汗青：3万积分一手评测：即梦视频模型3.0Pro 登顶视频模型竞技场。

汗青：3万积分一手评测：即梦视频模型3.0Pro 登顶视频模型竞技场。 汗青：3万积分一手评测：即梦视频模型3.0Pro 登顶视频模型竞技场。 Modified June 13, 2025 No access 613 1 00:00 No access 2 00:00 No access 6 00:00 这组测试即梦视频模型3.0Pro完成得相当好。 首先，在长达10秒以上的镜头中， 直到最后一帧，都保证了人物的质感。 因为我们想模拟美剧的风格，而AI视频模型常见的问题是，在推演中逐渐把人物AI化。 这个问题完全没有出现，维持得非常好，甚至在最后出现的逆光效果在人物脸上都毫不违和： 同时，他出乎意料的，极其合理地完成了“一把推开一个士兵”这个动作，并且流畅地继续奔跑。这一点实际上是非常难的，既要有出色的语义遵循，又要能持续输出高质量的场景。 注意这个 左侧的士兵 ，它完全是生成的，首帧里并没有。无论是铠甲的细节，还是推开他的动作，都十分舒展。 伴随着复杂动作，运镜变化，光效变化，还能这么稳定的生成长镜头，这是超出我的期望的。 接下来是巨龙飞翔的长镜头，涉及两组镜头的衔接，分别实现大幅度的运镜变化。 整体完成度很高，动作流畅，光影效果很到位，富有美感。天空中其他的龙在飞行时没有出现明显的错误，再一次体现了同屏多主体的强大。 No access 7 00:00 No access 8 00:00 可惜的是，如果我们进一步提高标准，在龙本身的质感上，以及城堡这个完全想象出来的场景上，还是有一定的质感和美学衰减。主体略显单薄，体积感和分量感不够。对于景深的运用显得有些呆板。 测试完即梦3.0Pro后， 我的整体感觉是： 长镜头应该很快就不是问题了 。目前以DIT为主的技术范式，完全可以承载长镜头的叙事要求。 但这只是第一步，接下来，就是它有多合理，多复杂，多“听话”的问题。 语义遵循 一直以来，我都觉得即梦的模型是最听话的。 这也许得益于字节系全模态模型的加持，在语义理解上，一直都做得很好。当然这不意味着它在各方面效果都是最好的，但至少它表现出一种对创作者的同理心。而“做得好”的前提就是“听得懂”。 做过管理的朋友不难理解我的意思。 男人向前走两步，突然火光照亮他的脸，然后他完全呆住了，一种被震惊的表情。 No access 9 00:00 女骑士伸出一只手，阻挡住射向她的弓箭，出现蓝色的魔法。随后她一挥手，弓箭变成了一团黑烟。 No access 10 00:00 除了很好的遵循要求之外，这两组样片还有着很好的演出水准。 第一个场景，男人被火光照亮的脸有着细腻的表情变化。AI的演出真的在接近专业表演，有的时候我甚至觉得不输给一般的真人演员。 第二个场景是一个三段式的要求：伸手+箭飞来阻止+化成黑烟。三段的演绎和特效都很到位。AI视频经常出现那种特别浮夸的特效，即梦3.0Pro在这里的表现很节制，但很到位。 再看这组跪下去的运镜，伴随着喘粗气的动作，呈现非常自然。 No access 11 00:00 价格和速度 No access 613 1 00:00 No access 613 1 00:00 No access 2 00:00 No access 2 00:00 No access 6 00:00 No access 6 00:00 这组测试即梦视频模型3.0Pro完成得相当好。 首先，在长达10秒以上的镜头中， 直到最后一帧，都保证了人物的质感。 因为我们想模拟美剧的风格，而AI视频模型常见的问题是，在推演中逐渐把人物AI化。 这个问题完全没有出现，维持得非常好，甚至在最后出现的逆光效果在人物脸上都毫不违和： 同时，他出乎意料的，极其合理地完成了“一把推开一个士兵”这个动作，并且流畅地继续奔跑。这一点实际上是非常难的，既要有出色的语义遵循，又要能持续输出高质量的场景。 