单人做AI短片要用哪些工具？《牌子》《过来人》等爆火作品的完整工作流拆解

源自17位全网作者

19:37

一个人做AI短片，到底要装多少工具？把近期几个爆火作品——B站短片《牌子》、刷屏说唱MV《过来人》、威尼斯获奖的《Website》——的制作记录逐一对过之后，答案其实很清楚：一支片子真正需要的只是四类工具——一个负责剧本、分镜和提示词的"大脑"，一两个视频生成模型，一个管角色资产和局部修复的工作台，加一个剪辑软件。工具决定下限，"生成—校验—回炉"的循环决定上限。DiDi_OK的《牌子》是支7分45秒的短片，是DiDi_OK利用下班与周末时间完成的，仅用了23天。同一创作者的11分钟AI科幻短片《Website》，从全球76个国家3000多部作品中进入威尼斯Reply AI Film Festival十强，最终拿下两个奖项。红星新闻短剧新圈

另一头的爆款同样具体：《过来人》一天之间点赞超百万，彻底火了，作者王琨喆透露，成本大约几千块钱。便宜不等于轻松，几千块钱背后是大比例的返工——而这恰恰是这套工具组合要解决的问题。央视财经

爆火作品靠的不是堆模型，而是分工清楚

全职做AI短剧的创作者郑远，公开了自己在用的生产流程：日常跑通一部片子，核心只用两个工具——Codex负责"想"和"写"，即梦负责"生成画面"。剧本、角色设定、美术参考图、视频提示词由前者产出，后者负责执行画面，过去编剧、美术、分镜师分开做的前期工作，被压缩进了一个智能体。王琨喆那边能看到同一逻辑的另一半：《过来人》里杜甫、苏轼、刘邦等古人不是用完即弃的形象，他们在之前的说唱作品里已经"活过一遍"，靠LibTV的资产管理在这支片子里重新聚齐。DiDi_OK的新作《糖果》（Candy），则是直接用Seedance 2.5做出的画面。知乎新浪娱乐微博

视频生成模型这一格最拥挤，选择也最容易被营销话术带偏。实测过新版本的"AI老农"给过一句定位：Sora 2和Veo 3在"长视频+音画同步"赛道，可灵4.0的优势是国内访问稳定、中文提示词友好、企业级API接入成熟。知乎

完整工作流：一条链路，一个循环

把工具拼起来，就是一条流水线。郑远的标准起点，是把一个模糊的想法丢给智能体，让它一次产出剧本、角色、美术图和提示词——他曾经从下午5点到9点，四个小时，从一个想法跑到一部新片。知乎

有个容易被忽略的细节：写提示词之前，要先让智能体去调研目标视频模型的提示词规则，再动手写。视频模型对镜头、动作、景别的描述有自己的格式和偏好，"大脑"不先学会"执行器"的语言，生成的准确率会明显下降，大量积分浪费在返工上。知乎

分镜环节，LibTV的TV Director把前期拆成剧本创编、导演执导、全能创作三种模式：手里只有个模糊脑洞时，用剧本创编让它扩写剧情和台词；故事有了但不知道镜头怎么设计，就换导演执导去拆景别和运镜。知乎

碰到文字难以描述的运镜——比如带喜剧节奏的急刹车横摇——可以上传图片生成3D场景和一条横摇运镜轨迹，把这份3D剧情预演喂给模型，机位就是想要的那个感觉。知乎

生成之后才是真正费功夫的地方：AI几乎不会一次就让人满意，真实的工作流是一个"生成—校验—回炉"的循环。抽卡最气的失误往往很小——运镜、着装、情绪都满意，人物脸却抽了一下或者麦克风拿反了。王琨喆的处理办法是用片段重拍：再抽一条可能达不到一样的效果，不如只把坏掉的几秒钟重做，其余画面保持不变。角色一致性则靠资产解决：把画布中的资产用角色造型室单独生成角色卡，五官、表情、多角度都"定妆"之后应用到后续所有分镜节点，镜头怎么切，脸部细节都不飘。知乎新浪娱乐知乎

成本控制贯穿全程。测试阶段先用低分辨率快跑，便宜、出得快，等内容确认没问题了再上高清，不浪费积分。"AI老农"给出的另一条省钱路线是用Flash分档快速出几十条挑一两条再精修。知乎知乎

最后一步没有悬念：视频生成完直接在画布里下载，丢进剪映剪辑、加音乐、加字幕，出成片。知乎

钱和时间，实际花在"回炉"上

爆款的账本比参数表更有参考价值。《过来人》成本大约几千元，但王琨喆估计废片与成片的比例达3:1到5:1，大量时间花在前期提示词打磨上，而他的提示词已经公开，可以直接研究。也就是说，画面每播出1秒，背后可能付了3到5倍的生成成本；效率瓶颈不在模型，在校验和修复的速度。央视财经

