大模型已经从单点能力， 进入系统工程的较量。 文 ｜ 陆莫斯 封面来源 ｜ AI生成 如果想知道AI市场到底发展成什么样，火山引擎已经是中国市场当仁不让的风向标。 "截至今年12月，豆包大模型日均token使用量突破50万亿，较去年同期增长超过10倍。"12月18日，在人头攒动的Force大会现场，火山引擎总裁谭待宣布 了这一数字。 2025年，这一数字仅为16.4万亿 图源：火山引擎 MaaS（模型即服务），是最直接的观察模型消耗量的指标。单论这一市场，如今火山引擎已经成为国内市场份额第一，全球也能排在第三位。 2025年中旬，云厂商争夺"AI云第一"的硝烟还未停息，到了今年最后一个月，各个大厂又端上了各个新版本——前有谷歌的旗舰模型Gemini 3、视频模型 Veo 3.1炸场，后有OpenAI的GPT-5.2紧追不舍。在国内，包括阿里、腾讯等巨头也纷纷端出了新模型的更新。 如果要给2025年的AI市场概括关键词，多模态和Agent必定在榜。 这次的Force大会，火山引擎重点发布的产品，也围绕这两方面展开： 模型侧：豆包旗舰模型1.8、以及视频生成模型Seedance 1.5 pro； 围绕Agent开 ...

Seko 2.0的操作界面。 AI视频生成正在从"炫技"的阶段，加速进入"算账"的商业落地期。 12月15日，商汤科技发布首个创编一体、多剧集生成智能体——Seko 2.0。与以往单纯强调生成效果不 同，此次更新将核心能力指向了"多剧集的一致性"，更披露了在国产化算力适配上的重要进展。 南都记者从发布会上获悉，商汤日日新Seko系列模型已实现对国产AI芯片寒武纪的适配。商汤Seko产 品负责人王子彬在接受南都记者采访时透露，通过模型蒸馏、算子优化及国产芯片适配，Seko目前的推 理成本下降约50%。 "对用户而言几乎无感，可以通过国产化芯片拿到同样质量的视频产出。"王子彬向南都记者坦言，从英 伟达生态迁移到国产芯片，研发端确实经历过模型调优、通信及并发等挑战，但最终效果已基本一致。 更关键的是，这一适配带来了成本优势。 业内人士指出，视频生成属于非实时任务，相较于对延迟极度敏感的实时交互场景，更适合国产芯片发 挥其高性价比的优势。王子彬透露，随着模型结构蒸馏技术的应用以及与寒武纪等国产硬件的联合优 化，推理成本下降约50%，意味着AI视频工具的边际成本将持续降低。 这一数据的披露，意味着AI视频赛道竞争焦点正 ...

新智元报道 最近的AI视频模型大混战，豆包也下场了！ 就在今天，火山引擎在FORCE大会上，正式发布了豆包视频生成模型Seedance 1.5 pro，生成效果一下子就把我们震到了。 比如，被谷歌折磨得不行的OpenAI CEO奥特曼，痛苦扶额飙出河南方言： 编辑：编辑部 【新智元导读】就在刚刚，字节Seedance 1.5 pro一上线，网友们都玩疯了！音画同步、方言直出效果太惊艳，文物直播、熊猫唠嗑、小扎和马斯克上演 真人角斗，这个模型的升级，将彻底改变未来的AI视频制作流程。 唉呀，最近谷歌咋恁牛咧？发那个模型直接给咱干趴下了！昨天的生图模型都没人瞅！ 甚至，已经有网红大V用它做出爆款视频了。 老祖宗文物们走进直播间里开始孤身摇，一边还唱着时下最火的热门歌曲，如此脑洞十足的视频，眼看着就要在小红书开始病毒式传播。 不用怀疑，这么逼真的效果，背后都来自Seedance 1.5 pro的加持！ 没错，这次的全方位升级，直接让它在AI视频模型中全面领先。 首先，Seedance 1.5 pro可以支持音视频联合生成了，不再局限于视觉维度。 其次，模型的视觉冲击力和运动效果，又一次突破了上限。 多语言的超自然对 ...

