春晚張傑《駕馭風歌》背後的馬，是Seedance 2.0做的！

昨天春晚張傑獻唱的《駕馭風歌》大家都聽了吧？氣勢是相當磅礴了。

但你知道嗎？其實這首歌的表演，背後還有一個AI彩蛋：

沒錯，就是背景影片裡那幅流動的巨型水墨畫卷中，那一群氣勢磅礴、奔騰而來的駿馬——

完全是用豆包Seedance 2.0生成的！

要知道，讓水墨風格的馬在舞台背景的畫中靈動起來，這對模型的國風美學理解和泛化能力是巨大的挑戰，很多國外模型在處理“中國水墨風”時集體翻車…

唯獨Seedance 2.0，不僅讀懂了國風，也抗住了春晚舞台超嚴格的審核考驗。

之所以如此，是因為Seedance 2.0著實是能打：

• 物理特性遵循：馬匹奔跑遵循生物力學與物理邏輯，關節運動流暢自然，兼具力量韻律與水墨神韻。
• 超強指令遵循：語意理解增強，可精準執行動作、表情、運鏡及動態副詞指令，顯著提升影片續寫的可控性。
• 多模態素材參考：支援圖、文、影片等多素材參考，融入傳統文化語料，深度理解並還原水墨藝術邏輯。

除此之外，豆包也連結了Seedream模型，先由它產生神韻十足的靜態底圖，再由Seedance 2.0讓它動起來。

但如果細細觀察各個節目，你會發現：

今年的春晚，豆包含量巨高。

Seedance 2.0不僅用在了張傑的節目

在歌舞創意秀《賀花神》中，舞台設計玩了一個大膽的創意：

特邀了來自舞蹈、戲曲、影視等不同領域的十幾位明星同台。導演組希望為每位「花神」代表的景別，訂製一人一景的中式視覺奇觀。

這就要求AI具備細節的微觀控制能力，例如植物緩慢綻放，紋理、層次、光影的細微變化，而Seedance 2.0，再次做到了。

這也再次展現了Seedance 2.0精細控制能力，能夠精準遵循指令，把控複雜的視覺變化，在高美感要求下保持一致性。

是從「能生成」到「能控制」的一次進化了。

除此之外，在王安宇、黃子弘凡、範丞丞和胡先煦表演的《快樂小馬》中，幾個卡通吉祥物小馬在台上跳著可愛的舞蹈，那動作絲滑得就像真人捕捉的一樣。

它背後用到的則是Seedance 2.0的影片動作遷移能力。

這個技巧的困難在於拓樸結構的不同，畢竟真人的身體結構和卡通小馬的結構不一，傳統的做法，是動畫師要給卡通模型綁骨骼、K幀，工作量相當的巨大。

但在Seedance 2.0加持下，實現了一鍵直出。你給它一段真人跳舞視頻，再給一張卡通小馬的圖，模型就能智能理解動作背後的運動邏輯，把它完美適配到卡通形像上。

最關鍵的是原圖保持能力，卡通小馬在劇烈跳舞時，毛髮、顏色、五官比例竟然紋絲不動，沒有出現AI影片常見的閃爍或崩壞。

不僅如此，為了滿足央視春晚8K高清、50FPS高幀的要求，豆包也搬來了火山引擎視訊雲團隊。

火山引擎拿出了一套MIPP多維度智慧畫質增強框架，上演了一場智慧精修：

• 規格上：利用超分演算法，把720P硬生生拔高到8K；利用插幀技術，把24幀補到50幀，絲滑度瞬間翻倍。
• 畫質上：利用影片理解技術，模型知道那裡是人臉、那裡是背景，針對性地進行畫質指標決策。配合去噪、銳利化等增強原子演算法，把AIGC內容常見的微小瑕疵抹平。

簡單說，大模型負責造夢，火山引擎負責把夢變成高清。

多個劉浩存，也是火山引擎做的

如果說影片生成是二維層面的魔法，那麼在創意節目《夢底》中，火山引擎帶來的則是空間維度的震撼。

在這個節目裡，劉浩存在舞台上翩翩起舞，而她的身後竟然出現了多個和她一模一樣的分身，而且每個分身都在不同的位置做著不同的舞蹈動作，構成瞭如夢似幻的群舞畫面。

注意，這可不是在大螢幕上放個錄影那麼簡單。

當現場的攝影機推拉搖移時，你會發現那似乎6個分身的透視關係是完全正確的，就像6個真人在那裡一樣。甚至當舞台的一束追光打過去，虛擬人的身上竟然有了真實的光影變化，連地上的影子都和現場燈光實時互動！

這背後是火山引擎的太空視訊技術—4D高斯潑濺（4DGS）。

首先是採集與重建。在節目籌備期，70台工業級相機陣列對著演員一頓狂拍，透過4DGS演算法，把演員重建成了4D數位資產。

這裡引入豆包大模型解決了兩個核心瓶頸：

• 渲染效能：6個高精準度數位人同台，顯示卡要爆炸怎麼辦？技術團隊利用字節Seed 3D模型預製了“影子幾何”，簡化了運算量，讓渲染效率大幅提升。
• 近景細節：為了防止近景穿幫，引入了字節Seed的DA3（Depth Anything v3）模型。這個模型能從單圖中推斷出極高精度的深度信息，為光影計算提供了完美的“法線先驗”，皮膚質感逼真得嚇人。

