他在微博中表示：“电影、长剧、短剧，未来会越来越深地生长在同一个影视生态里。”
这位已经年过半百、享誉国际的导演，对于新的内容形态、新的内容生产技术总是怀抱热情，把微博当朋友圈发。
今年年初，Seedance 2.0刚出来，贾樟柯就直言要“用它做个短片”；5天后，和Seedance 2.0合作的短片《贾科长Dance》就水灵灵产出了，甚至还赶得上过年，“我和AI一样，也还在学习中。”
显然，一部分传统影视从业者正在关注着AI影视领域，并重新理解AI能做什么，他们的专业能力很可能会成为新的竞争壁垒。
尽管Seedance 2.5已经发布并开放API，一举把AI视频创作拉入了30s直出时代，但对于普通创作者来说，只有模型能力还不够，他们需要可以把模型能力发挥出来的工具，以应对未来更激烈的竞争。
AI工具也意识到了市场变化——竞争在模型层之上。以LibTV为例，其围绕Seedance 2.5的完整能力，迅速且全面地升级创作流程，试图把模型能力真正转化为创作者可以使用的生产力。
正如贾樟柯所言：“真正重要的，还是人如何使用技术。”
Seedance 2.5越强，越考验怎么用
今天的AI模型竞争白热化，这场比赛也开始变得复杂，模型之间的用户争夺明显加剧。
短剧自习室在一线从业者那里了解到：
MiniMax H3等新模型上线后，凭借更低的使用成本以及在电商、影视包装等场景中的差异化能力，正在承接一部分原本属于Seedance 2.0的使用需求。
因此，部分AI工具平台出现了用量迁移的情况，甚至开始侵吞Seedance 2.0的份额。对于创作者来说，模型选择越来越多，价格、效果、场景适配度，都成为影响选择的变量。
但如果单论生成质量，Seedance 2.5依然是公认的天花板，展现出了非常强的综合能力。
迭代后，Seedance 2.5最多可以同时接入50个图片、视频和音频参考，具备更强的指令理解、多模态还原与精准编辑能力，且支持30秒视频直出。
有从业者向短剧自习室透露，目前Seedance 2.5的抽卡成功率比Seedance 2.0提升了很多，基本可以一击即中。
我们也尝试着自己上手，在LibTV上调用Seedance 2.5做了一个视频：
操作体验上，通过LibTV调用模型相当丝滑——在画布上建立视频节点，选择模型、画幅、时长，不到60个字的提示词，一次生成，直出30秒可用的视频。
AI好好执行了一镜到底、强明暗对比、大量特写等细节要求，并通过破壁的意向来实现提示词中的“暴力美学”。
Seedance 2.5模型能力的提升毋庸置疑，但同时我们也在制作过程中感受到，模型能力越强，其对素材组织、结果控制、返工成本的要求越高，创作的变量也越多。
所以，AIGC创作的问题又回到了“怎么用好模型”。
Seedance 2.5支持50个多模态参考，非常适合拉片以及复刻爆款，但并不意味着创作者能一下子用好50个参考。
传统拉片往往需要创作者反复暂停、截图、记录时间点，再去判断其中哪些镜头、什么节奏/音乐值得参考。所以，LibTV把拉片做成创作流程的一部分：
用户上传任意参考视频，点击弹出导航栏中的“逐帧拉片”，AI便自动拆解其中的画面风格、关键帧、运镜方式、叙事节奏、时间戳与背景音乐，并将结果整理为可以直接使用的整套参考素材组，直接连接Seedance 2.5。
可以看到，LibTV的分组是很精准的，不同风格的变化首帧都截取了出来，从日常暖色、科幻冷色到赛博高饱和度霓虹光线、日式菲林色调，都可以在分镜图中看出来，音频和参考视频段落也安排得明明白白。
这意味着，如果拉片之后可以通过现成的参考素材，快速复刻优质镜头的色调、风格或名场面演绎。
为了让测试更能说明事实，我们又上传了另一个视频。
可以看到LibTV这个功能的价值：它这次拆分出的分镜图都是一段剧情的关键帧，并标注了情绪留白的地方、情绪爆发的节点等，可以让创作者从分镜组看出剧情的发展，节省自己分段的时间。
更重要的是，智能拆解过程消耗的算力为0，就把5分钟短片的剧情起承转合、主角情绪转变，拆成了一个个分镜组，缩短创作者从看到灵感到参考灵感生成的距离。