注意这个 左侧的士兵 ，它完全是生成的，首帧里并没有。无论是铠甲的细节，还是推开他的动作，都十分舒展。 伴随着复杂动作，运镜变化，光效变化，还能这么稳定的生成长镜头，这是超出我的期望的。 接下来是巨龙飞翔的长镜头，涉及两组镜头的衔接，分别实现大幅度的运镜变化。 整体完成度很高，动作流畅，光影效果很到位，富有美感。天空中其他的龙在飞行时没有出现明显的错误，再一次体现了同屏多主体的强大。 No access 7 00:00 No access 7 00:00 No access 8 00:00 No access 8 00:00 可惜的是，如果我们进一步提高标准，在龙本身的质感上，以及城堡这个完全想象出来的场景上，还是有一定的质感和美学衰减。主体略显单薄，体积感和分量感不够。对于景深的运用显得有些呆板。 测试完即梦3.0Pro后， 我的整体感觉是： 长镜头应该很快就不是问题了 。目前以DIT为主的技术范式，完全可以承载长镜头的叙事要求。 但这只是第一步，接下来，就是它有多合理，多复杂，多“听话”的问题。 语义遵循 一直以来，我都觉得即梦的模型是最听话的。 这也许得益于字节系全模态模型的加持，在语义理解上，一直都做得很好。当然这不意味着它在各方面效果都是最好的，但至少它表现出一种对创作者的同理心。而“做得好”的前提就是“听得懂”。 做过管理的朋友不难理解我的意思。 男人向前走两步，突然火光照亮他的脸，然后他完全呆住了，一种被震惊的表情。 No access 9 00:00 No access 9 00:00 女骑士伸出一只手，阻挡住射向她的弓箭，出现蓝色的魔法。随后她一挥手，弓箭变成了一团黑烟。 No access 10 00:00 No access 10 00:00 除了很好的遵循要求之外，这两组样片还有着很好的演出水准。 第一个场景，男人被火光照亮的脸有着细腻的表情变化。AI的演出真的在接近专业表演，有的时候我甚至觉得不输给一般的真人演员。 第二个场景是一个三段式的要求：伸手+箭飞来阻止+化成黑烟。三段的演绎和特效都很到位。AI视频经常出现那种特别浮夸的特效，即梦3.0Pro在这里的表现很节制，但很到位。 再看这组跪下去的运镜，伴随着喘粗气的动作，呈现非常自然。 No access 11 00:00 No access 11 00:00 价格和速度 关于价格的问题，即梦视频模型3.0Pro提供1080P标准，每秒是10积分，按照目前（2025年6月12日）的充值计算就是1块钱人民币。3.0的标准版是每秒4积分，也就是4毛钱，规格同样为1080P。 我的建议是完全可以混搭使用，要求不高的镜头用3.0足够。至于贵不贵，已经说了很多次，这完全取决于您拿来做什么。 在速度方面相当令人满意，3.0Pro作为旗舰级模型的生成速度很快，几乎不会造成等待的困扰。即梦系列的使用体验一直是优势，不仅仅是速度，还有前两天刷屏的图片模型，以及数字人口型等协同功能。 近期诸多AI视频模型都陆续有新版本发布，在质量取得突破的同时，也都在适度压低价格，对创作者来说，是好事情。 我是汗青，AI.TALK创始人，一个6岁开始学美术的AI创作者，也是厮混互联网圈16年的产品经理。我在这里分享对AI技术与媒介的思考。 我的愿景是寻找新技术与媒介艺术的结合方式。如果你同样对这个话题感兴趣，欢迎关注我的公众号和视频作品。 • 商务合作：aitalkgina • 频道视频号：AI.TALK • 个人视频号：汗青HQ 🔗 原文链接： https://mp.weixin.qq.com/s/N3FPU JZ... https://mp.weixin.qq.com/s/N3FPU JZ... 原创 汗青 AI Talk 汗青 AITalk2025年06月13日 08:44 日本 即梦视频模型3.0Pro发布了，AI视频领域接着卷。 