供需两侧也在同步放大。快手披露，截至2026年6月可灵全球用户突破1亿，创作者超过6000万。需求端，QuestMobile的短剧行业报告显示，截至2026年2月短剧行业月活已达7.18亿；生产端，B站每月活跃的AI相关UP主已接近10万，日均投稿量同比增长83%——单人创作者正在大量涌入这条赛道。创业邦知乎红星新闻

工具清单过时最快，分工和判断力不过时

这份清单的保质期只有"几个月"：新版本模型全量开放后，围绕它的教程和节点生态会立刻井喷，画布里开源的爆款工程也会很快迭代。具体用哪个模型，跟着当期主流选择即可；不会随版本过时的，是分工结构和返工循环。两条边界要提前认清。其一，长内容是普遍短板——威尼斯的行业讨论给出的判断是，短片可以用奇观压住表演的僵硬，长剧不行。其二，门槛并没有消失，只是换了位置。DiDi_OK在海外采访里反复提到taste这个词，在他看来，AI正在快速降低制作门槛，生成能力普及以后，创作者之间真正的区别会更多落在判断力上——所以他对年轻创作者的建议不是"多研究模型"，而是继续画画、拍照、写作、看传统电影、读历史。导筒短剧新圈

如果目标是批量生产而非单支精品，还可以再加一层自动化工具：ComfyUI的节点式流程和n8n的可灵API模板能把整条链路变成流水线。"AI老农"给出的门槛判断值得参考：ComfyUI适合每周稳定出片10条以上的创作者或团队，偶尔生成几条玩玩的，学习曲线就会劝退。回到标题的问题——工具本身没有门槛，点几下谁都会；真正的门槛在两件事上：能不能把流程稳定跑通、建立起自己的反馈闭环，以及能不能持续产出值得被看完的内容。知乎知乎

精选参考来源

1
#郭帆赞叹AI短片牌子太牛#【他用23天震惊郭帆，对话《牌子》制作者：AI在重写影视制作流程】#AI短片牌子上线一周播放量破千万# 最近，视频博主DiDi_OK在B站“AI创作大赛”发布的AI短片《牌子》，给不少网友带来了极大震撼。上线仅一周，播放量便突破1000万，被认为“一夜封神”，《流浪地球》导演郭帆看后也忍不住赞叹，“太牛，超喜欢”。#对话AI短片牌子制作者#在YouTube上，外国网友同样惊叹于作品所呈现的想象力与质感，“不可思议的杰作”“远超任何主流产品”“简直是疯狂的创意”……这支7分45秒的短片，是DiDi_OK利用下班与周末时间完成的，仅用了23天。日前，DiDi_OK接受了红星新闻记者的采访，大学时便主修动画专业的他并不是“业余爱好者”，而AI让他“如虎添翼”。这样的UP主，B站上还有很多。根据2025年第三季度数据，B站每月活跃的AI相关UP主数量已接近10万，AI相关内容的日均投稿量同比增长83%。在B站最近的AI创作大赛里，科幻片、爱情片、社会现实片等等类型的短片，已不逊于专业制作团队。网页链接

红星新闻 2026-03-05

来自新浪微博
2
DiDi_OK和他的AI宇宙世界

短剧新圈 2026-10-15

来自知乎
全部
来源
内容由AI生成

精选参考来源

1. #郭帆赞叹AI短片牌子太牛#【他用23天震惊郭帆，对话《牌子》制作者：AI在重写影视制作流程】#AI短片牌子上线一周播放量破千万# 最近，视频博主DiDi_OK在B站“AI创作大赛”发布的AI短片《牌子》，给不少网友带来了极大震撼。上线仅一周，播放量便突破1000万，被认为“一夜封神”，《流浪地球》导演郭帆看后也忍不住赞叹，“太牛，超喜欢”。#对话AI短片牌子制作者#在YouTube上，外国网友同样惊叹于作品所呈现的想象力与质感，“不可思议的杰作”“远超任何主流产品”“简直是疯狂的创意”……这支7分45秒的短片，是DiDi_OK利用下班与周末时间完成的，仅用了23天。日前，DiDi_OK接受了红星新闻记者的采访，大学时便主修动画专业的他并不是“业余爱好者”，而AI让他“如虎添翼”。这样的UP主，B站上还有很多。根据2025年第三季度数据，B站每月活跃的AI相关UP主数量已接近10万，AI相关内容的日均投稿量同比增长83%。在B站最近的AI创作大赛里，科幻片、爱情片、社会现实片等等类型的短片，已不逊于专业制作团队。网页链接

