国产算力Day 0适配，一人剧组时代到来，商汤Seko 2.0降本增效让AI短剧真正落地

一人剧组时代到来，Seko 2.0通过技术降本增效让AI短剧创作真正落地。

商汤Seko 2.0在行业内率先实现了创编一体与多剧集智能生成，通过突破性的一致性控制技术与国产算力深度适配，将漫剧制作周期缩短近九成。

Seko2.0发布当天，国产芯片寒武纪即完成对商汤自研日日新Seko系列模型的适配。

AI视频生成技术在过去一年经历了过山车般的发展。

从最初惊艳的几秒钟演示，到创作者实际使用时的各种碰壁，行业逐渐从狂热回归理性。

大家发现，仅仅生成一个高质量的镜头并不难，难的是生成一百个连续、连贯且符合逻辑的镜头，并把它们串联成一个完整的故事。

商汤Seko 2.0的发布，正是为了解决这个从玩具到工具的跨越问题。

作为行业首个创编一体、多剧集生成的智能体，Seko自2025年7月上线以来，在短短两个月内用户量突破10万，不到半年聚集了超过20万创作者。

其中，短剧创作者占比30%，漫剧创作者占比20%。

这个高浓度的创作者社区反馈了最真实的需求：我们需要更高效的落地能力，更低的创作门槛，以及能够讲完长故事的工具。

全新的Seko 2.0，是对当前AI影视制作痛点的一次系统性回应。它让一人剧组的构想，开始具备工业化生产的雏形。

创编一体与长内容的逻辑重构

短剧和漫剧赛道的火热无需多言。

巨量引擎的数据显示，今年上半年漫剧供给量以83%的复合增长率持续扩容，流水规模翻了12倍。

市场在呼唤产能，但产能被困在繁琐的工具链中。

以往的AI视频创作，创作者往往需要在多个工具之间反复横跳：用一个工具写剧本，用另一个工具画分镜，再用第三个工具生成视频，最后还要去剪辑软件里对口型。

这种割裂的工作流不仅效率低下，更致命的是信息的损耗——上一个环节的创意，往往在下一个环节的工具切换中走样。

Seko 2.0带来的最大改变是创编一体。

通过全新的UI设计，商汤将视觉效果呈现提升到了核心位置，打造了一种沉浸式的创意体验。

但这不仅仅是好看，更重要的是底层的多剧集生成功能。它支持超长上下文管理，能够一次性支持100集以内剧本的连续创作。

这在AI生成领域是一个巨大的数字。

意味着AI不仅仅是记住了上一秒的画面，而是理解了整个剧本的脉络。

Agent智能调度系统在这里扮演了场记和统筹的角色。在不同的剧集中，人物、场景、道具实现了灵活关联。

比如，主角在第三集受伤了，脸上贴了创可贴，这个妆造细节会随着场景的改变自动保留，直到剧本设定伤愈。

这种跨场景、跨时间的连贯性，是过去AI工具最难以攻克的堡垒。

攻克一致性难题的技术内核

多剧集、跨分镜的角色一致性，一直是AI视频生成的难题。

传统的生成方法通常陷入两个极端的陷阱。

一种是过度拟合，生成的角色与参考图如同复制粘贴，动作僵硬，神态呆板，仿佛一张贴图在背景上平移。

另一种是过度发散，一旦要求角色做出大幅度的动作或复杂的表情，AI就会放飞自我，生成的脸变得面目全非，观众根本认不出这是同一个演员。

Seko 2.0引入了核心技术SekoIDX来破解这一难题。

SekoIDX的创新之处在于，它在扩散模型的高噪阶段引入了负参考图机制。这是一个非常巧妙的思路。通常我们给AI看参考图，是告诉它要画成这样。而负参考图的引入，是在告诉AI不要完全画死成这样。

这种机制既保证了角色在多剧集、跨分镜中的特征一致性，锁住了人物的魂，又避免了内容与参考图在像素级别上的过度相似，赋予了人物形的自由。

正因如此，Seko 2.0生成的角色在响应不同表情、姿态、场景等指令时，依然能保持高度的稳定性。人物不再是僵硬的纸片人，而是有了演技的数字演员。

在此基础上，SekoTalk技术解决了另一个痛点：口型同步。

传统的数字人技术在处理单人播报时表现尚可，但一旦进入影视级的复杂场景，比如多语言切换、多人交互，就会出现严重的音画游离现象。

SekoTalk是业内首个支持超过2人对口型的解决方案。它不再局限于单人的正脸对齐，而是通过一系列创新设计，实现了从单人口形到多人互动的高度精准声形同步。

无论是日常的两人对话，还是激烈的多人争吵，甚至是集体报数这种对同步率要求极高的场景，SekoTalk都能实现精准的匹配。

这让多人场景的制作能够一气呵成，不再需要后期逐帧调整，极大地解放了创作者的精力。

效率提升与成本控制的经济学

底层技术的突破，最终都要转化为生产力的飞跃和成本的降低。

在传统工作流中，一支团队要完成一部50集的作品，通常需要耗费3个月以上的时间。即使使用了早期的AI工具，由于废片率高、一致性差，修修补补的时间往往比生成的时间还长。

