技术深度解析
Rees.fm的架构是务实、注重成本的AI系统设计的典型案例。它避开了庞大、端到端的“世界模型”路线，转而采用模块化、编排式的处理流程。
两阶段处理流程：
1. Seedance 2.0 担任导演与编舞： 这款开源模型源自多智能体场景生成与程序化动画的研究，擅长时空规划。当接收到如“一只猫在阳光斑驳的花园中追逐蝴蝶”的文本提示时，Seedance 2.0并不生成像素。相反，它输出一个结构化的场景图与运动计划，包括：
* 智能体定义： 猫（智能体A）与蝴蝶（智能体B）。
* 轨迹规划： 蝴蝶不规则飞行的3D路径，以及猫追逐冲刺/跳跃的路径。
* 交互逻辑： 猫的运动如何响应蝴蝶方向变化的规则。
* 镜头调度： 跟随动作的建议摄像机路径。
此规划阶段在逻辑计算上密集，但与像素生成相比相对轻量。该模型的能力源于其对大量动作捕捉数据和程序化模拟数据集的训练，使其能够生成物理上合理的序列。GitHub上的开源仓库 `seedance-community/seedance2.0-core` 已被迅速采用，拥有超过8.5k星标，其活跃分支正致力于将其规划能力扩展到更复杂的多角色交互。
2. Sora 2 担任摄影师与视觉特效工作室： Seedance 2.0的结构化输出随后被格式化为详细、具有时间感知的条件输入，馈送至一个修改版的Sora 2模型。Sora 2的核心创新在于其基于视频潜在代码时空块进行操作的扩散Transformer架构。通过为其提供一个强大的先验信息——来自Seedance的精确运动计划——模型的任务从“从文本发明一个连贯场景”简化为“以高保真度渲染这个特定的、已规划好的场景”。这极大地减少了文本到视频生成中常见的熵增和失败模式（例如物体变形、物理规则违反），从而提高了每次生成尝试的成功率，减少了计算浪费。
成本效率机制： 成本节约在某些方面并非线性，而是呈指数级。从头训练像Sora这样的世界模型需要数亿计算成本。Rees.fm对这些核心模型不产生任何训练成本。其运营成本主要是推理，而两阶段流程经过高度优化：
- 减少迭代次数： 一个规划良好的场景需要更少的重新生成尝试即可达到质量要求，节省了昂贵的Sora 2推理调用。
- 选择性保真度： 对于某些内容类型（例如教育解说视频），Rees.fm可以根据Seedance的计划，默认使用Sora 2生成较低分辨率或较短时长的片段，为用户提供成本滑块选项。
- 缓存与复用： Seedance规划的常见运动模式（行走周期、旋转物体）可以被缓存并在不同的渲染中重复使用，从而分摊成本。
| 流程阶段 | 主要任务 | 关键模型 | 计算成本（相对单位） | 输出格式 |
|---|---|---|---|---|
| 规划 | 场景图与运动逻辑 | Seedance 2.0 | 1x | 基于JSON的结构化数据（智能体、轨迹、交互） |
| 渲染 | 像素生成与物理模拟 | Sora 2（修改版） | 15-25x | 原始视频帧（例如 1280x720, 24fps） |
| 单体端到端 | 规划与渲染结合 | 专有世界模型（如 Sora, Gen-3） | 30-50x | 原始视频帧 |
数据启示： 数据说明了核心效率增益：通过将规划（廉价）与渲染（昂贵）分离，并提供强有力的规划，Rees.fm的单视频总成本（1x + 15-25x = 16-26x）大约仅为单体端到端生成（30-50x）的一半，假设最终质量相近。这正是其成本天花板突破的架构基础。
关键参与者与案例分析
当前AI视频领域由三种截然不同的原型所定义，而Rees.fm开辟了一个新颖的定位。
1. 基础模型先驱（封闭生态系统）：
- OpenAI (Sora)： 无可争议的质量领导者，但完全封闭在私有API之后，访问受限、成本高昂、使用政策严格。它代表了能力的巅峰，但并非可及性的典范。
- Runway (Gen-3)： 已成功为创意专业人士实现了AI视频的产品化，在订阅模式下提供一套工具（Gen-3, Motion Brush）。它比Sora更易获取，但仍属于高端、垂直整合的服务。
- Stability AI (Stable Video Diffusion)： 在图像模型上采取了开源优先的策略，但在发布有竞争力的开源视频模型方面进展艰难。其SVD模型在连贯性和时长上落后一步。
2. 开源模型开发者：
- Seedance 2.0 联盟： 一个由学术机构与独立研究者组成的松散联盟，致力于推进开源的运动规划与场景理解模型。Seedance 2.0是其旗舰成果，其成功部分归功于其模块化设计，允许社区贡献特定领域的规划模块（如流体模拟、人群行为）。