01. 当新技术遇上老难题 如果给2025年下半年的AI行业选一个受关注的方向，视频生成几乎是绕不开的答案。在OpenAI发布Sora 2并上线App版本后，AI视频的热度几乎以"病毒 式"的速率在全球范围内迅速扩散开来。 但梳理产业发展的脉络，才会发现，这并非是偶然的产品爆红。背后，是过去两年里视频生成技术在画面质量、时序建模与可用性上的持续进步。Sora、 Veo、通义万相，无论是大公司还是创业公司，不断累加的技术贡献，让全球AI视频相关能力的迭代节奏显著加快。 当技术突破与国内的规模化需求在同一时间点汇合，内容行业逐渐形成一个清晰判断：AI视频生成已经成为下一代内容基础设施的重要组成部分，更稳定 的技术和更快的工具远远不够，创作者们需要的可能是一套更底层、可扩展的生产力方案。 更深层的影响，正在产业内部逐步显现。 当模型的进步不再局限于画面质量本身，而是逐步覆盖叙事能力、人物与风格一致性、音画同步、跨镜头逻辑延续等更接近工业化生产的关键要素。当生成 效果跨过"能看"的门槛，开始接近"可用""好用"，AI视频才真正进入大众视野，也随之成为当前极具想象空间的赛道之一。 与此同时，视频行业本身也在面临着一种结 ...

人人都能创作视频的时代来了。 封面来源 ｜ 通义万相生成 当新技术遇上老难题 如果给2025年下半年的AI行业选一个受关注的方向，视频生成几乎是绕不开的答案。在OpenAI发布Sora 2并上线App版本后，AI视频的热度几乎以"病毒 式"的速率在全球范围内迅速扩散开来。 但梳理产业发展的脉络，才会发现，这并非是偶然的产品爆红。背后，是过去两年里视频生成技术在画面质量、时序建模与可用性上的持续进步。Sora、 Veo、通义万相，无论是大公司还是创业公司，不断累加的技术贡献，让全球AI视频相关能力的迭代节奏显著加快。 更深层的影响，正在产业内部逐步显现。 当模型的进步不再局限于画面质量本身，而是逐步覆盖叙事能力、人物与风格一致性、音画同步、跨镜头逻辑延续等更接近工业化生产的关键要素。当生成 效果跨过"能看"的门槛，开始接近"可用""好用"，AI视频才真正进入大众视野，也随之成为当前极具想象空间的赛道之一。 与此同时，视频行业本身也在面临着一种结构性难题。 过去十余年里，围绕视频展开的产业始终是全球范围内增长最快、资本最密集、创新最活跃的领域之一。从影视娱乐、广告营销，到电商内容、社交平台与 创作者经济，视频逐渐 ...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 这一次，我真的分不清 视频到底是不是AI生成 的了。 来，咱们先来看一下这段 演技飙升 的视频片段： Prompt：女子泣不成声，说台词："江辰……你一定要活着回来，好吗？……答应我"。女子边说话边将右手抬起抚摸男子的脸。背景 音乐伤感。影视级。 这台词、这演技、这眼神、这口型，不说是AI生成的，一般人绝对会以为是哪个电影里的片段。 但重点还不是效果的逼真—— 因为这10s的片段，人物对白配音、视频背景音乐和音效，统统都是通过上面的Prompt 一锅出 的。 这就是刚刚 火山引擎 在FORCE原动力大会上推出的最新 豆包视频生成模型Seedance 1.5 Pro 。 主打的就是 音画高精同步，一镜入戏 。 就这个功能一出，打造一个有趣好玩的小短片，那真是分分钟的事情了。 例如我们以这位AI女主角为原型： 然后就可以用Seedance 1.5 Pro搞一个"川剧"—— 《至辣园》 ： 从这两个实测案例中，我们不难看出，这次豆包视频生成模型Seedance 1.5 Pro整体亮点可以总结为： 目前，Seedance 1.5 Pro已经上线 即梦AI 和 豆包 ...