其次，火山引擎打通了舞檯燈光的DMX控制協定。現場燈光師推了一個推桿，真實的燈亮了，這個訊號同時也毫秒地傳給了渲染引擎，虛擬燈光也跟著亮。

所以，你在電視上看到的，是虛擬的劉浩存「活」在真實的舞台光場裡。這種虛實難辨的沉浸感，才是元宇宙該有的樣子。

春晚的機器人身上，處處是豆包

昨天春晚舞台上，宇樹機器人表演的《武BOT》也是備受關注，打起拳來虎虎生風，動作整齊劃一，甚至還能和演員進行複雜的互動。

以前的機器人表演，更多是寫好的程式控制。但今年《武BOT》裡的機器人，是真的「長腦子」了。它們能看懂舞台障礙，能聽懂人話，還能帶有感情地說話。

不僅如此，昨天春晚還有像蔡明節目用到的松延動力機器人，還包括魔法原子機器人等亮相春晚的機器人，都不同程度的用上了豆包大模型

這背後，是豆包大模型全家桶在幫機器人賦能：

• 眼（VLM）：靠豆包視覺理解模型，機器人能透過攝影機即時辨識舞台環境，那裡有人、那裡有道具，避障決策那是相當絲滑。
• 腦（LLM）：豆包大語言模型為機器人提供了核心的語意理解能力。它不再是執行死板的程式碼，而是理解了「請走到舞台中央」、「開始起勢」這種自然語言指令。
• 嘴（TTS 2.0）：這是最絕的。豆包語音合成模型2.0，徹底告別了「AI棒讀」。

這個TTS 2.0具備深度語意理解和上下文理解能力。也就是說，它知道這句話是在春晚上說的，要喜慶、要激動。它能根據多輪對話的脈絡，精準控制語速、停頓和情感。

春晚首次實現AI互動

說完台上，再看台下。

今年春晚，大家拿起手機打開豆包APP，生成的那些新春頭像、客製化祝福語，其實是春晚史上首次由大模型驅動的AI互動。

這和以前的「搖一搖」搶紅包有本質區別。

以前的互動，是事務型（I/O密集型），就像自動販賣機，你點一下，系統給你發個紅包，邏輯是預設好的。

現在的互動，是計算密集型，是一個「感知-規劃-行動」的Agent過程。你發一張照片，豆包要理解意圖、規劃畫圖路徑、呼叫生成模型、進行安全審核…

算力消耗的差距，也是巨大的。

對於單一請求來說，產生一張圖的算力消耗（Tops）是發一個紅包的無數倍。當春晚口播響起，億萬流量瞬間湧入，這對後台的挑戰簡直是毀滅級的。

火山引擎方舟平台在這裡立了大功。

為了頂住這波洪峰，方舟平台拿出了一套教科書級的解答：

• 調度層：把機房連成「聯邦」。透過跨機房、跨區域的彈性伸縮，方舟把物理隔離的數十個機房組成集群聯邦。那裡有空閒算力，流量就往那裡去。
• 推理層：壓榨硬體極限。從算子層面的手寫優化（Attention、GEMM等），到系統層面的Prefill/Decode分離，方舟把每一張顯示卡的表現都榨乾了。
• 秒級響應：配合自研的HPA（自動擴縮容）系統和分散式緩存，超大模型的權重載入時間從分鐘級被壓縮到了秒級。

可以說，你生成的每一張龍年頭像背後，都是一次高效的算力調度。

還有抖音直播春晚的AI無障礙字幕

在抖音的春晚直播間，還有一個容易被忽略、但極具溫度的技術落地——AI無障礙直播字幕。

這事兒其實還蠻難的。

春晚是全語言類節目，有相聲、有小品，語速快、梗多，而且還有方言，再加上現場觀眾的掌聲、歡呼聲、背景音樂，噪音環境極為複雜。

豆包·語音辨識模型在這裡秀了一把肌肉：

• 多方言穩健性：不管是粵語還是陝北話，通通拿捏。
• 上下文感知：它能結合歷史對話推理。例如說了上句“包餃子”，下句識別時就會傾向於與春節相關的詞彙，而不是風馬牛不相及的詞，召回率提升了15%以上。
• 低時延串流辨識：真正做到了「話音剛落，字已上畫面」。

科技的溫度，往往就藏在這些細節裡。

豆包的朋友圈，有夠廣的

看完了這些，我們不得不感嘆：今年的春晚，豆包真的是無所不在。

而在互動環節中，豆包提供的那些科技大禮包，更是暴露了它龐大到驚人的朋友圈。你抽到的獎品，基本上都來自使用了豆包大模型的火山引擎客戶。

隨便列幾個名字，都是業界巨頭：

• 車圈：賓士、特斯拉、比亞迪、蔚小理……2025年新車的大模型搭載量，豆包是第一名。服務了超9成的主流車企。
• 手機/PC圈：小米、OPPO、vivo、榮耀、三星、聯想…全球Top10手機廠商裡有9家在跟火山引擎合作。
• 具身智慧圈：宇樹、銀河通用、智元機器人……40多家公司都在使用。

為什麼大家都選豆包？

這次春晚其實就是最好的買家秀。

從春晚前就爆紅全球的Seedance 2.0，到那個能抗住春晚直播壓力的方舟平台，再到對中國文化理解深刻的圖像與視頻生成能力。

字節跳動用一場春晚證明了：大模型不是只能活在Demo裡，它是真的能扛事兒，真的能落地，真的能創造價值。

從張傑身後的那一匹馬，到億萬用戶手中的那個豆包。

好用，才是AI的硬道理。 (量子位元)