新浪微博 2026-03-05 00:00:00

2. DiDi_OK和他的AI宇宙世界

知乎 2026-10-15 00:00:00

3. 【独家对话｜#AI创神曲过来人刷屏全网# #AI神曲过来人花了数千元#】一天之间点赞超百万，AI歌曲《过来人》彻底火了！原创作者王琨喆透露，成本大约几千块钱。歌词的底子是他自己打的，但是AI也发挥了很大的作用，比如编排和押韵。王琨喆坦言，废片与成片的比例，粗略估计达3:1到5:1，大量时间花在前期提示词打磨上——而他的提示词已经公开。究竟是创作者还是算法击中了听众？“AI能批量做出很多内容，但共鸣和共情批量生产不了。AI不会自动把这些说出来，但确实帮我把它们变成了画面和声音。最终打动人的，还是心里的真诚。” 央视财经的微博视频

新浪微博 2026-10-20 00:00:00

4. 做 AI 短剧，我只用两个工具：一套从想法到成片的可落地工作流

知乎 2026-11-14 00:00:00

5. #过来人创作者谈爆款aimv创作幕后##创作者回应古人开麦说唱跑出爆款# 以下是新浪娱乐@娱理 工作室和王琨喆就《过来人》的MV和AI创作的对话，我们从人物设计、人物资产，以及AI音乐是否具有音乐性的主题，进行了探讨。新浪娱乐娱理：《过来人》的MV中出现了很多人脸，进行人物设计时，你是如何构想这些人物不同的外在形象的，如何和AI进行沟通的？有没有一些设计灵感？王琨喆（喆Film）：首先我并没有像很多观众想的那样，精通历史。每次创作“古人开麦”的这个过程，对我来讲，都是一个学习和补课的过程，所以我也会先去认识这个人。当然基本，对这些大家耳熟能详的人物常识，都还是有的。我会让AI去查他的史实、典故，包括大家对他的印象，结合我自己的理解，再让AI去塑造他的形象，可能就是资产图的提示词。给AI的指令，我会尽量具体。或者说写提示词的时候，我会让AI更多地去写他的气质、神态、穿着。生成之后，顺手在网上查一下，看是不是跟已有的形象，跟大家心里的形象接不接近，这样来定他的形象。灵感一半来自于史料，一半来自于他们身上的这些故事。虽然这些古人，大家都不知道他们具体长什么样，没有留下照片。但是他的精气神、他的故事这些线索，我觉得是可以通过AI把它还原出来的。新浪娱乐娱理：一次性在一个MV里创造了这么多的人物形象，从人物资产的角度来说，会不会有一些浪费？未来，这些人物形象是否还会出现在你的其他作品中？王琨喆（喆Film）：不浪费，因为他们不是一次性的。用LibTV做资产管理时，他们已经在之前的说唱对唱里都出现过，活过一遍了，在《过来人》又聚到了一起。也有可能以后会在新的作品里出现，相当于成了一个我可以反复合作的歌手。从创作角度，就是去在一个作品里，把十个人给做扎实，其实是在奠定他们在观众心里的形象。LibTV能让我把这么多的、不同的人物、不同的情绪，同时在一个场景里做出来，还能保持各自的样子，这是它的稳定性和便利性。AI创作中，人越多，对一致性，对每个人的独特性，要求也越高，后面我还得自己多学习、精进。新浪娱乐娱理：现在的《过来人》是一首MV，未来是否会考虑制作成影视作品，或者是短剧，让这些人物重新再讲一个新的故事？王琨喆（喆Film）：不排除这个可能性，但是我目前的想法，可能还是继续做音乐方面相关的。因为这个是我目前相对能得心应手的东西。但是我也对新的形势，持开放的态度。新浪娱乐娱理：很多的人物在一起，可能在AI里面，这种群戏缺乏一定稳定性，会要求你有更多更标准的一些指令。在使用LibTV的时候，这么多的人物形象，加上情绪表达，它有没有一些什么样的功能，让你在创作这首歌和MV的时候，起到了一个可以被称之为“降本增效”的作用？