行业年度回顾与趋势 - 2025年视频生成领域发展突飞猛进，视频内容创作范式正在发生改变 [1] - 行业在B端和C端商业化落地速度惊人：B端大量AI短剧、漫剧上线，制作成本大幅降低；C端社交平台出现爆款特效，大量博主开始常态化使用AI制作剧情短片 [1] - 顶尖模型生成的画面在光影质感与物理规律上已臻化境，但用户体验门槛依然存在，如高不可攀的内测资格或不菲的订阅费用 [1] 公司产品发布与定位 - 阿里于12月16日正式发布新一代万相2.6系列模型，涵盖文生视频、图生视频、参考生视频、图像生成和文生图共5款模型，是目前全球功能覆盖最全面的视频生成模型家族之一 [2][3] - 万相2.6是**国内首个**具备声画一致性角色定制能力的模型，能通过角色参考固定IP形象，并参考输入视频中的音色，实现从画面到声音的完美复刻 [3] - 该版本进一步提升了画质、音效和指令遵循能力，单次视频生成时长实现了**国内最高的15秒**（参考生视频为10秒） [3] - 模型已同步上线阿里云百炼和万相官网，企业用户可直接调用API，千问APP也将于近期上线 [3] 核心技术能力突破 - 万相2.6具备“参考生视频”能力，成为**全球唯二、国内首个**拥有此能力的模型，允许将任意人或物设定为主角，在多镜头切换中保持核心主体、场景和环境氛围的统一 [7] - 模型在结构上集成了多项创新技术，可对输入参考视频进行多模态联合建模与学习，提取主体的时序情绪、姿态、视觉特征及音色、语速等声学特征，实现从视觉到听觉的全感官一致性迁移 [9] - 模型具备“分镜控制”功能，通过高层语义理解将简单提示词转换为多分镜脚本，生成包含多个镜头的连贯叙事视频，确保内容、节奏和氛围的高一致性 [3][9] 产品功能实测与效果 - 实测中，万相2.6能精准提取参考素材中主体的形象特征、声音声线及惯用神态，并可通过提示词将其置入全新剧情 [11] - 在多角色声画同步测试中，模型对科技人物（如奥特曼、哈萨比斯、黄仁勋）的眉眼微表情、肢体语言及习惯性动作还原度极高，英文版能完美复刻其原本的声线与语调 [13][14] - 在细节把控测试中，模型能生成电影级高保真度的特写镜头，完美呈现如眼镜片因热气起雾、皮肤细微纹理和毛孔“呼吸感”等复杂细节，打破了AI生成人物常见的“塑料感” [17][18] - 在长叙事能力测试中，模型展现出了类似专业导演的运镜意识，能通过推拉摇移和景深变化掌控叙事节奏，并高度还原设定的视觉风格与人物情绪 [24] 图像生成能力升级 - 万相2.6在静态图像生成领域完成了版本迭代，在“高美学”与“强可控”上同时迈进 [26][27] - 在文生图方面，新模型实现了对艺术风格的“灵魂捕捉”，对肌理、色彩、笔触等细节刻画更为到位，并能进行平滑自然的风格融合 [27] - 针对人物写实照片，2.6版本综合优化了构图与光影，削弱了“AI塑料感”，人物神态更自然，肤质真实感大幅提升 [29] - 新版本改善了在图片中生成中英文文本的能力，并新增了“图文混排输出”和“多图融合生成”等功能，能依据逻辑创作具有叙事性的绘本或复杂商品组合场景 [31] - 模型提供了商用级的一致性保持能力，以及更精确的镜头远近视角和光影效果控制选项 [33] 应用场景与市场影响 - 万相2.6面向广告设计、短剧制作等专业场景展现出惊人潜力，通过连续提示词能生成完整叙事的短片 [16] - 万相模型家族已支持文生图、图像编辑、文生视频等10多种视觉创作能力，已广泛应用于AI漫剧、广告设计和短视频创作等领域 [35] - 万相2.6的发布标志着AI视频生成告别“抽卡”时代，迈向了精准可控的电影级创作新阶段，将昂贵的影视工业特权折叠进了手机和云端 [36]

