从生成镜头到完成作品,AI视频工具还缺什么

作者 | 李威（北京）

在平遥电影宫举行的「X小时之后」AI短片黑客松颁奖现场，等待金奖公布时，「野也也」团队还在想，「再给我们10个小时，可能能冲一个银奖。」当奖项公布，他们知道自己拿了金奖，「已经慌得不行到惊得不行」。

野也也团队由四名广告导演组成，他们在36小时里完成了这部6分钟的获奖短片《抵达之前》。但受限于时间，他们将原本8至10分钟的故事进行了删减，用一镜到底串起七次循环的结构设想也没有完美实现。

留下遗憾的，已经不是保持人物一致性这类「最基础问题」，而是没有更多时间继续打磨剧本，优化镜头调度。

对于有成熟工作流的团队来说，AI已经能够把脑海中的构想迅速变成画面，但新的问题也随之出现——还需要更好的工具帮助他们把一个不错的想法推进为一部成熟的作品。

LibTV发起的这场黑客松汇集了40支团队、132位创作者，共产出230分钟短片。创作者要在有限的时间里完成从剧本到成片的全过程，还要准备好发布素材。日常项目里的犹豫和返工被压缩后，决定作品成熟度的已经不只是工具能力，也包括创作者如何分工、审阅、调整和取舍。

「我们始终认为AI是手段，而非目的。所以技术上我们是AI完成的，但是内核上，我们是尽可能去还原真实，还原真实的调度、情感和镜头语言。AI负责速度，人负责重量。两者加在一起，是这部片子真正的『抵达之前』。」野也也团队的队长欧阳英豪说道。

这也是AI短片黑客松在激发创作热情之外的另一重价值。它不是日常创作环境的完整复刻，却提供了一次高强度的压力测试：创作者必须在有限时间里交付完整作品，模型和工具解决了什么、创作流程还缺少什么，会比平时暴露得更加明显。

随着单次生成质量提高，竞争单位从一段素材转向一部完整作品。创作者需要的不只是一组更强的生成模型，还需要工具承接一部作品不断累积的素材、判断和项目上下文，把创作经验转化为可以被理解、调用和延续的产品能力，最终像一名配合默契的团队成员一样参与创作。

创作者开始围绕作品工作，而不是模型

早期的AI视频创作更像是对模型能力的适配。一个模型能够生成更漂亮的画面，怎样写提示词，怎样解决人物一致性，往往决定了一部作品能不能开始制作。随着这些基础能力进步，模型逐渐成为创作流程中的一种生产资料。创作者不再围绕某个模型安排工作，而是根据作品需要选择模型、组织团队和设计流程。

在黑客松中，野也也团队此前参加黑客松和执行商业项目的经验，被转化成了明确的时间节点：什么时候锁定剧本，什么时候汇总分场素材，哪些问题需要在审阅后集中返修。

实际执行中，他们用一个小时搭出剧本框架，大约两个小时后正式进入剧本编排、分场、拆解环节。故事梗概确定后，人物资产、场景资产、调度参考、视觉设定和剧本细化便在同时推进。

第二天上午5点，团队把已经完成的分场素材收集起来，集中检查演员表演、机位调度和生成中的幻觉问题。36小时里影响节奏和进度的，不只是生成速度，还有团队知道什么时候应该继续尝试，什么时候必须停止发散，保证一致性。

但成熟的工作流并没有统一答案。创作者卢九霖采用的是更线性的方法。拿到题目后，他先一个人用三个小时磨剧本，等文本确定后再为团队成员拆分任务。「本子没有，一切都是白谈，所以我要先想好本子，然后再给大家分工。」他解释道。

这两种选择背后的共性是，创作者要知道完成一部作品得抓住哪些关键点。工具提供了相似的生成能力，团队的创作经验和创作习惯决定了这些能力以什么顺序被调用，以及哪些结果可以进入成片。

而且，生成素材只是作品制作的一个环节，而传统后期工具仍然承担着修改和交付的任务。卢九霖有自己长期合作的剪辑师，「我生成东西，他来剪，这样效率会高一些。」画面生成之后，他们仍要使用达芬奇处理声音。一些之前创作的作品也会进入录音棚进行人工拟音。

