我扒了十几篇测评，告诉你 Seedance 2.0 到底行不行

Seedance 2.0 发布不到 48 小时，我的信息流已经炸了。

朋友圈里有人发"AI 视频第一阶段的比赛结束了"，微博上有摄影师在分析运镜质量，YouTube 上测评视频已经有好几条破千播放了，券商连夜出了研报，连 A 股影视板块都跟着涨停了一轮。

但我发现一个问题：夸的人在夸，骂的人在骂，信息碎片化得厉害。每个人只试了自己感兴趣的场景，得出的结论完全不同。

所以我花了一天时间，把能找到的中英文测评、媒体报道、社交媒体反馈、券商研报全部过了一遍，试着拼出一个完整的画面。

以下是我从不同角度看到的 Seedance 2.0。

记者实测：一次生成，没抽卡

新京报做了一个很有意思的测试。记者上传了一张照片作为首帧，写了一段提示词："图中人物扔掉红色纸板摆功夫起手式，与机器人激战。低角度跟拍侧闪，中景快切拳掌撞金属，特写火花加镜头微震。"

几分钟后，视频直接出来了。一次。没有反复生成挑选。

记者还找了一位专业摄影师看片。摄影师的评价集中在几个点：人物在剧烈运动中面部特征和衣着保持一致，眼镜的反光和位置始终稳定，阴天光影在分镜切换后没有突变。

摄影师拿它跟自己常用的 Veo 3.1 对比，认为在高速运动场景、金属碰撞、衣物飘动这些物理模拟方面，Seedance 2.0 更胜一筹。

如果让真人团队做同样的视频，需要绿幕实拍或全 CG 制作、动作捕捉、3D 建模、后期合成调色，前后大概一两个月。记者从找照片到出片，5 分钟。

 专业博主：影视飓风的背书效应

影视飓风的测评加速了 Seedance 2.0 的"出圈"。这个账号在视频制作圈的影响力不用多说。

从公开信息看，影视飓风测的几个方向是大范围运动、分镜能力、音画匹配。结论是正面的。

影视飓风的测评之所以有份量，是因为他们团队本身就是做视频制作的，标准不是"看起来酷不酷"，而是"能不能用在实际项目里"。这跟普通用户发一条"好厉害"的感慨完全不同。

海外媒体：别急，Demo 都是挑过的

the-decoder 的报道给了一盆冷水。

他们的原话是：这些 Demo "almost certainly cherry-picked from a larger batch of generated clips"。意思是字节展示的都是最好的结果，失败的那些你看不到。

文章明确指出了几个未知数：真实环境下的成功率是多少？生成一条要多久？定价是什么？这些问题目前都没有公开答案。

the-decoder 的态度是"impressed but cautious"——承认效果好看，但提醒读者这是最佳情况下的展示。

这种态度在英文科技媒体里很常见，也是国内测评普遍缺少的视角。大部分中文测评要么全夸，要么全踩，很少有人说"效果确实好，但我们还不知道这是不是普遍情况"。

 券商研报：3000 元降到 3 元

中信建投在发布当天就出了计算机行业研报，标题直接写"AI 视频生成迈上新台阶"。

研报里最抓眼球的数据是成本对比：传统影视制作中，5 秒特效镜头需要人工一个月、成本约 3000 元；用 Seedance 2.0 生成，两分钟，3 元。

90 分钟的短剧项目，传统成本一万多元，AI 方案降到两千多元。

开源证券的研报更激进，用了"奇点"这个词——认为 Seedance 2.0 可能是 AI 影视发展的奇点时刻，把 AI 视频从"抽卡玩具"变成了"工业工具"。

券商的话要打折听。他们的职业就是寻找投资逻辑，写研报的时候天然倾向于放大利好。但抛开措辞不看，成本数据本身的参考价值还是有的。

 创作者社交媒体：两极分化

在 X（原 Twitter）和微博上，创作者的反馈呈现明显的两极。

兴奋派：一个做 AI 创业的博主发帖说，自己合伙人花了一整天做不出来的武侠 IP 效果，用 Seedance 2.0 五分钟就搞定了。帖子配了视频，确实看起来不错。

还有人发了一段AI 生成的视频，说"比真人更像真人"。虽然夸张了点，但视频的运动流畅度和光影质感确实到了一个让人要反复看才能确认是 AI 生成的程度。

冷静派：也有人指出，提示词涉及名人或知名 IP 时会被审核拦截。有人想生成李连杰和成龙的打戏，直接被提示"视频未通过审核"。还有人发现真人脸的上传素材目前是受限的。

