模型最大的软肋，其实并非算力限制，而是「上下文窗口与工具调用次数的限制」。

它们通常只能盯着当前打开的文件，面对企业级数亿行代码的超大仓库（Monorepo）时，这种能力简直是个笑话。

所以，TRAE CN 企业版针对大仓库场景，专门对上下文与索引性能进行了深度优化，直接构建了资深架构师般的「上帝视角」。

它支持 10 万文件、1.5 亿行代码的超大仓库索引，配合超长上下文窗口，能适配最复杂的编程场景。比起简单的文本检索，TRAE 实现了亿行级代码的极速检索与实时增量索引。依靠企业级 GPU 集群的优化，它能在处理如此海量信息时依然保持毫秒级响应。

这意味着，当你敲下需求的那一瞬间，TRAE 已经「看」完了你整个项目，给出的不再是孤立的代码片段，是基于完整上下文的深思熟虑。

为什么我们需要这种能力？因为传统软件工程的物理定律正在失效。

图灵奖得主、曾撰写软件工程圣经《人月神话》的架构师 Fred Brooks 有句名言：「在一个已经延期的软件项目中增加更多人手，只会让项目更晚完成。」

刚刚发布的 TRAE CN 企业版，正在试图打破这个魔咒。

要知道很多稍有底蕴的技术团队，都有自己的一套「黑话」和「规矩」。这些宝贵的知识往往分散在 Wiki 文档、CI/CD 流程或者特定的工具链中。通用的 AI 对此一无所知，生成的代码往往充满了「外行感」，需要大量的人工修正。

TRAE 企业版的解法是：全场景适配，让 AI 学会团队「语言」。

它允许企业直接接入知识库与规范，并基于 MCP 协议统一调用企业的工具与数据源。这相当于给 AI 装上了企业的「大脑」和「手脚」。

当 Agent 接收到指令时，它会基于企业规则和知识库进行校准。所以，TRAE 生成的代码自带「规矩」：它更懂业务逻辑，代码生成更准确，甚至能集成现有的 CI/CD 和 DevOps 体系，实现 AI 开发的一体化。

更关键的是，它让所谓的「管理黑盒」变得更加透明。

以前老板不敢推 AI，是因为不知道员工用 AI 干了什么，也不知道 ROI 到底是多少。TRAE CN 企业版直接把效能做成了看板。它可以追踪 AI 生成率、代码量等关键指标，让整体 ROI 清晰可见；同时还能设置费用上限、实时监控消耗，把成本算得明明白白。

当然，这一切的前提是守住安全的「红线」。

TRAE 企业版给出了的承诺是，数据不训练。官方隐私协议明确规定，企业代码永远不用于 AI 训练。配合代码全链路加密传输、云端零存储（代码文件默认本地存储）以及云端数据用后即焚机制，让企业代码资产「滴水不漏」。

TRAE 企业版扎扎实实地解决了三个最要命的工程问题：让 AI 看得全（全库索引）、懂规矩（规则内化）、能闭环（Agent 协作）。

正因为啃下了这三块硬骨头，TRAE 企业版才能将 AI Coding 从一个「有时好用、有时捣乱」的玩具，转变为企业研发的确定性生产力。

在字节最真实的业务里，验证「确定性」

2025 年我们已经习惯了 AI 产品在 PPT 上各种参数的天花乱坠，但真正能让 CTO 们信服的，只有在极限业务场景下跑出来的数据。

最好的试金石，莫过于承载字节自家泼天流量的产品。毕竟在这种大量并发协作的真实业务考验里摸爬滚打出来，比任何关于「提效」的承诺都更有力，目前字节 92% 的工程师都在用 TRAE 进行开发。

就拿抖音生活服务来说，这个业务迭代速度快得惊人，过去面对的最大挑战，是需求到上线的链路冗长且人力投入巨大。从产品经理写下的自然语言需求（Brief），到工程师敲下的第一行代码，中间横亘着巨大的「沟通折损」。