王琨喆（喆Film）：除了我之前提过很多次的方便稳定的资产管理，还有智能REF，我觉得未来我可能会好好地认真研究的，一个是人物的人像局部修正，一个是视频的片段重拍，帮我奠定更好的基础，包括帮我省更多的成本。特别是咱们抽卡生成视频的时候，有时候会有一种遗憾。我打个比方，生成一段视频，对运镜，对人物的着装，观众的情绪，我都很满意，但是突然，（人物）脸抽了一下，或者他麦克风拿反了。这个时候，如果我再抽一条，有可能达不到一样的效果，我就可以用片段重拍。新浪娱乐娱理：关于这首歌，很多人会说它是一首“心灵鸡汤”，能够治愈很多观众的内心，你会如何看待这样的评价？看这首歌的歌词，会发现它对应了很多底层奋斗者的一些心声，这样的文本创作，是否有参考一些影视作品，或者是文学作品、纪实作品之类的？王琨喆（喆Film）：我觉得用“鸡汤”形容，可能不太合适吧。“鸡汤”可能会给你一些答案，我创作的这首歌，其实是相反的。就是十个人，他们的十种人生，都是不一样的答案。我只是，他们说的这些，我也经历过，或者我有一些我自己的经历、我的影子，我把它在歌词里写了出来，可能我也经历过一些。我没有能力，也没有资格，高高在上地去说教谁，所以我觉得，用“鸡汤”说不准确。我和大家一样，都是在生活里赶路的人。歌词、文本，没有刻意对标某一部作品。创作灵感就是我的灵感备忘录。我的灵感备忘录，从我十年前就开始积攒一些灵感、只言片语，或者是一些不成熟的脑子里的想法。可能这种多年看到的经历，自然会遇到一些，加上这些古人的经历，再加上我自己的经历，对身边人的观察，全部融合到一起。如果是这些史实，还有这些古人经历，我让AI帮我查过很多，没有杜撰，至少没有硬伤吧。艺术加工肯定是有的，我觉得最大的加工，就是把他们当年的处境，翻译成了今天的大白话。这个应该是创作，不是恶意去篡改历史，所以我觉得还好，基础还是要尊重事实，尊重这些人物。新浪娱乐娱理：历史同人创作会有很多的争议，现在这首歌已经爆红出圈，你有没有收到过一些类似的评价，有没有什么想要回应的？王琨喆（喆Film）：我感觉好像，都还好。我印象深的，可能是某些人物的形象，不符合某些观众、朋友们心里一直以来的形象。我觉得这是非常正常的，也非常理解。每个人心中，都有他自己想象的这些古人的形象。但是这些古人没有留下照片，所以大家也都不知道他们长什么样。新浪娱乐娱理：听到你说有很多的说唱音乐这方面的创作经验，平日有没有其他流派的音乐喜好？在创作这首以说唱和抒情为主的歌曲时，有没有一些其他的灵感？王琨喆（喆Film）：我其实听得很杂，我工作的时候，就喜欢开着音乐软件，然后每日推荐。说唱当然是我最喜欢的一个风格。还有很多大家耳熟能详的歌手，都影响过我，国内国外的都有，周杰伦、迈克尔·杰克逊，林肯公园……我很喜欢他们，当然也不限于这几个歌手。说唱和抒情的风格，是因为我觉得说唱很适合把一个具体的人的经历、故事讲出来。你看这些人物在这个舞台上，有点像脱口秀，像开放麦，他们在舞台上娓娓道来的时候，他就有了真实感，或者是我们说的胶片的颗粒感，抒情的副歌能够把大家的情绪、共鸣都调动起来。如果说通过一个简单的公式，大概去理解，就是一个抒情，一个叙事，我觉得是很经典的组合。当然我也理解很多观众会觉得AI音乐，可能他讨厌AI音乐，觉得AI音乐不具备真正的音乐性，我也很理解。所以创作这个作品的时候，也很注意。它不是一段调走到底，我在里面用了很多版本的、生成的歌曲。后期剪辑软件里也做了很多个切分，它是有层次、有起伏的。编曲、乐器，我其实都反复调过。我举个例子，比如说诸葛亮那一段，我生成了很多版本，包括旋律，但是我觉得不对。诸葛亮都说他54岁，累死在工位上了，那个地方一定要沉静下来。这就是在编曲上的一个调配。这个其实就是一种音乐性的体现吧，无论如何，在我看来，音乐性还是要去烘托情绪的，确实下了不少功夫。 娱理的微博视频

