字节发布Seedance2.0，引起了非常大的反响，长达2周的刷屏，连马斯克都出来点赞，贾樟柯也说要用来拍一部短片，我们终于有了来自中国的SOTA模型。但是随着侵权的问题，Seedance2.0取消了真人面孔生成视频，有小伙伴咨询怎么生真人视频，也有小伙伴咨询Seedance2.0是不是比Google AI Studio更简单。

今天我们就用Seedance2.0试一试，链接

https://jimeng.jianying.com/ai-tool/home/​

首先我们要明白，生成真人视频的逻辑： 通过一张写实的照片作为首帧生成视频。

结合SD2.0延伸一下，SD2.0有4种模式，全能参考、首尾帧、智能多帧和主体参考，4种模式都是提供参考图或视频，SD2.0会基于参考图或视频完成prompt的视频生成要求，SD2.0这个模型最大的特点就是指令遵循好。所以大家明白了吧，逻辑不变，我们只需要给他一张写实的照片就能生成类似真人的视频。

 

 第一步 

我们还是用之前的照片，先生成一张写实的照片。因为SD2.0现在不支持真人脸，所以我们要用AI脸。

选择【图片生成】，上传图片，输入prompt，还是之前的，需要的可以翻上一篇。

生成了，我们选择第2张，如下 

总体来讲，字节的生图模型，美化效果略多，同样的参考图和prompt，nano banana pro的效果如下，大家对比看就能发现差异。

 第二步 

我们继续，我选的是第二张，点击后打开如下，点击【生成视频】

• 选择【Seedance2.0】模型或【Seedance2.0 fast】都行

• 模式是【首尾帧】，其他模型大家可以去试试

• 生成时间【8s】，由于提示词里说话的字数8秒左右，所以我选择了8秒。

• 提示词：
  

夜晚真实卧室场景，写实摄影风格，记录生活影像，人物、场景、气质与前序分镜设定保持一致，年轻中国女孩，25-28岁，人物形象必须严格参考图片，真实五官比例，非网红脸，干净，不磨皮、不美颜、无滤镜，人物坐在沙发上，背景为真实卧室，人物身体微微前倾，与镜头距离很近，镜头位于人物正前方，与眼睛同一高度，正面构图，非自拍，画面中不出现相机，**开头画面：自然坐着，表情放松，带着温柔的微笑，自然用准确的中文口播以下内容（声音与画面同步，无文字叠加）：“大家好，我是陆洪，你们觉得我真实，但我是AI生成，我无法感受到你们”。语气：略有遗憾和不舍，像对朋友说话，不刻意强调不表演，**，人物表情自然。

 

着实火爆，要等31分钟，实际上等了1个多小时，我们来看看生成的效果

一个很直观的感受是，Seedance2.0在中文发音、口型方面比较自然，google veo3.1在这方面会吃力一些，会感觉人物在很用力说中文，而且有时吐字不清。

另外，字节在产品方面做了一些辅助，对口型、AI音效、AI配乐、补帧、和提升分辨率，个人觉得很实用。 

如对口型，可以重新选择音色，也可以重新输入要说的话，但是注意，该功能实际使用的是数字人模型，只修改口型和说话内容，不是Seedance2.0模型重新修改。

我们回到Seedance2.0的4种生视频模式（全能参考、首尾帧、智能多帧和主体参考）再啰嗦几句，前两周SD2.0刷屏时，大家的各种玩法，比如转场、运镜、一镜到底等，其实都是因为有了这几种模式，让玩家可以更好地控制视频生成的效果。达成这样的效果的目的，个人觉得都是为AI漫剧。

简单说一下：

1.在国内使用Seedance2.0没有门槛，实际上是方便而且简单了（别小看这点，实际上科学上网和使用国外模型就能劝退大部分人）。

2.4种生视频模式（全能参考、首尾帧、智能多帧和主体参考）能玩出很多花样。

3.人物说话和中文发音比较自然。

4.画质稍多优化。

5.最高支持15s视频，而且从4s-15s都可以选择，也别小看这点，这是非常利于对于某个场景的收放控制。

6.免费用户也可以玩，只是等待时间长，付费用户生成速度更快，而且能解锁更多功能。

别光看，大家去玩玩吧。

阅读原文：https://mp.weixin.qq.com/s/FN1dzjDCEcLwA6HpVv2q_Q