工程师不仅要理解业务逻辑，还要在大脑中检索与之匹配的中间件、熔断规则和数不清的隐藏依赖。

而企业希望 AI 带来的生产力拐点，往往并不是推倒重来的「颠覆」，是要像水一样渗入到企业已有的流程里，去填补那些效率的洼地。

而 TRAE CN 企业版在这里给出的解法，就是一种不同的「全链路深度嵌入 」，透着一股老练的「懂行」。

当工程师把一段飞书文档投喂给 TRAE 时，它没有机械地把中文翻译成代码。它不仅读懂了「团购券核销」这个业务动作，更扫描了当前服务的上下文，自动匹配了团队最新的 RPC 调用规范。它甚至指出了文档中未提及的兜底逻辑缺失。

如果问研发同学最讨厌干什么，写单元测试（Unit Test）绝对榜上有名。

这是一件苦差事。为了赶业务进度，单测往往是第一个被牺牲的环节；而一旦系统挂了，缺乏单测又是第一个被拉出来背锅的理由。这种死循环，折磨了无数技术团队。

TRAE 干了一件极其漂亮的事：单测自动生成与修复。

据内部研发团队测试，在接入 TRAE 后，单测生成时间被压缩到了 18 分钟以内，而且首编译通过率高达 70% 以上。请注意，这 70% 不是生成的伪代码，而是实打实能跑通逻辑的测试用例。

TRAE 默默扛下了这些枯燥、重复但又至关重要的脏活累活，让工程师能把宝贵的脑力留给架构设计和业务创新。

这套在字节内部跑通的逻辑，也正在外部企业中复制

在一家头部的 PC 硬件厂商业务系统中， 80% 是旧代码迭代，多年的代码堆积让维护变得异常困难，每一次改动都像是在排雷。

引入 TRAE CN 企业版后，它充当了企业知识库的「守门人」。在 Java 后端场景中，TRAE 能准确识别陈旧的架构问题，甚至精准定位重复查询等性能瓶颈，给出优化方案。

而在前端，它直接打通了 Figma，让原型图瞬间转化为代码，被研发团队评价为「省去了切图环节，提速非常明显」。

能够处理那些逻辑盘根错节、充满历史包袱的存量老系统（Legacy Code），这意味着它不挑食，不嫌脏，具备极强的代码理解和上下文穿透力。

对于金融科技企业汇付天下，对代码的准确性和交付效率有着金融级的要求。在他们的支付 PaaS 平台「斗拱」的研发中，下游开发者理解接口文档耗时、环境部署排查困难一直是阻塞交付的顽疾。

他们在利用 TRAE 企业版的 Agent 能力后，实现了智能环境诊断和测试用例自动生成。它能分析下游环境日志，快速定位问题，直接将沟通成本降至最低。

效果是立竿见影的，从最初 10 个席位的谨慎试点，迅速扩展到 100 个席位，高峰期活跃率高达 70%。这种自下而上的高频使用，说明 TRAE 真正嵌入了工程师的核心工作流，而非一个可有可无的辅助插件。

字节跳动的高并发场景，到 PC 巨头的存量维护，再到金融科技的交付提效，TRAE 企业版这种转变，也是 AI Coding 更加成熟的标志，对于那些追求确定性、不仅要快更要稳的企业级研发来说，才有真正的应用价值。

AI Coding 的下半场，要成为确定性生产力

尽管行业普遍预测 AI Coding 还有巨大的增长空间，但背后依然是无数企业从观望到试水的艰难跨越。

企业需要的不是随机的 Vibe，而是确定的 Spec（规范）。

所以，AI Coding 的下一阶段，从「人指挥人」，转向「人定义 Spec（规范），AI 落地执行」。

TRAE CN 企业版正是基于这种判断，将字节在 C 端极其复杂的海量场景经验，内化为解决问题的能力，确立了一种全新的生产关系。

TRAE 并不满足于生成 Demo 级代码，而是试图陪伴开发者走完从构思到落地的全链条。它让工程师从重复劳动中抽身，去定义架构、去洞察业务，给出企业可用的生产级代码。

