小歪：我把火山发布会重点整理完了：Seedance 2.5、图片、音频、Agent 一篇看懂

小歪：我把火山发布会重点整理完了：Seedance 2.5、图片、音频、Agent 一篇看懂 小歪：我把火山发布会重点整理完了：Seedance 2.5、图片、音频、Agent 一篇看懂 Modified June 24 No access 1 00:00 No access 2 00:00 30 秒长叙事 这次新模型最大的升级，是单条视频能生成到 30 秒。市面上同类产品大多卡在 15 秒以内，这一截直接把能讲的故事量翻了快一倍，让一致性保持又上一个台阶 50 个全模态参考 另一个升级，是一次创作最多能塞 50 个全模态素材做参考。现场 demo 是一次性输入 10 多位演员的图像资产，让模型把这些角色的互动呈现出来，效果看起来还可以 不过，我想说要是，如果真的塞50个素材，能找得到哪张对应哪个剧情吗，眼花缭乱 No access 0bc3bic3uaafkqad6cz7l5vfkcwdxifaloqa.f10002 00:00 白模预演成片 还有一个我觉得特别有意思的功能，3D 白模预演 这是一位导演提的真实需求。科幻片、大场景调度在前期筹备阶段，需要先用低精度白模确定空间、机位、走位 现场输入了一个复杂度接近 10 万面的宇宙飞船白模，让模型生成对应的渲染视频，飞船的轮廓、比例在镜头运动中保持得很稳 No access 0bc3e4c3eaafmaadi4r7kvvfkj6dwitqlmqa.f10002 00:00 跨语言局部改片 现场演示了一个口红广告多语言本地化的案例 同一段画面，英文版和日文版台词能无缝切换，只改局部内容，画面构图不变，做跨境内容的朋友应该会用得上 No access 0bc3cqcbcaaeniajp5j6rrvfifgdcekaieia.f10002 00:00 2.5 现在还没公布具体定价，但照着 2.0 原生 4K 这个消耗速度推算，大概率也不会便宜，搞不好比 4K 还贵 毕竟时长更长、能塞的素材更多，算力消耗肯定也得往上走 到底新模型会有多烧钱呢？先做好心理准备吧，哈哈哈 3 AI 版权平台：周星驰来了 这次还顺带上线了个 AI 版权商业化平台，给真实的影视 IP 做官方授权的 AI 二创工具 看到首批合作对象的时候我是真愣了一下，竟然是周星驰！！！ 《喜剧之王》《食神》《长江七号》这几部经典电影的台词被重新演绎了一遍，看的时候脑子里全是弹幕那种感觉 No access 3 00:00 用户可以用官方授权的创作模板去做二创，上线当天创作量就破了 10 万次 这个事情我觉得意义不只是好玩，它给版权方和创作者之间搭了一座桥，通过 AI 创作继续延续经典 IP 生命力，也不怕侵权的问题了 换句话来说，IP 和 IP 的版权变得越来越重要了 4 图片模型：Seedream 5.0 Pro No access 4 00:00 分层编辑 这次 Seedream 5.0 Pro ，我比较看好的是图层拆分这个能力 以前用 AI 生图，想把人物和背景分开做二次编辑，得导到另外的工具，比如 Lovart 之类的，去处理，挺麻烦 现在这步直接在模型里就能做完。圈选一下就把人物、物体单独拆出来，背景还会自动补全，还能继续往下拆，比如把人物身上的帽子、滑板再单独分离出来 这个对做平面设计、二次创作的人来说，省了一道跨工具的麻烦事 圈选式局部重绘 这个功能现在很多 AI 绘图模型都有了，不算什么新鲜东西 不过官方说这次是专门针对这种标注方式，比如画箭头、圈高亮块，做了强化训练。理论上识别意图、定位元素应该会更准 具体效果怎么样，得等我后面拿到实际测评权限再细说，现在先保持期待 复杂图文排版 另外一个亮点，是一张图能塞下的信息量变大了 复杂图表、一整页 PPT 的内容都能完整呈现，还会自动做版面优化。