Seedance 2.5 之后，AI 视频进入 Harness 时代：模型越强，越需要好马具

事件概述

AI 视频正从能力展示进入实际生产环节。近期 AI 短剧角色广告报价引发讨论，而《太平年》在第 31 届白玉兰奖获得五项大奖，其制作中已有 AI 参与前期、拍摄和后期，部分 AI 镜头效率比传统 CG 提升 3 至 10 倍。

视频生成模型 Seedance 2.5 支持最多 50 个图片、视频和音频参考，可直出 30 秒视频，在指令理解和精准编辑上表现突出。但素材一多，角色与场景对应、局部修改和长片一致性成为新的瓶颈。LibTV 围绕 Seedance 2.5 做了一套 Harness，覆盖参考拆解、素材组织、片段修改和镜头合成等环节。

核心能力

• AutoLink：读取剧本后自动识别角色、场景和道具，并从画布中匹配素材填入提示词，替代手动查找和填充。
• 多镜头拆解：没有完整素材时，可自行生成锚点画面并转为视频片段，再按音乐节奏快速剪辑成片。
• 局部修改：对指定镜头或时间段重新生成并替换回原片，避免整条视频重抽。
• 拉片与再生：先拆解参考视频的风格、关键帧、运镜、节奏和声音，形成可调用的素材组，再据此生成新片段。
• 锚点图一致性：确认一张锚点图后，相关镜头沿用同一人物和视觉设定；批量调整画风、合成 20 多个镜头时仍能保持角色一致。

实测结果

• 同一 Prompt 下，Seedance 2.0 仅生成 15 秒，镜头变化和完成度有限；Seedance 2.5 可生成 30 秒，包含多机位切换和结尾大场面，首次生成已接近可用。
• 用简单需求生成 3C 广告灵感片时，LibTV 在未提供额外素材的情况下自行生成锚点画面、镜头并跟随音乐完成快切。
• 情绪类美妆广告测试中，LibTV 会先确认人物、情绪和叙事方向，再输出分镜、旁白和音乐；不满意的镜头可直接定位重做，成片整体情绪连贯。
• 88 秒动画短片共 20 多个镜头，人物三视图和场景图配合剧本自动拆分为分镜、锚点图和视频片段；需要统一画风时，Agent 能找到所有相关镜头批量修改。
• 4 分 41 秒长视频仍能组织起来，但重复画面和连续性问题更明显；长视频现阶段更像可展开、可拆分、可持续修改的工作区，而非一次生成即成片。

值得关注

文章认为，模型能力越强，越需要一套可靠的 Harness（马具）来承接素材管理、错误回退和局部修改等工程环节。类似地，AI 编程领域 Coding Agent 的体验提升，很大程度也来自外围 Harness 而非单纯模型换代。当底层模型越来越强、越来越便宜，视频产品的价值要体现在模型之外的工程化工作流上；这套素材组织和修改机制在下一代模型上仍可复用。