商汤Seko 2.0：一人剧组拍剧，一键搞定全流程

作者 ｜ 周一笑
邮箱 ｜ zhouyixiao@pingwest.com

2025 年，对于 AI 视频生成领域来说，是一个祛魅的年份。

如果说过去很长一段时间，行业还沉浸在 OpenAI Sora 这样的模型带来的"现实扭曲力场"中，惊叹于光影的逼真和物理规律的模拟，那么到了今年下半年，从硅谷到中关村，所有的从业者都撞上了一堵冰冷的墙，模型很强，但怎么变成产品？

我们见过了太多惊艳的 5 秒钟镜头，燃烧的宇航员、赛博朋克的街道。但当创作者试图用它们拼凑出一部哪怕只有 3 分钟的连贯短剧时，灾难发生了，主角在第一个镜头是瓜子脸，切个近景就变成了方脸；上一秒还穿着冲锋衣，下一秒衣服上的 Logo 就换了位置。

生成无数个漂亮的碎片，但我很难造出一座完整的"房子"。这是当下 AI 创作者最真实的挫败感。

与此同时，行业的"内卷"速度远超预期。根据多方行业调研数据显示，AI 漫剧的单分钟制作成本，已经从年初的高位下降。这不是价格战，而是一场生存战。

平台的红利也在消退。主流短视频平台已开始收紧审核标准，那些靠模型"一键生成"、人物忽大忽小、衣服颜色反复横跳的低质量内容，正面临被限流甚至打回的风险。留给野蛮生长的时间不多了。

在这个背景下，商汤刚刚发布的 Seko 2.0 显得有些"反常识"。

在大多数模型还在卷谁生成的浪花更符合流体力学时，Seko2.0 把重点方在了一个听起来枯燥、甚至有点像项目管理软件的词上：多剧集管理。

也就是说，Seko认为 AI 视频的下半场，拼的不只是生成像素的能力，而是管理像素的逻辑。

它到底做的怎么样，我们先来看一段由平台创作者生成的作品集锦：

1

解剖“一人剧组”，从文本到成片的工业化链路

Seko 2.0 到底怎么用？简单来说，它把复杂的影视工业流程压缩成了三步走的"傻瓜式"操作：

1、丢剧本： 把小说或创意文案直接扔进对话框；

2、AI 拆解： 系统自动把剧本拆解成角色、场景、道具，并生成分镜图；

3、交互成片： 用户确认分镜无误后，一键生成连贯视频，并支持对画面进行"P图式"修改。

比如在Seko 2.0产品发布中的 《李白诗仙传》 演示，我们看到了这套逻辑的实际效果。

打开 Seko 2.0 的新界面，你会发现它越来越不像一个简单的聊天框，而更像是一个轻量级的非线性编辑软件。用户把一段关于李白的剧情文本扔进去，系统背后的 Agent（ 并没有急着生成视频，而是像一个成熟的副导演一样，先做了一件事：拆解。

它自动分析文本，提取出角色（李白）、场景（宫廷/山水）、道具（酒壶），并生成了一份包含了三集内容的结构化大纲。不只是文本的梳理，更是资产的建立。

对于短剧创作者来说，最大的痛点莫过于"角色一致性"。以往，为了让角色在两张图里长得一样，用户可能需要填写复杂的 Prompt 甚至训练 LoRA。

而在 Seko 2.0 中，这套逻辑被 Agent 接管了。

这意味着，AI 也有了"记忆"。系统把角色的视觉特征提取出来，存入资产库，然后在每一次生成新分镜时，通过 Agent 强制注入这些特征。对于想要日更的短剧团队来说，他们终于不需要用 庞杂的Excel 表格来人工记录每个角色的 Prompt 参数了。

除了宏观的一致性，Seko 2.0 在微观层面的可控性上也做出了进化。

大部分的 AI 视频工具是生成器的逻辑，如果不满意，你大概率只能重新生成。Seko 2.0 则引入了"画布编辑"功能。如果对分镜中李白的动作不满意，用户可以直接在画布上进行局部重绘、消除甚至添加元素。

另外值得一提的是集成在Seko2.0产品中的，实时语音驱动数字人技术----SekoTalk功能，不但能精准实现多人、多语言对口型，保证超长时稳定生成同时，还极大提升了数字人生成效率，做到了真正的实时生成。