多语言这块支持十几种文字，阿拉伯语从右到左的排版、西班牙语的重音标记这些细节都顾到了 5 图片 + 视频协同：1 + 1 2 Seedance 2.5 和 Seedream 5.0 Pro 这两个模型还能串起来用，现场演示了一个天问一号科普视频的案例，我个人是挺看好这个思路的 先用 Seedream 5.0 Pro 把探测器从发射到着陆几个关键阶段的外观准确生成出来，再把这些画面喂给 Seedance 2.5，直接出了一个 30 秒的高质量科普视频 做产品介绍、教育这类内容，先用图像模型把细节钉死，再交给视频模型做动态，比直接靠视频模型一把出要稳得多 No access 0bc3kia3yaabbiadw7b3mrvfcuwdxrjadpaa.f10002 00:00 6 语音模型：Doubao Seed Audio 1.0 豆包音频生成模型 Doubao Seed Audio 1.0 ，定位是语音模型的一次跃迁 No access 5 00:00 多角色声音演绎 现场放的武侠故事 demo 我听完是真愣了一下 好几个角色的口音、情绪、语气节奏都不一样，而且这些声音不是预先录的，是模型仅凭文字自动推理出来的 它能同时处理情绪、方言口音、背景音乐、环境氛围音和拟音特效，近一分钟内音色还不会漂移 这个能力如果用在有声书、长视频配音上，门槛是真被打下来了。以前这种活儿得找专业配音演员 7 这几个模型现在到底能不能玩 豆包 2.1 Pro ：已经上线，直接在豆包里就能用，选“办公任务” No access 1 00:00 No access 1 00:00 No access 2 00:00 No access 2 00:00 30 秒长叙事 这次新模型最大的升级，是单条视频能生成到 30 秒。市面上同类产品大多卡在 15 秒以内，这一截直接把能讲的故事量翻了快一倍，让一致性保持又上一个台阶 50 个全模态参考 另一个升级，是一次创作最多能塞 50 个全模态素材做参考。现场 demo 是一次性输入 10 多位演员的图像资产，让模型把这些角色的互动呈现出来，效果看起来还可以 不过，我想说要是，如果真的塞50个素材，能找得到哪张对应哪个剧情吗，眼花缭乱 No access 0bc3bic3uaafkqad6cz7l5vfkcwdxifaloqa.f10002 00:00 No access 0bc3bic3uaafkqad6cz7l5vfkcwdxifaloqa.f10002 00:00 白模预演成片 还有一个我觉得特别有意思的功能，3D 白模预演 这是一位导演提的真实需求。科幻片、大场景调度在前期筹备阶段，需要先用低精度白模确定空间、机位、走位 现场输入了一个复杂度接近 10 万面的宇宙飞船白模，让模型生成对应的渲染视频，飞船的轮廓、比例在镜头运动中保持得很稳 No access 0bc3e4c3eaafmaadi4r7kvvfkj6dwitqlmqa.f10002 00:00 No access 0bc3e4c3eaafmaadi4r7kvvfkj6dwitqlmqa.f10002 00:00 跨语言局部改片 现场演示了一个口红广告多语言本地化的案例 同一段画面，英文版和日文版台词能无缝切换，只改局部内容，画面构图不变，做跨境内容的朋友应该会用得上 No access 0bc3cqcbcaaeniajp5j6rrvfifgdcekaieia.f10002 00:00 No access 0bc3cqcbcaaeniajp5j6rrvfifgdcekaieia.f10002 00:00 2.5 现在还没公布具体定价，但照着 2.0 原生 4K 这个消耗速度推算，大概率也不会便宜，搞不好比 4K 还贵 毕竟时长更长、能塞的素材更多，算力消耗肯定也得往上走 到底新模型会有多烧钱呢？先做好心理准备吧，哈哈哈 3 AI 版权平台：周星驰来了 这次还顺带上线了个 AI 版权商业化平台，给真实的影视 IP 做官方授权的 AI 二创工具 看到首批合作对象的时候我是真愣了一下，竟然是周星驰！！！ 