從4秒到15秒：打破時長限制

4秒的痛苦

你能在4秒內講述什麼故事？

一個時刻，一個動作，一個反應——然後就結束了。在2023年，AI視頻創作者被困在這個時長監獄中：Runway Gen-2的最大輸出是4秒，如果你想要更長的視頻，就必須拼接。

"最後一幀拼接黑客"成為了行業標準：生成第一個片段，導出最後一幀，用它作為第二個片段的圖像提示，祈禱一致性。每次生成花費2分鐘，每次迭代需要3-4次嘗試才能匹配運動。一個12秒的視頻需要三個分段，總共36次生成，6.5小時的工作——觀眾仍然可以看到拼接線。

頭戴式耳機在片段之間完全變成了不同的產品。光線從溫暖的金色變成冷藍色。大理石紋理變成了木頭。運動不連續，風格飄移，物體變異。6.5小時的折磨，只能從客戶那裡聽到"還不錯"，以及創作者自己的疲憊。

4秒不是一個敘述單位。它是GIF的長度，不是電影。

演變時間線

2019-2021年：GAN時代（亞秒級片段）

視頻生成研究始於微小的片段。NVIDIA早期工作生成了低解析度的1-2秒片段。2016年的視頻生成對抗網路（VGAN）可以生成短的低解析度片段——但"短"意味著16幀，在24fps下不到一秒。學術界將這些視為突破。對創作者來說，這些只是好奇之物。

2023年3月：Runway Gen-1突破5秒

Runway Gen-1在當時是革命性的：最多5秒的視頻生成。這是透過潛在擴散和仔細的時間建模的結合實現的。但5秒是最大值，不是標準。大多數生成要短得多，擴展到5秒通常會導致品質下降。

2023年中期：Gen-2回歸（4秒）

Runway Gen-2推出時有顯著的品質改進——但時長縮短到4秒。這種權衡在技術上是有道理的：更好的品質需要更多計算，所以時長受到影響。但對創作者來說，這感覺像是退步了。4秒的限制成為了所有人都討厭學會的行業標準。

最後一幀拼接黑客時代（2023-2024）

創作者開發了精巧的變通辦法。最受歡迎的一種：生成一個4秒片段，提取最後一幀，使用該幀作為下一次生成的圖像提示，祈禱模型保持一致性。一些工具直接在介面中內置了這個工作流程。

問題無窮無盡：

• 運動不連續：速度和方向很少匹配
• 風格漂移：光線和顏色在分段之間變化
• 物體變異：角色會微妙地改變外觀
• 時間成本：一個20秒的視頻可能需要2小時以上的生成和拼接

2024年末：擴展開始

Runway Gen-3 Alpha Turbo推動極限達到10秒。Pika 2.2於2025年2月發布，將標準生成擴展到10秒，Pikaframes達到25秒。牆壁開始裂開。但真正的故事講述——15秒、20秒、連續連貫的敘述——仍然遙不可及。

2025年：Seedance 2.0啟用真正的故事講述

Seedance 2.0本地生成4-15秒每個分段，能夠透過連貫延伸進行擴展。更重要的是：15秒足以講述一個微敘述。一個設置。一個發展。一個收穫。它是GIF和場景之間的區別。

Seedance 2.0：時長解決方案

為什麼15秒改變了一切

十五秒不僅僅是"比4秒多"。它是一個臨界值：

• 3秒：一個時刻，一個反應，一個動作
• 4-8秒：一個單一的動作，一個攝像機運動
• 10-15秒：一個敘述節拍，一個情感弧

有了15秒，你可以創建：

• 一個角色對屏幕外的事情做出反應，進行處理，然後做出回應
• 一個產品拍攝，包含構建、展示和安定
• 一個對話交換（以每秒約2個單詞的速率，15秒 = 30個單詞 = 一次真實對話）
• 一個小故事：問題、行動、解決

時長的技術架構

Seedance 2.0透過幾項創新實現了擴展的時長：

1. 雙分支擴散變換器：視頻和音頻的獨立處理路徑允許更長的時間連貫性，不會導致計算爆炸
2. 高效的注意力機制：與序列長度線性縮放的稀疏注意力模式
3. 改進的時間調節：更好地利用過去的幀來預測未來的幀
4. 內存優化：中間激活的智能緩存

結果：生成一個5秒分段約需29秒，優雅地擴展到15秒而無指數計算增長。

比較：工作流複雜性

現實故事講述示例

考慮這個提示："一個女人獨自坐在咖啡館桌邊，注意到有人進來，她的表情從中立轉向驚訝再到高興，她站了起來。"

4秒限制結果：她坐下。她注意到。結束。沒有情感收穫。沒有故事。

15秒Seedance 2.0結果：她坐下（設置，3秒）。她注意到（故事開局，4秒）。她的臉經歷了認出過程（5秒）。她微笑並站起來（解決，3秒）。完整的故事。

相同的提示。相同的模型智能。時長使其成為敘述而不僅僅是運動。

你可以現在採取行動

你的第一步

拿出一個你想講述但無法在4秒內講述的故事。也許是一個反應鏡頭。也許是一個產品展示。也許是一個簡單的因果關係：

1. 編寫一個有清晰節拍的15秒腳本
2. 在Seedance 2.0中將其作為單個分段生成
3. 觀看它無拼接線地播放

這種體驗將感覺與你之前用AI視頻做過的任何事物基本上不同。

15秒敘述的提示模板

場景：[清晰的設置描述]
主體：[具有特定特徵的角色/物體]
節拍1（0-5秒）：[設置 - 建立狀態]
節拍2（5-10秒）：[發展 - 改變/行動]
節拍3（10-15秒）：[解決 - 結果/反應]
攝像機：[貫穿始終的一致攝像機工作]
運動：[連續、連貫的運動描述]
時長：15秒
寬高比：[你的選擇]

示例：
"現代極簡主義客廳，落地窗顯示黃昏時的城市，
穿著商務服裝的專業女性在沙發上放鬆，
節拍1：她拿起手機看，表情中立，
節拍2：她的眼睛睜大，她坐得更直，微笑形成，
節拍3：她笑了，放下手機，滿足地看向窗外，
靜態中景，自然細微的動作貫穿始終，
15秒，16:9"

接下來的12個月

時長限制將繼續擴展，但範式已經轉變：

• 30-60秒原生生成來自領先模型
• 場景到場景連續性啟用多鏡頭敘述
• 長序列實時預覽在完整生成前
• 與編輯工具集成用於AI輔助故事板製作

問題不再是"AI視頻能有多長？"而是"你用擁有的時間將講述什麼故事？"

系列導航

這是Seedance 2.0 Masterclass演變系列的第1次會話，第2篇文章。

• 上一篇：E01：從模糊到2K：解析度的代際跨越
• 下一篇：E03：從閃爍到連貫：時間一致性的演變
• 系列概覽：Masterclass索引

---

四秒是一個概念證明。十五秒是一塊畫布。畫一些值得觀看的東西。