这其实是一个重要变化。AI视频创作真正进入工业化之后，创作者需要管理的已经不只是提示词，而是一整套素材资产。
下滑查看完整图片
这个短片仅5分来钟，就可以拆解为9个分镜组、25张分镜图，外加3个构图视频、1段背景音乐。如果时长再长一些，素材的数量或许会达到数十上百。
而素材越多，手动查找、选择和匹配的成本也越高，LibTV的“智能引用（Auto Link）”就派上用场了：
只需创建视频节点，选中所有要参考的素材并连接节点，把剧本或者提示词贴到视频节点的对话框内，AI就会自动理解剧本内容，并从角色、场景、道具等画布素材中匹配相应参考，将其插入提示词的正确位置。
创作者仍然可以检查和替换，但不需要一次次手动查找、@素材，让Seedance 2.5的多参考能力真正变得可用。
我们用几个素材简单测试了效果：在Seedance 2.5的加持下，LibTV顺利理解剧本，识别出人物、场景等素材，一次就生成了可用的30秒视频。
Seedance 2.5可以直出30秒内容，但要调整具体时间段和画面内容，就得重新生成整条视频，LibTV针对此推出了更省力的“片段重拍”功能，我们这次也用上了。
生成上面视频之前，我们有个小失误，在上传人物资产参考图时，忘记了夏天的设定，使用了冬天着装的人物资产，与台词、设定不符。但废片着实可惜，便试着用LibTV的“片段重拍”功能挽救一下：
点击成片视频，在上方弹窗中选择重拍功能，并在新的重拍节点对话框中输入修改指令，要求AI把视频中的冬季校服换成夏季校服。
令人惊喜的是，除了校服，生成视频与原片没有差别，实现了哪里错误改哪里的效果，不需要整条视频返工，减少了很多镜头不可再生的风险。
LibTV的重拍功能不仅可以按照元素进行选择，还可以选中需要修改的时间片段，重新描述人物、动作或画面要求，仅对这一段重新生成并替换回完整视频。
也就是说，借助片段重拍，一条微瑕的视频无需因为一个镜头的问题推倒重来，也就从抽卡生成升级为可以持续修改的创作过程。
Seedance 2.5的30秒时长承载了更完整的人物关系、剧情结构与镜头表达，但真正进入短剧以及更长内容的生产场景里，30秒还是有些不够。
围绕这样的场景需求，LibTV进一步突破上限，把视频成片直出延伸到了最长5分钟，并完整保留生成过程中的中间片段与节点关系。
同时，其又不只生成更长，还集合了前述功能，支持用户展开查看创作流程，单独修改任一镜头，再同步更新最终视频，打破长视频无法修改的黑盒。
恰逢最近《杀死比尔》点映，我们也尝试着生成了一个类似风格的“长视频”：
四分多钟的视频当然有一些bug，但对剧情的理解、昆汀风格的模仿都达到了很高完成度，比如女主角的武士刀挥向黑衣人时，喷溅出来如黄色油漆般的血液，完全致敬了电影的表现手法。
放在半年前很难想象，普通创作者也有机会一键生成这样的作品了。
这次实测下来，我们明显感受到：Seedance 2.5确实好用。
当模型开始负责把想象变成画面，工具真正要解决的，就是让这个过程变得足够可控、可改、可持续。
模型越来越像，AI工具开始拼什么？
尽管最近AI视频模型扎堆更新，但并没有发生根本性变革，代际差距、不同模型之间的差距都在缩小，部分能力从差异化卖点变成行业标配。
这是技术快速成熟之后必然出现的阶段——用户可以选择的模型越来越多，一个创作任务可以找到多个效果相近的模型完成，竞争重心就上移了。
过去，AI工具的竞争逻辑很简单，接入一个更强的模型就可以吸引用户。但现在，各家接入的底层模型大同小异，差距变成决定用户体验的产品设计。
所以我们有了几个关于AI工具竞争趋势的观察：
• AI工具需要从抽卡工具转向创作工具。
对于AI工具的评判标准其实只有一个，就是好不好用。
用户自己就可以去模型官网“抽卡”，如果AI工具只是单纯把模型接进来，只是让用户少打开一个网页，很难构成竞争壁垒。
因为模型正在快速增加，模型于用户并不是一个需要长期绑定的稀缺资源，真正起作用的是如何把模型组织起来。