当创作者围绕作品而不是模型工作，工具面对的任务也随之改变。它不仅要帮助用户生成更多素材，还要保存已经确认的人物、场景和风格，理解团队如何分工、审阅和修改，并让不同环节产生的结果进入同一项工程，甚至要了解创作者的习惯和偏好。

完整作品的创作需要工具逐渐接住创作者在多个项目中形成的工作方法。

从生成工具到创作伙伴

要承接创作者的工作方法，工具要把创作过程产品化，让生成结果留在一个可以连续优化的环境里。

「无限画布」是创作过程产品化的一个代表性功能。参考图、角色、场景和不同版本可以围绕同一个项目展开，创作者不必在多个产品之间重复上传和下载素材。四个特好小女孩儿团队的张子埼提到，自己已经很难离开无限画布：「因为你做设计的时候，肯定是以一张图为基准，然后向四周发散，这跟人的思维模式是分不开的。」

对LibTV这样的多模型平台来说，画布也让产品实现了从模型入口向项目工作台的进化。模型仍然负责生产素材，画布则负责保存素材之间的关系。在画布中，生成不再是一次次彼此孤立的请求，而是逐渐形成一项能够被看见、比较和继续修改的工程。

不过，无限画布主要解决了素材如何组织，还没有很好解决创作者如何控制人物站位、空间关系和镜头调度的问题。野也也团队最想继续打磨的也是《抵达之前》中的表演、机位和长镜头调度。AI需要给他们这样的创作者更高效的工具。

「3D导演台」因此成为了一个实用的产品功能。LibTV上线的3D导演台，将人物站位、姿态、空间关系和摄影机机位放进一个轻量级3D空间。创作者可以像安排片场中的演员和摄影机一样设计构图，再把不同视角的截图送入生成模型，减少依靠提示词反复试错，重新获得对人物、空间和镜头的控制权。

这类产品能力的价值，是把导演、摄影和美术的一部分专业技能翻译成机器能够执行的操作。剧本解析、角色提取、分镜生成和素材整理也在经历相似的过程。只要任务具有相对清楚的规则和输入输出，就可以被封装成按钮、工作流或者Skill。创作技能的Agent化正在快速发生，工具能够替人执行的复杂操作也会越来越多。

比专业技能更难被产品化的是创作经验。一场戏应该在什么时候停留，一个镜头是否传达出了准确的情绪，这些决定很难从固定流程中直接推导，甚至很难被精准地表述出来。两个创作者可以掌握同样的分镜规则，却因为审美、生活经历和交付对象不同，做出完全不同的选择。

卢九霖很少让AI帮他写剧本，因为现有Agent还是「太机械了」。在他看来，AI即使能够写出起承转合，也缺少情感和思考的深度，「因为他没有体会过你曾经体会过的生活」。

张子埼也认为，抽卡技巧可以从教程学习，「重要的是怎么把故事讲明白。就是分镜头语言、气氛设计、镜头调度，这个是最重要的。」

Agent可以迅速掌握能够被描述的技能，却还不一定理解创作者为什么接受一个结果、拒绝另一个结果。这就像一个团队，成员之间彼此熟悉、足够了解，就能快速行动，配合默契。AI工具也要与创作者形成这样的默契。就如野也也团队所说，成熟工作流变成产品之后，仍然需要配备能够相应理解能执行的人。

创作上下文可能会解决如何形成默契的问题。它既要保存素材、版本和项目历史，也要逐渐理解一个创作者怎样选择、拒绝和修改，团队里谁负责定调，作品最终要交给怎样的观众。这种对创作者的理解，不来自一份静态的偏好设置，而来自对每一次生成、选择、删除、审阅和返修的记录。

所谓完整创作工程，最终要靠这种用户上下文完成拼图。它不是把剧本、画布、3D导演台、模型和剪辑功能机械地装进一个页面，而是让角色资产、版本历史、审阅意见、团队分工和个人偏好随着项目持续积累。这意味着，AI视频领域需要自己的「Claude Code」——既能够理解当前工程，也能够从创作者过去的判断中学习如何继续工作。