不过，这场生产关系的进化注定不会轻松。传统的研发惯性、复杂的存量系统以及对安全合规的顾虑，依然是横亘在企业面前的现实高墙。

TRAE 的出现，或许只是给这堵高墙凿开了一个缺口。否持续证明这种「确定性」价值，能否让更多企业像字节内部一样信任 AI，将是决定其能否真正撬动企业级市场的关键。

这场关于 AI Coding 的长跑才刚刚起步，TRAE 抢到了一个不错的身位，但真正的较量还在后头。

文｜李超凡

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

AI 视频最近的玩法特别多，颇有上半年 AI 生图火起来的那种感觉。

之前火过一遍的 AI 探班视频，随着模型能力的提升，现在又开始变成了社交媒体上的热门玩法。

不过彻底摒弃了以往复杂的工作流，有更好用的模型，甚至是简单几句提示词就能复刻，视频里的同款真实感。

视频生成模型的优化，不断地在降低，对我们人类提示词工程的依赖，同时还带来了更稳定的一致性保持。

豆包最近更新了新一代的音视频生成模型，豆包 Seedance 1.5 Pro，在音视频的生成上也有了明显的改善。现在它生成的视频，支持中文、英文、日文、韩语、西班牙语等语种的不同声韵，同时针对中文场景，还能生成四川话、粤语等方言。

不仅能说，而且还能模仿不同语言的口音。有声视频是 Seedance 1.5 Pro 的一大突破，在视频生成本身，结合音频的音画同步，以及电影级的运镜两项优化，让 AI 视频看起来更真实、更细致。

目前该模型已上线豆包 APP，只需要打开豆包，点击「照片动起来」，选择 1.5 Pro 模型，就能体验到 AI 生视频的快乐。此外，在火山引擎体验中心、即梦 AI 也可以体验。

我们也提前测试了一波，Seedance 1.5 Pro 完全可以说，是现在手边能拿起来直接用，能同时融合声音，表现最好的视频生成模型。

听听「臣妾做不到啊」的原音重现

《疯狂动物城 2 》上映之前，网友们对配音演员的选择，有很大的争议。现在 Seedance 1.5 Pro 的语音生成有多牛，我们可以看看之前网上很火的甄嬛传和让子弹飞，两个视频的配音，让它来完成是什么样。

从网上找了一张影视剧的截图，然后丢给豆包，我们甚至什么提示词都没有输入，它就能做到自动识别视频画面，生成一段有感情的台词戏。

皇后和张麻子都演得太像了，这和几个月前的视频生成模型，完全不是一个 Level。 以前那些 AI 视频，口型对不上，或者声音有机械感的问题，现在都解决了。

但普通话对它来说都是基本操作，方言的表现才是 Seedance 1.5 Pro 打败那些国外模型的独门秘籍。就像 Sora 2 和 Google Veo 3.1 虽然在画面生成上被认为是行业领先，但如果把上面这两张首帧图片丢给它们。Sora 和 Veo 3 都理解不了甄嬛传的经典台词，和张麻子这流利的四川话口音。

全运会刚结束，如果你也在广州，一定忘不了「活力大湾区，魅力新广州」这句魔性的口号。我们生成了一张站在广州塔前面的照片，然后在豆包「照片动起来」里面输入提示词。

画面里的这个男生正在面向镜头，向大家介绍他身后的广州塔，他用粤语说「活力大湾区，魅力新广州，我身后面嗰个就系广州塔喇！」

这个粤语水平怎么样，比多邻国里面的早茶四件套，虾饺、肠粉、烧卖、豉汁排骨，听着是不是要舒服一点。

而且，Seedance 1.5 Pro 有一个好处是「视听一致性」，意思是它能根据画面的内容，理解视频想要表达的故事，来自动生成对应的配音。

举个例子，当我们上传了一张明显是外国人的图片时，我们不输入任何提示词，它会自动使用英文来配音，并且让画面里的角色，说合适的台词。

即便是在中餐厅面馆里吃面的威尔·史密斯，Seedance 1.5 Pro 还是让他自动用英文来说话，而且这个吃面姿势也完全对了。

同样地，我们用它复刻了 AI 片场探班的视频，直接上传一张图片给豆包，不输入任何提示词，它会自动用中文来生成视频，还配上了台词，「哇，跟阿凡达合影啦！」

当我们重新生成时，Seedance 1.5 Pro 还把照片里的男生识别成韩国人，然后生成了一段讲韩语的视频。不过，说实话，他确实是有点韩国欧巴的感觉。

豆包视频生成还有一点特别好，是我们可以直接把生成的视频，下载为动图保存在手机。配合现在模型更强大的多模态理解能力，以及能生成更真实的画面，手机里那些静态的图片，让它们「真实地」动起来，然后发到微信朋友圈，可能真的会有人看不出来。