《喜剧之王》《食神》《长江七号》这几部经典电影的台词被重新演绎了一遍，看的时候脑子里全是弹幕那种感觉 No access 3 00:00 No access 3 00:00 用户可以用官方授权的创作模板去做二创，上线当天创作量就破了 10 万次 这个事情我觉得意义不只是好玩，它给版权方和创作者之间搭了一座桥，通过 AI 创作继续延续经典 IP 生命力，也不怕侵权的问题了 换句话来说，IP 和 IP 的版权变得越来越重要了 4 图片模型：Seedream 5.0 Pro No access 4 00:00 No access 4 00:00 分层编辑 这次 Seedream 5.0 Pro ，我比较看好的是图层拆分这个能力 以前用 AI 生图，想把人物和背景分开做二次编辑，得导到另外的工具，比如 Lovart 之类的，去处理，挺麻烦 现在这步直接在模型里就能做完。圈选一下就把人物、物体单独拆出来，背景还会自动补全，还能继续往下拆，比如把人物身上的帽子、滑板再单独分离出来 这个对做平面设计、二次创作的人来说，省了一道跨工具的麻烦事 圈选式局部重绘 这个功能现在很多 AI 绘图模型都有了，不算什么新鲜东西 不过官方说这次是专门针对这种标注方式，比如画箭头、圈高亮块，做了强化训练。理论上识别意图、定位元素应该会更准 具体效果怎么样，得等我后面拿到实际测评权限再细说，现在先保持期待 复杂图文排版 另外一个亮点，是一张图能塞下的信息量变大了 复杂图表、一整页 PPT 的内容都能完整呈现，还会自动做版面优化。多语言这块支持十几种文字，阿拉伯语从右到左的排版、西班牙语的重音标记这些细节都顾到了 5 图片 + 视频协同：1 + 1 2 Seedance 2.5 和 Seedream 5.0 Pro 这两个模型还能串起来用，现场演示了一个天问一号科普视频的案例，我个人是挺看好这个思路的 先用 Seedream 5.0 Pro 把探测器从发射到着陆几个关键阶段的外观准确生成出来，再把这些画面喂给 Seedance 2.5，直接出了一个 30 秒的高质量科普视频 做产品介绍、教育这类内容，先用图像模型把细节钉死，再交给视频模型做动态，比直接靠视频模型一把出要稳得多 No access 0bc3kia3yaabbiadw7b3mrvfcuwdxrjadpaa.f10002 00:00 No access 0bc3kia3yaabbiadw7b3mrvfcuwdxrjadpaa.f10002 00:00 6 语音模型：Doubao Seed Audio 1.0 豆包音频生成模型 Doubao Seed Audio 1.0 ，定位是语音模型的一次跃迁 No access 5 00:00 No access 5 00:00 多角色声音演绎 现场放的武侠故事 demo 我听完是真愣了一下 好几个角色的口音、情绪、语气节奏都不一样，而且这些声音不是预先录的，是模型仅凭文字自动推理出来的 它能同时处理情绪、方言口音、背景音乐、环境氛围音和拟音特效，近一分钟内音色还不会漂移 这个能力如果用在有声书、长视频配音上，门槛是真被打下来了。以前这种活儿得找专业配音演员 7 这几个模型现在到底能不能玩 豆包 2.1 Pro ：已经上线，直接在豆包里就能用，选“办公任务” Doubao Seed Audio 1.0 新语音模型 ：已经上线，可以去火山引擎体验中心试 语音模型体验地址： https://ark.volcengine.com/region:cn beijing/experience/voice?model=doubao seed audio 1 0&sessionid= Seedance 2.0 原生 4K ：已经在“即梦”上线，文章前面截过图了 Seedance 2.5 ：大会上说目前处于内测尾声，预计 7 月初正式见面，现在还玩不到 Seedream 5.0 Pro ：暂未上线，大会上没给具体时间 8 最后聊几句 整场捋下来，豆包 2.1 Pro 和新语音模型已经能直接上手玩，Seedance 2.5 和 Seedream 5.0 Pro 还得再等等 豆包 2.1 Pro 和语音模型我后面有时间会单独写详细测评，这篇先帮大家把大会的全貌过一遍 你们对哪个模型更感兴趣？ 