借助Seko 2.0，漫剧制作周期可缩短80%~90%。

这是一个数量级的提升。它让创作者从海量的素材管理和繁琐的修补工作中解脱出来，将精力真正回归到剧本和创意本身。

但效率提升只是硬币的一面，另一面是成本。

AI很强，但用起来很贵。这是很多从业者的心声。AI短剧、漫剧的多剧集创作涉及海量分镜。

算一笔账：仅生成一个5秒的视频，就需要接近10万token的算力消耗。如果一部剧需要一键生成10到20个分镜，总token需求量将高达100到200万。

对于个人创作者或小型工作室来说，这是一笔不菲的开支。

商汤为此提出了Phased DMD（Phased Distillation from Mixture of Experts）蒸馏技术。这是一套多步蒸馏框架，旨在降低多剧集生成的综合成本。

它的核心思想是将分阶段蒸馏与专家混合模型（MoE）相结合。

简单来说，就是让不同的模型专家专精于生成流程的不同阶段。有的专家擅长构图，有的专家擅长上色，有的专家擅长动态优化。

这种分工协作的模式，在不增加推理成本的前提下，显著提升了模型的整体能力与效率上限。它就像一个配合默契的流水线，比一个全能但臃肿的大模型干活要快得多，也省得多。

在交互场景下，延迟是体验的杀手。

为了解决这个问题，商汤开源了行业首个能实现实时视频生成的推理框架LightX2V。

LightX2V通过DiT（Diffusion Transformer）蒸馏加速、轻量化VAE（Variational Autoencoder）、稀疏注意力等一系列硬核优化，实现了低成本、强实时的视频生成。

数据最能说明问题。LightX2V在消费级显卡上，能够以不到5秒的时间生成5秒的视频。与之形成鲜明对比的是，Sora等同类模型生成同样时长的视频往往需要数分钟。

这种准实时的生成效率，彻底改变了创作的反馈循环。创作者可以即时看到结果，即时调整，而不是每次修改都要在这个等待的黑箱中煎熬。

LightX2V目前累计下载量已超350万次，这证明了全球创作者对高效工具的渴求。

国产算力的深度适配与突围

在Seko 2.0的发布中，有一个不可忽视的亮点，那就是对国产芯片的全面适配。

长期以来，AI算力被国际巨头垄断，这不仅带来了成本的压力，更潜藏着供应链的安全风险。

商汤选择了一条难走但正确的路：与国产芯片厂商寒武纪（Cambricon）等进行深度合作，开启AI视频创作的低成本时代。

LightX2V已完成寒武纪、沐曦等国产芯片的适配，实现了视频生成模型的全国产化部署。

这种适配不是简单的能跑，而是做到了跑得好。

从效果对比来看，Seko在国产化芯片平台上能够以相近的时间，实现和国际芯片平台一致的生成效果。

具体数据显示，国际芯片平台运行1秒可生成1.25秒视频，而国产芯片平台运行1秒可生成1.0625秒视频。

虽然在绝对数值上还有微小的差距，但考虑到两者在生态积累上的巨大时间差，这个成绩已经足够令人振奋。

且随着国产芯片性能的持续优化与生态成熟，这一差距将被迅速填平。

商汤日日新Seko系列模型，包括SekoIDX、SekoTalk等图像与视频生成多模态模型，已全部完成对国产AI芯片寒武纪的适配。

这标志着国产算力对AIGC核心场景的支持，实现了从单纯的语言模型到复杂多模态生成的关键跨越。

为了更好释放国产算力优势，Seko系列模型与LightX2V框架在设计之初就引入了硬件友好的创新机制。

低比特量化、压缩通信、稀疏注意力等技术的应用，将推理性能提升了3倍以上。

商汤与寒武纪的合作不仅停留在适配层面，更深入到了软硬件的联合优化。

双方在长序列处理、低比特计算、算子融合等方向持续发力，旨在通过提升算力利用率来降低模型运行的资源占用。

未来Seko的创作者将拥有性价比极高的国产化方案选择。

内容生态的重塑与展望

技术最终是为了服务于内容。

Seko的应用边界正在持续拓展。从普通大众创作者、专业个人创作者到小型工作室，甚至延伸到了顶尖的影视行业。

在漫剧和短剧领域，Seko已成功孵化出一系列爆款。

真人短剧《婉心计》强势登顶抖音AI短剧榜第一，《我在山顶建末日堡垒》、《隐神录》等作品也收获了广泛关注。

这些作品证明了AI生成的内容不再是粗糙的实验品，而是已经具备了商业变现的能力。

在高品质影视工业领域，Seko与长江电影集团达成了战略合作。

双方将共同探索AIGC+影视的融合创新，预计明年推出荆楚文化历史故事系列短剧，并联合孵化院线级AIGC电影。

这标志着AI创作工具正式深入到了专业影视生产流程的核心地带。

Seko 2.0首先服务于对成本敏感、对效率渴求的短剧和漫剧创作者，帮助他们释放想象力。随着能力的不断进化，产出的内容质量将逐步向精品化迈进。

Seko 2.0的发布，让那些原本不具备创作能力但拥有创作想象力的人，真正意义上走入到了创作生态中。

免费试玩：

https://seko.sensetime.com/explore

https://sekotalk.com/

LightX2V：

https://github.com/ModelTC/LightX2V