LibTV等创作工具正在尝试承接更完整的创作工程，而谁能率先把创作经验沉淀为可延续的上下文，谁才更有可能从一套方便的生成工具，变成创作者不愿轻易更换的工作伙伴。一旦这层经验能够持续积累，它就会成为比模型接入更难复制的产品资产。

创作工具的选择

在黑客松的参赛者们看来，各家接入新模型的速度越来越接近，工具之间的差异已经很难只靠某一次模型更新长期维持。当底层能力可以被多个平台迅速调用，创作工具必须回答一个更现实的问题：自己准备掌握创作流程中的哪一部分，又怎样把这种位置转化为用户留存和收入。

一种选择是继续做广，成为承载完整创作流程的平台。这样的产品是要逐步接住素材、资产、修改历史、团队协作和作品交付。掌握的创作过程越完整，平台就越有机会理解用户上下文，也越不容易被下一个接入相同模型的产品替代。

LibTV正在沿着这条路线扩大自己的边界。多模型接入解决素材生产，无限画布保存素材之间的关系，3D导演台加强对人物、空间和镜头的控制，正在测试的Agent则试图进一步参与创作。

这类平台发起的黑客松和创作者社区，也不只是产品之外的运营活动。平台可以借此了解发掘更多优秀创作者，激发更多创作热情，也能形成一个更大的、互惠互利的闭环，创作者可以获得算力、展映、传播和行业连接，平台则借此扩张AI创作领域的影响力。

但做广也是竞争最激烈的一条路。Adobe拥有Premiere、Photoshop和Frame.io等专业软件，掌握专业用户和工程文件；Runway从AI原生工作流切入，在让Agent创建、修改和运行可复用的节点工作流。在国内，除了LibTV，也有剪映Hub等产品在致力于承接完整的AI视频创作流程。

另一种选择是做垂，把某一类内容的生产规则直接变成成熟产品。不同内容对工具的要求并不相同：短剧需要管理多集剧情、角色资产和批量交付；广告需要特别注重品牌一致性和客户修改；口播与播客则更重视挑选高光、删除冗余和适配不同平台。

垂直工具不需要完整覆盖所有创作，却可以在一个高频场景里比综合平台更懂用户怎样修改和交付。AniShort把剧组的协作流程数字化，围绕短剧生产组织剧本、分镜、角色资产、3D导演台、审核和批量成片；OpusClip则擅长将播客、访谈等长视频拆成适合社交平台传播的短片，将剪辑师的重复工作变成自动化服务。

甚至还有产品在针对产品演示视频的生成需求提供产品和服务。2026年10月13日，Clueso宣布完成1000万美元A轮融资，并称已经为超过1000家企业提供了产品演示视频制作服务。视频会议和AI会议助手公司Fireflies.ai，每月使用Clueso制作30多条专业级产品视频。

做垂的壁垒，本质上是把一个行业的操作方式、资产结构和交付标准做进产品。综合平台可以迅速接入相同模型，却未必能快速复制垂直场景中积累的客户反馈、工作习惯和成片标准。这里的创作经验范围更窄，反而更容易被产品化，也更容易找到明确的付费对象。

OpusClip联合创始人兼CEO Young Zhao的经验是，把细分市场继续拆小，主动选择无聊的方向，找已经有人在提供人工服务的地方，然后把原本靠人工交付的结果，逐步变成产品。他将这类机会称为「Service as a Software」。

做广和做垂决定了产品在创作流程中的位置，而无论站在哪个位置，增长与商业化都要面对同一道检验。出海会是一些产品迈过这道门槛的方式。面向企业营销与本地化需求的 HeyGen，则覆盖196个国家、拥有超过3000万用户，公司披露ARR已超过2亿美元。一些AI视频创作平台也都增加了服务出海的专项能力。

做广希望掌握完整项目和用户上下文，做深优先掌握一个行业的工作方法，做全球则需要把创作经验翻译进不同市场。模型能力继续趋同时，这些被保存在项目、团队和日常习惯中的经验，将决定工具能否形成真正的差异。

最终更多AI视频创作工具的机会，会是找到最适合自己发力的点，组织创作流程、沉淀创作经验并稳定完成交付，用相近的基础能力，占住独特的生态位。