感谢你看到最后 我是小歪 专注于带给大家人人都能看懂、人人都能学会的实用AI工具教程 🌟 如果这篇教程对你有帮助，别忘了点赞👍、转发📤、推荐❤️、三连支持！ 想要第一时间获取最新AI资讯，了解最新最热AI工具玩法，学习AI新手入门教程，记得关注 “小歪的AI工具箱” 加星标哦⭐ 🔗 原文链接： https://mp.weixin.qq.com/s/UzIHbh9Y... https://mp.weixin.qq.com/s/UzIHbh9Y... 原创 教AI的尹小歪 教AI的尹小歪 小歪的AI工具箱2026年6月23日 22:31 湖南 嗨，我是 AI尹小歪 ，WaytoAGI视频板块版主。 你身边的AI工具分享家，专注挖掘实用AI工具与热门玩法，陪你用AI提效，创造更多价值。 搜索公众号 “小歪的AI工具箱” ，关注我不迷路 我从头到尾守着直播看完了今天的火山引擎 Force 原动力大会 这次一口气更新了好几条线：文字、视频、图片、声音模型全都升了一轮 豆包大模型升级到了 Doubao Seed 2.1 Pro 视频生成模型出了 Seedance 2.5 图像模型来了 Seedream 5.0 Pro 语音模型也换了新版本 Doubao Seed Audio 1.0 基本上能想到的内容生产、办公学习、Agent、企业应用，这次都被覆盖了一遍 这些模型到底有些什么能力，哪些已经能玩、哪些还得等，下面一个个说 1 大语言模型：豆包 2.1 Pro 现在豆包大模型的日均 tokens 调用量已经到了 180 万亿 ，两年涨了 1500 多倍，感觉已经超过当年的 DeepSeek，变成新的国民模型了 这次发布的 Doubao Seed 2.1 Pro ，官方说它跨过了“生产级质变点”。说白了，就是不再只是个聊天工具，是真能进研发流程干活的那种模型 各方面能力跟其他模型的对比测评，我直接放截图，大家自己感受一下 价格便宜，性价比高 我自己没去跑代码评测，但这块是真心觉得划算 百万 tokens 输入 6 块、输出 30 块，缓存命中只要 1.2 块，算下来比 Claude Opus 4.6 到 4.8 系列省了将近 80% 如果你也在玩 AI Agent，什么 CC、Codex、Hermes，这个性价比差距攒起来是真金白银。能力可能比顶尖那几个模型稍弱一点，但这个差价我觉得完全划得来 多 Agent 协作 现场演示了一个多模态 3D 城市构建的案例，调度了 500 多个 Agent 协同作业，最后在一张地图上盖出 100 多栋造型各不相同的建筑，自己规划任务、自己调工具、自己迭代，看起来确实还行 长视频理解 这块我自己拿这次大会一个半小时的完整录像测了一下，结果是真有点意外 豆包 2.1 Pro 不仅把内容整理出来了，连“几分几秒在讲什么”都标得清清楚楚，而且不是简单逐字稿，是真有结构、有重点的详细整理 同样的文件丢给谷歌，直接卡在“只支持一小时以内”的限制，根本处理不了 这一下子让我觉得，以后玩 Agent，如果要做图片、音视频读取类型的任务，比如复刻爆款、以及一些需要识图才能继续的任务，豆包 2.1 Pro 应该会是我优先考虑的选项 毕竟现在国内能打的模型里，智谱 GLM 5.2 没有多模态能力，不能读图、读视频 不过，今天我实测的时候发现，容易出现提示“当前使用人数较多，请稍后再试”。估计是上线第一天，大家都跑去用了 2 视频模型：Seedance 2.5 Seedance 之前的 2.0 版本已经是中国第一个跨过“生产质变点”的视频模型，这次火山把它的原生 4K 能力和全新的 2.5 版本一起放出来了 原生 4K 成片 先说已经能玩到的部分： Seedance 2.0 的原生 4K 已经在即梦上线了 说句实话，价格是真的贵 跑一条 15 秒的 4K 视频要消耗 1200 积分，这么换算下来一条视频的成本可能奔着上百块去了。普通人玩两次就得掐指算钱包，可能就是对画质要求特别高的专业团队能用得起了 再来就是重磅大戏： Seedance 2.5 模型宣发视频很有想法