新浪微博 2026-10-26 00:00:00

6. 这个正在威尼斯排队准备走红毯，同时斩获了两项AI影像大奖的小伙。（图1）可能很多人都听过他的名字。DiDi_OK。前几天，DiDi_OK发了他用Seedance 2.5做的最新作品《Candy》，中文名叫《糖果》，我在看到之后，惊为天人。直接转发，推荐所有人逐帧学习。（图2）虽然在AI影视圈，DiDi_OK这个名字几乎已经家喻户晓了。但是可能还是有很多朋友不知道这个名字，但没关系，你大概率也看过他之前的作品。（图3）比如《箭头》、《网站》、《垃圾站》等等等等，而数据最好的，则是在今年2月，那个刷屏的《牌子》。这个片子，光在B站上，就有2000万的播放，全网更是接近亿级。（图4）我到现在还记得，我第一次看到牌子的那个晚上，在循环了6、7遍之后，我脑子里产生的那个念头：“明明都是人类，为什么在DiDi_OK面前，我就宛如一个只会流口水的废物，这个人的脑子和审美，到底是怎么长的。”不夸张的说，这是真实的感慨，DiDi_OK自那之后，也成为了我心中，没有争议的AI影像第一人。而这次的《糖果》，更是DiDi_OK在这个主持人平行宇宙系列中，把技术和创意，拉到最高潮的巅峰之作。如果没看过的，可以先看一遍，相信我，你一定会，惊为天人。【糖果】人类就要冲出太阳系了！然后被宇宙嫌弃了不像现在很多烂大街的油腻无比的AI作品，《糖果》依然有很强的Di味。有一些高维规则的展开，有一些SCP的感觉，又有一些黑镜的意味。甚至还有刘慈欣的影子。当然，还有极强的叙事节奏、镜头语言还有他的审美。所以这次《糖果》发布后，我觉得，是一个机会了。我想找他聊聊，跟他做一个小小的专访，聊聊他的一切。因为他人在国外，这几天又在威尼斯电影节领奖，所以我们还是有一些时差的，在碰了两天之后，我们终于约上了。访谈那天，北京上午10点半。他人在黑山，那边凌晨4点半，他起了个大早，因为6点多还要出发去山里。。。我们痛快的聊了快2个小时，问了很多我想知道的问题，聊完之后，我觉得，我一定要把这些东西写出来，也给大家分享一下。那接下来，我们，开始吧。一. 他迎来了AI的时代DiDi_OK，是一个非常有趣的人。现在长期在伦敦，在WPP Production工作。WPP是全球最大的广告与营销传播集团之一，大家耳熟能详的奥美，其实就是WPP的子公司...而WPP Production是WPP旗下最核心的制作团队。所以在AI出现以前，DiDi_OK就一直在做动画、3D和游戏相关的工作了。他的本硕都是动画。后来进入WPP，也先从动画做起。他去英国的故事也特别有意思。他那时候，还在国内跟朋友开工作室挣钱，反正就是拍些广告啥的。他做着做着，然后就突然觉得，这事没意思。。。有一天下午，他们甚至还在外面拍广告。他突然问朋友：要不出国吧？朋友问他：去哪？他说：要不然英国吧？去英国的原因也究极离谱，因为他们以前拍完片，半夜会一起看影视飓风，Tim也是DiDi_OK的赛博偶像。然后呢，Tim以前在英国。。。那不如就英国吧= =然后他真的回家学了半年英语，申请伦敦艺术大学。他妈一开始甚至没帮他报，因为觉得这死孩子绝对考不上。最后他自己还是偷偷报的，结果，还真考上了。。。几年以后。这个当年拍完广告半夜看影视飓风的小伙，受Tim邀请，坐到了影视飓风的AI课程里，给大家分享自己的创作心得。（图5）你看，世界总是一个奇妙的圆，人生有时候也真的特别像一个写得有点俗的剧本。在AI之前，他其实就已经开始在创作了。2021年，他在伦敦艺术大学做过一部《Moth》。（图6）而且那个时候，就很有Di味了。一个被雾笼罩的封闭世界，中央有一座巨塔。所有人都觉得那里绝不能碰，可主角却像飞蛾扑火一样，一定要上去。哪怕真相让人失望，哪怕会死。也想看一眼，世界真正的样子。他脑子里，关于科技、关于未知世界、关于文明的东西，实在是太多了。但是在过去，卡住他的，是那个时代的生产力。传统动画的工作流程实在是太长了，几乎不可能有一个人独立制作一个影片的可能。流程一多，人就多了一些，每多一个人，你脑子中的想法，变成语言传达出去，就会损耗一点。而再经历建模、绑定、动画、后期等等等等的流程，那就是损耗损耗再损耗。到最后，你脑海中的那个idea，那个会让自己兴奋会让自己起皮疙瘩的创意的东西，落在最终屏幕上的时候，可能连一半也不剩下了。