这些不是简单的加分项，而是能不能进入实际生产场景的门槛，它让AI视频真的可用、好用了。以下是 Seko 平台创作者利用SekoTalk生成的作品：

1

算力经济学

如果说“一致性”决定了 AI 短剧能不能看，那么“算力成本”则决定了 AI 短剧能不能赚。

这样解释了为什么商汤要死磕国产算力。

面对越来越卷的 AI 短剧、漫剧的市场，如果创作者还在使用昂贵且稀缺的英伟达高端显卡进行渲染，那么算力成本将吞噬掉仅有的利润。这也解释了为什么目前市面上充斥着 IAA（广告变现）模式的免费剧，因为用户付费意愿低，制作方只能靠极致的压缩成本来博取流量收益。

商汤显然算过这笔账。商汤科技 Seko 产品负责人王子彬在采访中透露了一个关键数据，相比半年前，Seko 单次推理的成本已经下降了 50% 左右。

这背后离不开商汤日日新大模型的底层创新和协同优化。比如，商汤开源的行业首个视频生成推理框架LightX2V，在 ComfyUI 社区下载量已超过 350 万次。它解决了制约AI视频落地最关键的，高质量视频生成与昂贵算力的矛盾。

LightX2V 的多项核心技术包括：

Phased DMD（步数蒸馏）： 简单来说，就是让 AI “少走弯路”。通过原创的蒸馏算法，在极少的步数下（如 4 步）就能生成高质量视频，大幅缩短了推理时间。

LightVAE（轻量级 VAE）： 这项技术将视频编解码的性能提升了 10 倍以上，同时保持了高清画质。

带来的直接结果是，在消费级显卡（如 5090）上，生成 5 秒的视频所需时间小于 5 秒，实现了“1:1 实时生成”。

更具战略意义的是，LightX2V 并不仅仅服务于英伟达生态，它还打通了国产芯片。目前，Seko 2.0 已经实现了对国产 AI 芯片的深度适配。

这是一个实打实的商业策略。对于那些对价格极其敏感的小型工作室来说，如果国产算力能提供价格优势，这就是无法拒绝的吸引力。

“从用户侧来看，其实基本是无感的。” 王子彬非常自信地表示。虽然在研发端经历了巨大的适配挑战，但最终呈现的结果是，国产芯片在生成质量上与英伟达方案基本一致。

1

把想象力还给普通人

在发布会上，商汤科技董事长兼 CEO 徐立引用了克莱顿·克里斯坦森的经典理论《创新者的窘境》：很多颠覆性的创新，最初都是从“低毛利、边缘化”的市场切入的。

这解释了 Seko 2.0 为什么要死磕“短剧”和“漫剧”。

相比于对光影、纹理要求苛刻的院线电影，短剧和漫剧对画质有着天然的宽容度。这里的观众更在意剧情的爽点和更新的速度。这正是 AI 目前最好的练兵场。

事实也证明，这条路走通了。Seko 孵化的真人短剧《婉心计》拿到了抖音 AI 短剧榜的第一名。并且 Seko 已经宣布与长江电影集团签约，计划孵化院线级 AI 电影。

从几分钟的竖屏短剧，到 120 分钟的大银幕，中间的鸿沟依然巨大，但 Seko 似乎想通过“农村包围城市”的策略，一步步填平它。

王子彬在与媒体沟通中也提到，Seko 的用户里，其实只有 10%-20% 是专业的短剧工作室，但他们贡献了最高频的使用量；而剩下的大量用户，是 MCN 机构、自媒体人，甚至是教育工作者。

在技术和商业的宏大叙事之外，发布会的尾声，徐立分享的一个小故事或许最能代表这款产品的初衷。

一位普通的语文老师，利用 Seko 把学生的优秀作文变成了动画视频，在课堂上播放，点燃了孩子们巨大的创作热情。

AI 视频工具的终极意义，或许并不是为了让好莱坞导演失业，也不是为了制造更多的电子垃圾，而是为了让一个不懂画画的程序员、一个没有摄像机的公务员、或者一个充满幻想的小学生，都能拥有把想象力变成现实的权利。

只有工具不再昂贵，技术不再高冷，AI 视频的“工业革命”，才可能发生。

点个“爱心”，再走 吧