下面是我们使用即梦视频模型3.0Pro制作的一条完整影片。影像部分全部使用它来完成。可以很充分地展示模型能力和特点。 即梦视频模型3.0Pro，也就是字节的 Seedance 1.0，在ArtificialAnalysisVideo Arena评测中几乎“屠榜”，拿到了文生视频和图生视频两项第一。 虽然评分不能说明所有问题，但至少是个参考。 而为了做这条片子并且写评测，工作室的小伙伴 怒跑了30000即梦积分 ，我们也是下血本了，还请各位点个免费的赞。 之所以花这么多积分去跑评测，有两个原因：一是尽可能的穷举， 避免因抽卡中的概率问题导致采用没有代表性的案例。 而我很少使用横向评测的原因也在此：小样本的抽卡很难充分反映模型能力。我也同时不会采用大量抽卡中偶尔出现的惊艳片段，因为它无法代表模型的平均生产水准。 而花费30000积分的另一个原因是：团队没和我打招呼。 所以我和大家说干得好，但下次别这么干了。 卡兹克昨天的评测写得相当全面到位，有兴趣的朋友可以看一下： 一手评测Seedance 1.0 pro，字节首次登顶视频大模型竞技场的大杀器来了。 一手评测Seedance 1.0 pro，字节首次登顶视频大模型竞技场的大杀器来了。 所以这篇文章我想基于这次实际制作影片的工程思维出发，尽量提供一些不同的角度。 动作/物理模拟 首先，是大家最关心的话题：逼不逼真。 画质再好，时长再长，如果影像本身显得很奇怪，也无法让观众有代入感。所以我们重点测试了写实风格，首先看吃苹果的片段： 一个懒散的男人大口吃苹果，咀嚼，然后抬头，下雪的场景 重点是吃苹果时嘴和苹果之间的物理互动反应，几个角度都非常逼真，感觉这个测试完成的很轻松。 最惊艳的是出现了 口水粘连在苹果上的细节 ，一下让场景显得特别生动。同时面部咬肌的自然联动也都完成得很好。 感觉种种相对静态的镜头对视频模型越来越简单了。 接下来上一点难度，一个万年老难题：拉弓射箭。 他真的射出去了。 印象里这是我第一次实际测试中，看见视频模型把弓箭合理的射出去，而且第二次开卡就完成了。合理的物理特性确实是即梦3.0Pro的显著特色。 我们顺带模拟了战场箭雨，以及第一人称视角的弓箭飞行，完成得相当好。这就连续成了一整组镜头： No access 3 00:00 No access 3 00:00 再看一下纯粹的物理效果：火焰喷射、器皿碰撞掉落、蜡烛倒下后点燃桌面。 在器皿这一组可以看出： 这个模型对同屏主体的控制能力相当强， 大量运动主体在高速运动中非常清晰，几乎没有出现模糊、错误或变形。 虽然无法避免在10秒的镜头中有一些细节的杯子和盘子的碰撞效果还是有错误，但整体呈现的态势已经非常逼真。 No access 4 00:00 No access 4 00:00 再看一组效果未达预期的样片。 一名女战士高举长剑呐喊，冲向远方空旷的战场，大量的骑兵跟随她冲锋。 No access 5 00:00 No access 5 00:00 表情、动作、运镜全部达标。缺陷在哪里呢？ 马匹的冲锋姿势。 是的，实际上，如果是一匹马的特写，即梦视频模型3.0Pro可以完成得非常好。但是在同屏主题数量增加的情况下，会大幅挑战模型的生成能力，马匹的奔跑变得略显僵硬，没有那种狂奔的舒展性。这一方面还需要给技术点时间。 动态推演 所谓动态推演，是指视频模型基于首帧图像，展开的生成与联想内容。这也是图生视频范式的核心。 一个模型并不是文生视频完成得好，图生视频就一定有同样的质量。Veo系列目前的现状就是典型案例。 在吃苹果的例子里，模型并不需要想象新的人物或场景，因为摄像机机位是固定的，大部分内容在起始帧图片中已经提供。它只需要做好这个人物的动作和物理反应就可以。 但下面这个例子则完全不同：我们需要让主人公快速奔跑至少10秒以上，也就是高动态的长镜头。 那么镜头中势必出现大量的 新人物和新场景 ，全部需要模型自己生成。这就对泛化性提出了非常高的要求。