Krea推出新工具Seedance Studio：加入镜头路径与3D场景控制

使用过视频生成AI的人最常碰到的障碍并非画质，而是操作方式。要让镜头从哪里出发、移向哪里，人物与背景处于什么位置这些设定体现在成片中，最终还是得靠文字描述来实现。Krea于8月19日公开的Seedance Studio，正是把这一环节转移到了屏幕上的可视化控制界面。

发布内容中确认的信息

Krea在其官方X账号发布的帖子中，将Seedance Studio介绍为"用Seedance 2.5进行创作所需的一切，都集中在一处的工具"。帖子中具体点名的组成部分共有三项：提示词预设（prompt presets）、镜头路径（camera paths），以及3D场景控制（3D scene controls）。

该帖子附带了一段介绍视频，Krea在同一帖子中向用户征集意见，询问"希望增加哪些功能"。发布仅数小时后就有用户留言，其中一位提到了模型训练功能，并回应称自己正把Krea当作主力平台使用。

组成部分	发布中标注的名称	涉及领域
提示词预设	prompt presets	无需每次重新撰写指令，可直接调用已保存的格式
镜头路径	camera paths	镜头移动的轨迹
3D场景控制	3D scene controls	以三维方式处理场景的操作项

至于各项控制在界面上具体呈现为何种形式、细分参数有多少，此次发布中并未提及。已确认的是，这三个维度被整合进了同一个工具当中。

Seedance是什么，Krea处于什么位置

有必要先厘清容易混淆的部分。Seedance是打造TikTok的字节跳动旗下AI研究部门**字节跳动Seed（ByteDance Seed）**开发的视频生成模型。这款模型通常不会以独立应用的形式出现，而是作为"可选模型"嵌入在其他制作工具当中。

Krea同时在做两件事。公司2022年创立于旧金山，最初以能够实时生成图像和视频的工具打响名号，同时也自行训练图像与视频模型。与此同时，公司也把谷歌的Veo、OpenAI的Sora、快手的可灵等数十个第三方模型整合到同一界面供用户挑选使用。此次的Seedance Studio属于后者这类工作。模型出自字节跳动之手，而打造操作这一模型的工作台的，则是Krea。

近期国内媒体也多次报道过使用Seedance制作的作品。Higgsfield于8月19日在YouTube公开的90年代香港电影风格AI短片《红旗》，同样是在Higgsfield平台上运行Seedance制作而成的成果。

为何镜头路径要单列出来

影响视频生成模型成片效果的因素大致分为两类。一类是画面里出现什么，另一类是以什么方式呈现出来。前者相对容易用文字说明，比如人物的穿着、时间段、背景材质之类。后者则很难。镜头从人物身后绕到正面的运动方式、贴着墙面掠过的角度、与拍摄对象之间距离的变化，一旦转化为文字描述，可解读的空间就会大幅增加。同样的提示词输入两次，镜头运动却不相同，原因就在于此。

镜头路径与3D场景控制作为独立项目出现在此次发布中，可以视为一个信号：意在通过界面操作来处理这第二个维度。而提示词预设则更接近第一个维度，即把反复使用的风格指令保存下来、随取随用。

如何上手使用

从哪里开始——Seedance Studio是新加入Krea服务中的工具。发布帖中附带了通往该工具的链接，但应用内的具体菜单位置此次发布并未说明。登录Krea账号后，在视频工具列表中找到Seedance Studio这一项，即为起点。

操作流程——以此次发布确认的三项组成部分为基准，流程大致如下。

1. 打开Seedance Studio后，确认所用模型是否为Seedance 2.5。
2. 在提示词预设中选择与所需基调或风格相近的选项。这一步无需每次从零开始写文字。
3. 用3D场景控制来设定场景内的构图。
4. 在镜头路径中指定镜头运动经过的轨迹。
5. 执行生成并查看结果，若有不符预期之处，只需返回相应的控制项进行调整。

可以尝试做什么——若制作产品介绍视频，可用预设固定灯光与质感基调，仅改变镜头路径，就能以多种角度呈现同一产品。若是短篇叙事视频，则可以不必每个场景都重新撰写提示词，而是共用同一套预设，通过镜头运动来区分镜头切换。在重复性工作中，时间的节省大多体现在这类环节上。

目前公开的信息范围止步于此。Krea正在征集功能需求，若有想要的功能，可在Krea官方X账号相应帖子下留言。

编辑观察

视频生成工具的竞争焦点，正从模型转向操作界面。一两年前，大部分新闻还都围绕"能做到多少秒"、"手指不会变形"之类的输出质量话题展开。如今情况不同了。多家公司的画质已达到相近水准，剩下的差距体现在能用多少次尝试得到想要的画面上。Seedance Studio把提示词预设、镜头路径、3D场景控制这三个维度整合到同一界面，正是顺应了这一趋势。

在这一结构中，Krea的位置颇为有趣。该公司既自研模型，又代理分销他人的模型，因此无论哪家模型胜出，只要握有操作台，就不会吃亏。模型性能可能几个月就会被反超，但操作习惯不会变化得那么快。积累了大量预设、熟悉了镜头路径操作的用户，即便模型更换，也会回到同一个界面上。字节跳动Seed负责制作模型、Krea负责制作工具的这种分工，正是"原料公司"与"厨具公司"分离的产业结构，也在视频AI领域逐渐成型。

对国内团队而言，有两点值得从实务角度关注。第一，若正在评估引入视频AI，应先看操作界面的构成，而非模型基准测试分数。实际工作中费用流失的环节，往往不是渲染费用，而是因效果不理想而重新生成的次数。预设能否以团队为单位共享、镜头运动能否以可复现的形式保存，决定了这一次数的多少。第二，这类工具从发布到实际稳定运行之间通常存在时间差。早期版本即便具备控制功能，反映精确度参差不齐的情况也很常见。与其直接用于商业项目，不如先做内部测试、跑几个案例确认可复现性后再投入使用更为稳妥。

预计未来几周内，类似的发布还会接连出现。Krea向用户征集功能需求这件事本身，就说明这一类别目前尚未形成标准化的操作界面。时间线编辑、角色一致性锁定、基于参考图像的场景构建，很可能会排在下一轮需求清单的前列。视频AI工具最终会收敛到何处，答案其实已经清晰——那就是剪辑软件的形态。