这些限制在热闹的宣传里很容易被淹没，但对真正想拿它干活的人来说是实打实的问题。

YouTube 测评：Prompt 模板比效果更值钱

YouTube 上几条测评视频里，我觉得最有价值的不是效果展示，而是 Prompt 写法的分享。

有一条视频专门讲怎么用三视图参考图来保持角色一致性——先用其他工具生成角色的正面、侧面、四分之三视角图，然后上传到 Seedance 2.0 作为参考。实测下来角色在不同镜头间的一致性提升很大。

另一条视频分享了一个发现：简短的 Prompt 效果比长 Prompt 更稳定。100 词以内最好，超过 150 词模型开始选择性忽略指令。

这类实操经验对创作者来说比"好不好看"的结论有用得多。

被忽略的细节：一次生成 vs 抽卡

所有测评里最让我在意的一个细节是"一次生成"。

新京报记者强调他的视频是一次生成的。有 AI 视频使用者的评价是"没见过一条就生成这么强劲的"。

以前用视频模型，标准流程是同一个提示词跑十几次甚至几十次，从里面挑一条能用的。这个过程叫"抽卡"。抽卡消耗的不只是钱，还有时间和耐心。

如果 Seedance 2.0 真的能在大部分场景下做到"一次可用"或者"两三次里必有一条能用"，那它对工作流的改变比画质提升更有意义。

当然，这里有一个采样偏差的问题。发到社交媒体上的都是成功案例，失败的没人发。新京报的一次成功也只是一个数据点，不能代表普遍情况。

但从多个独立测试者的反馈来看，Seedance 2.0 的可用率比上一代确实有明显提升。多个人不约而同地提到"一次就出"，这个信号应该不是巧合。

它不行的地方

综合所有测评，Seedance 2.0 目前明确存在的问题：

名人和知名 IP 无法生成。 审核机制会拦截涉及真实名人和知名版权角色的内容。想拿它做名人恶搞视频或者 IP 二创，别想了。

真人脸上传受限。 你不能上传一张真人的照片作为角色参考。动漫角色、CG 人物、卡通形象可以，但真人脸会被拦截。这对做数字人、真人短剧的创作者影响很大。

品牌和产品识别不准。 新京报记者让它生成"宇树机器人"，出来的是科幻电影风格的机器人，跟真实的宇树机器人长得完全不一样。模型对特定品牌和产品的认知是模糊的。

文字生成还是老问题。 需要在视频里叠加文字的场景，模型依然经常生成变形的字母或乱码。这一点几乎所有视频模型都没解决好。

复杂多人互动容易穿帮。 两个人以上的互动场景，手部穿模和身体重叠的问题依然存在。

所以到底行不行？

综合十几个不同来源的测评，我的判断是：

行。但没有宣传的那么无敌。

Seedance 2.0 在三个方面做到了同代最强：运动场景的物理真实感、角色在多镜头间的一致性、音画同步的自然度。这三项在专业摄影师的盲评和多个独立测试中都得到了印证。

但它远没有到"替代真人拍摄"的程度。名人 IP 限制、真人脸限制、多人场景的稳定性问题、文字生成的缺陷，这些都是实际使用中绕不开的坎。

如果你是电商卖家做产品视频、自媒体做短视频素材、动漫爱好者做同人短片，Seedance 2.0 大概率能让你的效率翻好几倍。

如果你是专业影视团队想拿它替代拍摄流程，现阶段还差一截。它能做"素材辅助"和"预览可视化"，但做不了"成品交付"。

券商研报说的"奇点时刻"有没有夸大？有一点。但方向没错。一年前我们还在嫌 AI 视频太短太糊没声音，现在已经在讨论它能不能替代真人拍摄了。进步的速度比产品本身更让人在意。

 一个提醒

看测评的时候记住一件事：每个测评者都有自己的立场。

博主需要流量，所以会选最炸的效果展示。券商需要投资逻辑，所以会放大行业影响。官方 Demo 需要说服用户，所以会挑最完美的结果。海外媒体需要客观人设，所以会强调风险和未知。

没有哪个单一来源能给你完整的画面。

最靠谱的方式永远是自己上手试。即梦平台现在已经可以用了，1 元开通 7 天会员就能体验。用你自己的场景、你自己的素材跑几条，比看一百篇测评都管用。

别人的测评是地图，你自己的体验才是路。

本文信息来源：新京报贝壳财经 2 月 9 日实测报道、the-decoder 2 月 9 日报道、中信建投计算机行业研报、开源证券研报、影视飓风测评、YouTube 多位创作者测评视频、X/微博创作者反馈。