所以，他这些年，因为损耗，也一直在研究一个东西，用他的话说，那个东西叫：力道。怎么让自己脑海中的创意和感觉，尽可能最低损耗的传达给观众。而终于，他等来了他的时代。AI，来了。二. 《糖果》：坏人会爆炸如果让我介绍《糖果》。我可能会认真解释半天：这是一个关于一级文明、外星规则、暴力、秩序、人性和科技发展的科幻故事。但是呢，我让DiDi_OK解释，他自己想了想，只用了十个字左右：“坏人会爆炸，好人就没事。”极其的朴素，但又精准。这个故事一开始，人类能源使用能力抵达一级文明的门槛了。然后土星的一颗卫星，叫“潘”。跑到了地球附近。接着，全世界开始发生一件特别离谱的事。只要一个人准备伤害别人。砰，就炸了。这个爆炸，不会变成血肉，会变成：一大堆糖果。（图7）一开始，大家都懵了。外星人？新型武器？上帝？后来慢慢发现，这个规则只专门针对：暴力。DiDi_OK给它设定的底层判断标准也非常的中国味。就是四个字，起心动念。这个片子上线之后，我看了4遍，我当时问了他一个我看的时候，感觉非常矛盾的一个话题，这好像，明明是一个反暴力的故事。可大家看的最大的爽点，却是看坏人被另一个更强大的力量给干掉。那这件事，本身就不暴力吗？DiDi_OK当时就笑了，说你看到了精髓，而且，这其实就是他故意的。片子后来把反复违反规则的人送去月球。（图8）看起来仿佛太好了，文明和平了。可这件事情背后，却一样带着群体暴力。所以他甚至花了很长时间设计片子里代表大众意见的女性发言人。他想让她拥有一种特别容易被大众接受、信任的气质。有点像《三体》里的程心。因为这件事情本身就带着一种“所有人都觉得这一定是对的。”的危险。DiDi自己也没有站在绝对非暴力那一边。他觉得现实里常有一个很残酷的问题：善良的人，往往就是被欺负的人。所以从中世纪的西方骑士到中国的侠客。人类几千年一直在幻想一件事：正义最好拥有力量。于是这个时候，《糖果》的内核变得不一样了。一颗外星卫星拥有判断什么是恶的最终解释权，全人类因为恐惧惩罚而文明，然后大家集体同意，把不符合规则的人送去月球。这到底算文明？还是秩序？又或是暴政？还是一个比我们现在稍微好一点的世界？DiDi_OK没有答案。这个问题，属于每一个观众。三. AI的真正进步访谈之前，我把《箭头》《牌子》《网站》《垃圾站》等等DiDi_OK的片子又重新全部拉了一遍。其实有一个最明显的变化，就是《糖果》这部片子，因为用的Seedance 2.5，所以终于敢变慢了。比如这个教科书级别的长镜头。（图9）讲道理，以前DiDi_OK的片子还是经常会快切的，比如《箭头》和《牌子》，经常5秒就会换一个场景。理由特别简单，AI影像行业里的大家，可能都猜到这个现实原因。因为你不敢慢，因为模型能力，完全达不到。过去的模型能力，是无法支持长镜头的细节不变的这种镜头叙事的。于是呢，就只能不停用新的视觉刺激，把模型来不及暴露的问题给掩盖过去。但是《糖果》里，第一次出现了大量安静的叙事。比如这个镜头。（图10）实验室里，一个年龄稍大的官员往前走。旁边年轻研究员一路跟着，态度非常谄媚，期待被注意。但是官员一直很冷，直到突然搭理了他一句。那个年轻人的身体立刻微微再弯了一点，眼神亮一下。这时候，你能看出来：“诶，他听到我说话了。”但DiDi说，这才是他觉得模型真正突破的地方。表演。以前他一直觉得AI表演过不了，那些表演的细节度不够，所以，一直会少这些叙事。现在Seedance 2.5在他眼里，这个鸿沟已经正式跨过去了。开头那个女孩吃糖的镜头也是。（图11）他特别在乎女孩脸上那个小痘痘。我甚至第一次看的时候，都没有注意。但是对DiDi_OK来说。这是一个极其重要的信息锚点。因为这个极小的信息点，会让观众第一眼看到的时候，会觉得，这是一个真实存在的人。当演员的脸本身可以提供信息的时候，导演才敢把镜头停在那里。还有这个手指甲超近特写下，皮肤和指甲的质感。（图12）还有这个超近景特写中，角色呈现出来的高精度皮肤微观细节，包括毛孔、细纹、皮脂光泽及受光变化；同时细微表演如眼神、呼吸、肌肉牵动与微表情均具备可信度。（图13）而这一点，DiDi_OK说，这种细节度和精细度，只有Seedance 2.5才能达到。