截至12月17日，千问App公测满一个月，一个月来，这款App迅速迭代，共计更新18个版本。 （文章来源：每日经济新闻） 每经上海12月17日电（记者陈婷）12月16日，阿里千问App同步上线最新视频生成模型万相2.6，并向所 有用户免费开放。基于该模型的核心能力，千问App上线"AI小剧场"功能，在国内首次实现"角色合 拍"玩法，用户可与朋友或名人轻松同框出演AI短片。 据了解，"AI小剧场"玩法即基于该模型的角色扮演新功能，目前，仅美国大模型公司OpenAI旗下的 Sora2大模型有类似功能。 ...

"对用户而言几乎无感，可以通过国产化芯片拿到同样质量的视频产出。"王子彬向南都湾财社记者坦 言，从英伟达生态迁移到国产芯片，研发端确实经历过模型调优、通信及并发等挑战，但最终效果已基 本一致。更关键的是，这一适配带来了成本优势。 业内人士指出，视频生成属于非实时任务，相较于对延迟极度敏感的实时交互场景，更适合国产芯片发 挥其高性价比的优势。王子彬透露，随着模型结构蒸馏技术的应用以及与寒武纪等国产硬件的联合优 化，推理成本下降约50%，意味着AI视频工具的边际成本将持续降低。 AI视频生成正在从"炫技"的阶段，加速进入"算账"的商业落地期。 12月15日，商汤科技发布首个创编一体、多剧集生成智能体——Seko 2.0。与以往单纯强调生成效果不 同，此次更新将核心能力指向了"多剧集的一致性"，更披露了在国产化算力适配上的重要进展。 南都湾财社记者从发布会上获悉，商汤日日新Seko系列模型已实现对国产AI芯片寒武纪的适配。商汤 Seko产品负责人王子彬在接受南都湾财社记者采访时透露，通过模型蒸馏、算子优化及国产芯片适配， Seko目前的推理成本下降了约50%。 这一数据的披露，意味着AI视频赛道竞争焦点正在逐步转移 ...

公司产品发布与技术升级 - 阿里于12月16日发布新一代万相2.6系列模型，该模型面向专业影视制作和图像创作场景进行了全面升级[1] - 万相2.6是国内首个支持角色扮演功能的视频模型，同时支持音画同步、多镜头生成及声音驱动等功能，被官方称为全球功能覆盖最全面的视频生成模型之一[1] - 相比今年9月发布的万相2.5版本，新版本在画质、音效与指令遵循能力上均有显著提升，单次视频生成时长达到目前国内最高的15秒[1] - 万相2.6新增了角色扮演与分镜控制功能，使得模型能够一键生成包含单人、多人或人与物互动的视频内容，并可自动完成多镜头切换等专业影视任务[1] - 该模型已同步上线阿里云百炼平台及万相官网[1] 核心技术特点 - 技术层面，万相2.6通过对参考视频进行多模态联合建模，同步提取时序化视觉特征与声学特征，在生成过程中实现画面与声音的全感官一致性迁移[1] - 在分镜控制方面，模型能基于高层语义理解构建具备完整故事线的多镜头段落，并在镜头切换中保持主体、场景与氛围的统一[1] 应用场景与行业影响 - 该模型进一步降低了专业视频制作的门槛，用户上传一段个人视频并输入风格提示词，万相2.6即可自动完成分镜设计、角色演绎与画面配音，生成电影级短片[2] - 在广告设计、短剧制作等场景中，连续提示词可驱动模型生成叙事连贯、镜头语言专业的视频内容[2] - 目前，万相模型家族已支持文生图、图像编辑、文生视频、角色扮演等十余项视觉创作能力，广泛应用于AI漫剧、广告创意及短视频制作等领域[2]