文章摘要
近期AI视频生成领域密集更新,7月最后一个工作日,Seedance 2.5和MiniMax H3两款模型同步亮相。Seedance 2.5已在部分平台全量上线,预计一周后开放API接口,其叙事、编辑能力和视听质感提升,但算力成本增加。MiniMax H3主打全模态理解,分辨率高、价格低,创作门槛和商业适配性有优势,还将开源模型权重。二者在不同场景各有侧重。

近期AI视频生成领域迎来了久违的密集更新,两款重量级生成模型在七月最后一个工作日同步亮相——Seedance 2.5和MiniMax H3,各自带着升级后的能力和差异化定位登场。

Seedance 2.5 核心升级解析

预热一个多月的Seedance 2.5已经在即梦和豆包专业版完成全量上线,用户登录对应平台网页端即可直接体验。不过其官方API服务还未正式对外开放,也没有公布可直接调用的模型ID,官方预计将在一周后开放相关接口。目前模型的定价信息已经更新到相关服务平台,相比上一代SD2.0,Seedance 2.5的API调用价格上涨了五成,同时还下调了分辨率上限——当前API仅支持最高720P的视频生成,暂不支持4K分辨率,可见其算力成本有了明显提升。

1. 30秒完整叙事能力

该模型单次生成的视频时长从上代的15秒直接提升至30秒,同时支持多轮续写,在续写过程中能够保持人物、场景、整体风格以及声音的一致性。在30秒的时长内,模型可以组织多个逻辑关联的镜头,按照铺垫、推进、转折、收尾的结构完成一段完整的叙事。官方演示案例中,一位年轻女歌手从后台一镜到底登台演出,全程没有剪切痕迹,完整呈现了从化妆准备到演唱会高潮的全过程。

T2V 提示词示例:一镜到底手持稳定器跟拍,镜头从红色厚重幕布缝隙缓缓推进,进入暖色后台化妆间。年轻女歌手背对镜头整理耳机,工作人员提醒她准备登台。她回头看向镜头,开始唱起 City Pop。镜头后退跟拍,歌手穿过幕布进后台通道,与舞伴自然互动,一位工作人员把麦克风递给她。随后歌手与舞伴登上舞台,镜头绕至背面,红黑舞美、LED 屏、追光、烟雾与反光地板逐渐展开。镜头最终拉远至体育馆全景,呈现满场观众、灯牌、荧光棒与欢呼声,营造年轻自由的演唱会高潮氛围。

2. 多模态参考与精准编辑

现在Seedance 2.5单次生成最多可以支持输入30张图片、10段视频以及10段音频作为参考素材,同时支持精准的时间戳控制和定向编辑,可以精准修改指定时间点的画面、人物细节,真正实现“指哪改哪”。

R2V 提示词示例:编辑 @视频 1,保持人物、动作及画风不变,仅调整运镜。15 秒分段运镜设计:0–4 秒,微型 FPV 贴锅穿行,跟随弹起的吐司后横甩至咖啡;4–7 秒,推近并沿锅边横移,跟随煎蛋翻起落回;7–11 秒,急速升至顶视角,匀速下压扫过餐盘和钥匙;11–15 秒,手持近镜跟随双手快速横甩,最后推近早餐,再拉回双人中景。全程连贯稳定。

3. 视觉与听觉质感全面提升

模型优化了镜头衔接和场景过渡的流畅度,在画质、音质以及运动画面的稳定性上都有明显提升,同时有效弱化了AI视频生成中常见的“油腻感”。用户可以依托这些能力,生成数分钟长度、视听语言统一的高质量连贯内容,完整呈现精彩的故事内容。官方发布的长达3分钟的演示视频,甚至让不少观众误以为是迪士尼的新作。

MiniMax H3 差异化优势

几乎在同一时段,MiniMax也发布了全新的视频生成模型H3,这款通用全模态生成模型对标上代Seedance 2.0,主打对文本、图片、视频、音频的统一理解能力。

H3支持最高2K分辨率的视频生成,单次生成时长在4到15秒之间,普通用户目前可以直接通过海螺AI的网页端和移动端App使用该模型。同时H3的API服务已经在国内外同步上线,开发者可以直接调用相关接口。

价格是H3最突出的优势之一:

  • 2K分辨率:0.8元/秒
  • 768P分辨率:0.5元/秒

以15秒的2K视频为例,API调用标价仅为1.95美元,对比Seedance 2.0的10元/秒的定价,H3的成本优势非常明显。

1. 多素材协同控制,降低创作门槛

H3单次请求最多可以支持输入9张图片、3段视频以及3段音频,总计最多12个素材来共同控制一条视频的生成。在制作影视类内容时,创作者无需将所有角色、动作、运镜和声音的细节都塞进提示词里,可以通过单独的人物图锁定角色形象,用参考视频确定动作节奏,再用音频文件提供配乐或声音参考,轻松生成电影级别的视频内容。

场景示例:一名中年男子站在开阔沙漠的土路中央,用手枪指着拍摄他的人。他发出指令,对方叫出了他的名字,他警告对方不要再说一遍。但枪声并未响起。

2. 适配商业场景的文字、品牌与动作迁移能力

AI视频生成在商业场景中一直面临一个痛点:生成的文字、品牌Logo、商品包装在动态画面中容易出现变形,导致成品无法直接用于商业交付。H3专门加强了文字与品牌元素的渲染能力,能够实现动态文字的精准排版、商品包装的稳定变化,确保品牌元素在跨帧时不会失真。

此外H3还支持视频到视频的动作迁移,创作者可以直接借用现成的舞蹈、游戏角色动作以及复杂运镜素材,无需再通过文字详细描述动作细节,大幅降低了商业视频的制作难度。

在第三方评测平台Artificial Analysis的视频竞技场中,H3暂时位列榜单第一,虽然第一名和第二名的分差仅为9分,实际体验差距不大,但也足以证明H3在视频编辑方向的突出优势。需要说明的是,本次对比的对手是Seedance 2.0,而非最新发布的Seedance 2.5。

凭借出色的商业适配能力和极具竞争力的定价,H3非常适合广告、电商、短剧等商业场景的批量可控视频生产,是当前最值得关注的生产型、编辑型AI视频模型。此外MiniMax官方还宣布,H3即将开源模型权重,进一步降低行业的使用门槛。

从官方公布的规格来看,Seedance 2.5和MiniMax H3各有侧重:在广告制作、动作迁移、已有视频修改、角色替换等场景中,H3的表现会更加出色;而Seedance 2.5则在长镜头叙事、海量素材协同控制方向更有优势。

以上内容不代表本平台立场,仅供读者参考