他觉得，这个模型，至少给他省掉了60%的叙事成本。这个词我特别喜欢。大家天天聊AI降低多少制作成本。他聊的，是叙事成本。我觉得，真正改变叙事的，从来都不只是所谓的分辨率更高或者价格更便宜。是我们过去你只能绕着模型的缺陷去讲我们的故事。但现在，模型开始允许我们，按我们脑海中的想法去讲故事。这才是，真正的进步。四. Seedance 2.5改变的一切对于Seedance 2.5这个模型，我们聊了很多。DiDi_OK说，假如现在有人告诉他。以后这辈子都不会再有新的视频模型。只能永远用Seedance 2.5。他觉得，也够了。因为坦率的讲，从我的视角看，Seedance 2.0发布的时候，全网的反响远比这一次2.5大。但那时候，DiDi_OK觉得，2.0还可以，确实震撼，但是好像没有那么大的变革。直到这次Seedance 2.5。可能很多人第一眼觉得，啊？不还是AI视频吗？跟2.0区别也不是很大啊。但是DiDi_OK觉得，这反而是一次真正意义上的跨时代升级。我问他：到底跨在哪？他说了两个词。高度定制化。高精度的运动规律。这两个词听起来特别技术。尤其“运动规律”，实在是没有所谓的“电影感”“1080P”“一镜到底”听起来性感。但观众的眼睛特别诚实。比如一辆车拐弯，车身应该有侧倾，悬挂应该有压缩，刹车和加速应该产生不同的俯仰。一颗糖从人体里面炸出去，它应该有质量，有初速度，撞到东西以后会反弹，几百颗糖之间还会互相碰撞，跟镜头的距离不同，虚实也不一样。所谓运动规律，其实就是：这个世界到底符不符合我们从世界认知到的物理规律。所以《糖果》里面那个最核心的“糖果爆炸”，其实也是AI能力的一次极限测试。（图14）DiDi_OK说，现在Seedance 2.5出来的视觉，已经可以经得起慢放和暂停了。他甚至故意设计那种让大家来暂停看看的镜头。（图15）就比如警察局的这场戏，画面里面同时有很多人，DiDi_OK给后面一个黑人角色单独设计了一条故事线。先挣脱、然后推桌子、拿起电视，再准备攻击警察，随后灯光闪烁，所有人的动作短暂停顿，特定的人同时炸成糖果。DiDi_OK借助模型的能力，同时指挥十几个人的动作，每个人都有自己的故事线。这就是DiDi所谓的第二个特点，定制化。因为过去，我们用AI做一个怪兽啥的，其实真的都不算难。难的东西往往都很日常，比如“让左边第三个人先往后看。然后拿起电视。右边警察继续保持现在动作。灯闪以后第二个人爆炸。”AI真正进入工业生产以后，最需要的能力，恰恰是这种定制化。DiDi_OK说，从画面上，他感觉，几乎没有什么是他想实现，但是实现不了的了。比如一堆糖果组成马蒂斯的《舞蹈》。（图16）微缩景观下的移轴动画。（图17）等等等等。因为模型能力的增强，运动规律和可定制化都变得极强，所以也带来了另一个变化，过去的工作流很多就有点跟不上版本了。（图18）比如过去，为了一个镜头，可能要垫好几张图，来让模型理解。所以，他说那时候，他有一个很明确的优先级：参考图，大于提示词，大于模型选择。甚至为了让模型完成它能力本身完成不了的动画和运镜效果，他会大量使用Blender来建模进行参考。比如角色和表面之间的运动追踪，就像手机屏幕上的字，以前AI生不准。那就一个字一个字追，全是后期进行人工修复的。基本就是能工智人。本质上很简单，都是因为模型能力达不到，而DiDi_OK又不想降低自己的作品效果，就会用很多其他手法来进行弥补。然后，就来到了《糖果》。他说，这套逻辑明显开始反过来了。参考图的重要性明显下降。Prompt的重要性开始疯狂上升。因为模型理解能力变强了。很多过去必须先做好的关键帧才能做的动画，现在可以直接用嘴说了。所有的传统辅助是一个没用，很多过去要额外做两个星期的后期，也消失了。DiDi_OK说，这是他第一个，几乎百分百纯度的AI片子。甚至他用上Seedance 2.5之前，他已经用2.0做了3分钟的《糖果》了，做了将近40%，在他用上2.5之后，毅然决然，全部推翻重来。这也是这个AI时代非常操蛋的一点。你的苦心经营的半年的技巧，还有很多所谓保持一致性的工作流，可能就会被一次模型发布直接吞噬。DiDi_OK说，那些都属于小数点后面的技术，他现在也越来越没有兴趣了，真正决定你上限的，还是你的个人能力，还有模型本身的理解力。