比如Seedance 2.5可以支持50个多模态参考，这是模型层面的能力；但一个普通创作者能不能真正用好这50个参考，受工具有没有解决素材拆解、管理、筛选、匹配等问题的影响更大。
从这个角度看，LibTV这次围绕Seedance 2.5推出的一系列独家功能，正代表了AI工具正从抽卡工具转向创作工具，让用户能在站内完成灵感拆解、素材组织、生成、修改，最终交付成片。
说白了，模型能力只是入场券，产品力才是胜负手。
• AI工具需要通过各种功能释放模型能力。
或许有些反直觉，但从目前的情况看，越强大的模型越需要一套与之匹配的专业创作工具。
一方面，用户对于模型能力的强大常常后知后觉，而工具可以在模型的满血能力与创作者的使用之间搭桥，把模型能力变成普通创作者也能用的日常功能。
比如Seedance 2.5擅长视频编辑和多模态参考，但创作者很难通过简单提示词来做精准修改，LibTV的“片段重拍”就可以让用户速通这一模型能力。
另一方面，模型能力越强，用户能够调用的变量就越多，充分开发模型能力的门槛反而变高了。
一个只能根据一句话生成几秒视频的模型，用户并没有太多东西可以控制；而一个能够理解几十个参考素材、处理30秒视频、支持多模态输入和精准编辑的模型，本身就意味着更复杂的创作空间。
AI工具的价值，恰恰就在于把这些复杂能力重新封装成普通创作者能够理解和使用的功能。
• 产品力正在成为AI工具的筛选标准。
随着模型供给日益充足，AI工具选择接入哪个模型、如何利用模型能力，本身就是一种价值判断和竞争策略。
只增加一个模型选项和围绕模型能力重建工作流，带来的使用体验天差地别。还是以LibTV为例，相比简单接入新模型，它选择在Seedance 2.5开放当日就上线一批独家原创功能，帮助解决裸模型使用中的痛点。
这种差异化封装，正在成为AI工具的核心护城河。
因为模型可以快速迭代，但围绕模型构建的创作工作流、用户习惯和项目资产，一旦形成就很难迁移。
回看LibTV此次发布的系列功能，其意义也就不只是“更新得快”，更重要的是试图回答一个更具体的问题：
裸模型已经有了这么多能力，怎样才能让创作者真正用起来？
• 降低试错成本是AI工具的壁垒。
真正的降本，不只是把单价打下来，这也不会是AI工具未来的主要竞争点。
因为底层模型的价格相对透明，同一个模型在不同工具中的基础算力成本很难拉开差距，那么就需要靠功能来达到降低试错成本的效果。
一条视频生成一次是0.4元还是0.5元，也许差别有限；
但如果一个项目原本需要抽10次才能得到满意结果，而通过更好的素材组织、参考调用和局部修改，只需要抽3次，那么最终的成本差距就完全不同了。
所以，当一次生成的价格固定，一个项目需要生成多少次才能拿到可用的成片，这个变量才是决定总成本的关键。这也意味着，降低单次价格是短期竞争手段，降低无效生成的比例才是长期产品壁垒。
就拿LibTV的新功能来说，逐帧拉片和智能引用让用户在生成之前就能把参考素材组织到位，减少筛选和返工的时间；片段重拍让用户不用因为2秒的问题重做30秒，有效压缩算力成本。
我们再回到开头的贾樟柯——传统影视人学习AI，能让自己的专业能力在新内容时代以降本增效的形式发光发热，竞争力毋庸置疑。
反过来，也正是AI工具的存在，让普通创作者获得了曾经遥不可及的视觉表达能力。
而更专业的门槛如镜头怎么设计、人物怎么调度等，过去需要依附于昂贵的设备、复杂的制作流程和庞大的团队，现在也被AI工具通过功能开发逐渐释放了出来。
就拿近期播放破亿、几度登上热搜的《被裁掉的女孩》来说，导演菲菲飞以自己曾经的模特工作为灵感，在LibTV上创造了方桃子的故事，并开启多季连载。
剧中的置景、服化道等，如果放在真人实拍，成本高昂。而得益于AI工具，菲菲飞以AI短剧完成了自己的创作表达，把过去传统影视的模式变成轻量化、可持续的创作流程。
因此，AI工具真正降低的不是专业本身，而是专业能力被调用的门槛，这或许是缩小普通创作者与专业影视团队之间差距的一条路径。