AI 巨人照加上无人机运镜，太酷啦

叙事是 Seedance 1.5 Pro 更新的一个关键词，它的意思是这些 AI 视频不只是单纯的生成，而是有了一定的故事感，能够对要表达的内容进行理解，让 AI 生成的视频，更像是一个有血肉的作品。

一个好的视频作品，灯光色彩、音效要出色。技术性的工作也少不了，运镜就是在音画之外，不可忽视的镜头语言。

Seedance 1.5 Pro 在这次更新里，在长镜头跟随、希区柯克变焦这些电影级运镜都有了大幅度的提升。

像是之前我们做的子弹时间，现在上传一张图片到豆包，调整一下提示词，子弹时间特效也自由了。

我们把同样的照片交给 Veo 3.1 处理时，它生成的子弹时间也很难做到保持角色一动不动。因为对大多数视频生成模型来说，识别到头发，就一定要飘动；看到裙边也要摆动；所以精准的运镜控制和调度，也是区分不同模型的一项重要能力。

还有这个前段时间很火的 AI 巨人照，现在我们也可以用超酷炫的无人机俯冲和穿越运镜，来凸显视频里的巨人。

从参考图转视频，能更好的控制视频的输出效果。但 Seedance 1.5 Pro 的文生视频能力也毫不逊色。

根据字节公开的 Seedance 1.5 pro，在内部基准测试 SeedVideoBench-1.5 的模型表现结果，显示无论是 T2V 文生视频，还是 I2V 首帧转视频，和可灵 2.6、Google Veo 3.1 等模型对比，Seedance 1.5 Pro 的表现都有一定优势。

尤其是在音频生成和音画同步上，Seedance 1.5 Pro 几乎是碾压性的存在。

我们尝试让疯狂动物城朱迪和哪吒一起，一个普通话，一个四川话，演了一出 10s 的小剧场。

这个视频的风格和内容，和我们平时看的动画片风格真的很类似。当义正辞严的兔朱迪警官，抓到哪吒的时候，那严肃的表情和语气；还有哪吒用四川话说台词，也能对上嘴型。

APPSO 今年前前后后也测试了有十多款 AI 视频生成的模型，我们在使用的过程中，发现很多以前的测试案例，放到现在已经是 Out 了。

一开始是鲁迅来了，都得让他说两句英文；能生成一个 5s 流畅播放的视频，就谢天谢地。现在的模型，不仅支持中、英、日、韩等多语种，广东话、四川话这些特色方言都能同步生成。

恍然间，AI 视频的进化，已经从按年计算变成了按月计算。昨天的突破，今天就是及格线。

Seedance 1.5 Pro 这次更新，可能又会变成新的及格线。但至少现在我们看到了，有了音画同步后更有感染力的视频；多语种和方言的支持，也让 AI 视频更有「生活味」；专业的电影级运镜和智能理解能力，让一些高难度的复杂场景，也有机会通过 AI 生成。

当技术能够理解画面背后的故事，自动匹配合适的语言和情绪，我们距离想象力和创作自由的时代，又近了一大步。

实现这一切需要什么？ 一张图片或者一句提示词。

打开豆包 APP，上传/输入，生成，就这么简单。每张照片都是待激活的故事，每次上传都是创作的开始。

步骤越少，门槛越低，创作者越多，用 AI 视频实现创意就该是这样。

文章内视频可点击该链接前往观看：https://mp.weixin.qq.com/s/em_E90Q7AdydHsNwVkAMTQ

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博