当模型开始吞掉工作流。创作者剩下来的，才是真正属于创作者的东西。五. 创作到底是什么？我问DiDi_OK：“你觉得AI真的能算创作吗？很多人说，不就是抽卡吗？创作在哪里呢？”他给我讲了一个特别好的例子。2023年，他参与过一个F1赛车宣传片，实拍加虚拟制作。那时候，很多镜头可能要NG500多次。一天光场地费，就是10万英镑。赛车漂移过去，轮胎擦地，然后烟冒出来了，导演觉得，那个烟不好看，再来。所有调度一切归位，然后再来一遍。就这样，不断的Roll，不断的挑选。直到导演觉得，这个第397次的烟最好，就用这个第397次的镜头。所以，DiDi_OK说，创作，从来都不是生成多少次的事，也不是AI不AI的事，因为本质上，传统影视，也是抽来抽去的逻辑。真正的创作，是那个“不要”。为什么这个导演，要第397次呢？前面那396次，为什么都不要呢？这个“不要”，才是审美，才是判断，才是经验，才是那个真正的。创作。只不过，在AI加持之下，抽卡的速度变得越来越快，质量越来越高，是以前的传统影视，远远不可企及的。但是反常识的是，模型越来越强以后。DiDi一点都没有更轻松，反而更痛苦了。过去一颗8秒镜头，磨两三天就差不多了，因为你知道，模型就那样了，上限就在那，可以安慰自己，这不是自己的问题。但现在，有了Seedance 2.5这种级别的模型，第三次就能给你一个特别牛逼的结果。那说明，它能做。这时候，压力就全部给到DiDi_OK的身上了。为什么我调度不出来？为什么没想到那个机位？为什么还不够好？以前两三天一个镜头，现在他甚至可能磨一个星期。他说：“模型是明显能做到的，但是我却做不出，那明显就是我自己的问题，我还是太菜了。”AI时代，也是一个残酷的时代。当表达成本越来越低的时候。平庸也会越来越没有借口。聊到最后。我问了他一个特别大的问题：“你拍了这么多文明、规则、社会、人性的东西，那你自己心里最底层，还相信人类吗？”他说：“如果聊人类本身，那我一定是一个极度的悲观主义者。”他说自己有时候，会陷入很严重的存在主义危机。当AI真的能帮你完成越来越多事情的时候。你自己到底还剩什么？他公司里的新人也经常问：老师，以后应该学什么？他也不知道。然后，他说出了我觉得整个访谈里，我最动容的一句话：“当AI能帮我做所有事情的时候，我到底，是否真的是一个有意思的人呢？”没有答案，就像他的作品一样。写在最后访谈结束以后，我又把《糖果》看了一遍。我突然觉得，这部片子更好懂了。DiDi_OK明明说自己对人类这么悲观，可他的作品里，总是有一种特别奇怪的底色：希望。突然感觉，在他的身上，我看了三体里面一个角色，就是维德的影子。他可能平时不是特别愿意跟人互动，甚至对人这个物种有时候有一些悲观判断，可到了最后，他跟维德一样。不希望人类输。我特别喜欢这个矛盾，因为很多伟大的创作者，很多时候就是这样。他们创作。很少因为觉得这个世界已经很好了，恰恰是觉得它还不够好。所以才会创造另外一个世界。那个让很多人，能跟他一起感受美好的。美妙世界。以上，既然看到这里了，如果觉得不错，随手点个赞、评论、转发三连吧，这对我们有特别大的帮助~谢谢你看我的文章，我们，下次再见。#AI短片含糖量最高的一集##AI 创造营##数字生命卡兹克#

新浪微博 2026-09-14 00:00:00

7. 可灵 4.0 全量开放后，AI 视频工作流彻底变了：6 个真在用的搭配工具

知乎 2026-10-19 00:00:00

8. LibTV悄悄开源破亿AI短片画布，我决定公开拆解这些1人剧组工作流

知乎 2026-10-29 00:00:00

9. 1200亿！可灵，估值超过了“亲妈”快手

知乎 2026-11-04 00:00:00

10. 微信绿泡泡短剧月活跃用户已达 1.56 亿，这是什么水平？和红果短剧相比，二者各自有什么优劣势？

知乎 2026-11-06 00:00:00

11. 从威尼斯现场，直击AI 影像的未来

知乎 2026-09-21 00:00:00

0
0
扫一下，分享更方便，购买更轻松
0评论

当前文章无评论，是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章
查看更多

已收藏
去我的收藏夹