AI 视频能不能像文档一样改?

这意味着 AI 视频开始有机会从“提示词抽奖”变成一条分阶段制作链。但要警惕：控制点变多，不等于结果已经稳定。

一、从一次生成，变成可分段控制

官方提供了四类能力。

第一，场景续写。模型可以分析此前最多 10 秒的视频上下文，再续写 10 秒，累计延长到 40 秒。它解决的是“接着拍”，但不保证长片段里的角色、物体和空间关系始终一致。

第二，首尾帧插值。你给出起点和终点，让模型补中间运动。端点可控了，中间过程仍可能出现不自然的动作和镜头路径。

第三，参考视频。可以提供最长 3 秒的参考，让新片段靠近既有主体和运动语言。与此同时，素材授权、人物相似和版权风险也会进入产品流程。

第四，360p 草稿。官方称它相对 720p 最多快 60%，成本约为三分之一。通过后再放大到 1080p 或 4K。这里的 1080p/4K 是放大，不是模型原生生成的高分辨率细节。

图：一次生成把问题藏在黑盒里；可控制作把素材、草稿、控制参数和对比验收拆开。

二、低清草稿不是最终证据

草稿机制很容易让团队产生一个错觉：360p 看起来没问题，高清结果就会照着它还原。

但生成模型不是传统视频转码器。相同输入在不同采样中可能产生不同细节，放大阶段也可能暴露草稿里看不清的问题。Hacker News 的个体使用者报告过三类情况：360p 草稿和标准生成出现差异；连续 30 秒以上时仍会发生漂移；生成画面难以贴合已有音频。这些不是普遍结论，只能当作 C 级反证线索，却足以提醒我们：草稿是检查入口，不是终稿承诺。

真正可用的产品，不应只显示“生成成功”，而应让用户看见：用了什么素材、选择了哪种控制方式、改了哪个变量、哪一段发生了漂移、失败后从哪里重来。

三、机制流程：把生成接入验收和回退

一条更稳妥的制作链，可以这样设计：

图：先用低清草稿验证内容和连续性；失败时只改一个变量，成功后才放大并进入人工终审。

这条流程里有几个关键约束。

素材输入时就记录来源与授权；任务定义必须区分一次生成、场景续写、首尾帧插值和参考视频；360p 阶段检查角色外观、物体位置、动作连续性、画面文字和版权；失败时只修改一个变量，避免无法判断哪次改动真正有效；通过后才进入 1080p/4K 放大；导出前仍由人完成终审。

换句话说，模型负责提出候选结果，Harness 负责保存证据、比较差异、控制重试和阻止错误直接上线。

四、最容易被忽略的失败路径

角色与空间漂移。 续写越长，角色服装、脸部、手持物和背景位置越容易慢慢变化。每个 10 秒片段都“能看”，拼起来却不一定连贯。

端点正确，中间错误。 首尾帧符合预期，不代表中间的动作合理。人物可能瞬移，物体可能穿模，镜头路径可能突然改变。

草稿与终稿不一致。 低清草稿通过，不代表高清版本一定继承同一构图和细节。草稿与终稿必须逐镜头对比，不能只看分辨率。

参考素材越权。 参考视频可以提升一致性，也可能把未经授权的人物、品牌或视觉风格带入结果。授权信息必须与素材一起进入审计记录。

成本被低估。 官方给出的标准 720p 有效输出价格约为每秒 0.10 美元，但真实成本还包括失败重试、人工挑选、后期修复和等待时间。

五、产品验收不能只看“生成成功”

验收至少要回答六个问题：

• 同一套素材、提示词、参数能否被完整回放？
• 草稿与终稿的差异是否可见？
• 角色、物体、动作、文字和音画是否分项检查？
• 某个扩展片段失败后，能否单独撤回和重做？
• 参考素材的来源、授权与使用范围是否留痕？
• 在人工终审前，系统是否阻止自动发布？

如果这六点没有答案，新增的控制按钮只是更精细的抽奖界面。

六、仍未被证明的部分

Google 的发布证明这些接口已经存在，也给出了官方的速度和价格口径；它没有证明 360p 草稿可以稳定预测高清终稿，没有证明累计 40 秒的续写能维持跨场景一致，也没有计算失败重试和人工修复的总成本。

所以更准确的判断是：AI 视频还没有变成像文档那样稳定、确定的编辑器，但它开始拥有“像文档一样分段修改和验收”的接口。接下来真正拉开产品差距的，不只是模型画质，而是谁能把草稿、对比、回退、审计和终审做成完整闭环。

X 一线观察

Google AI 官方账号在 8 月 27 日的发布帖里，集中强调 10 秒上下文续写、4K 放大、首尾帧控制和 360p 草稿。这个传播重点本身是一个信号：厂商开始把“可控制作”放在单次画质之前。但 X 只用于观察话题走向，能力事实仍以官方发布、文档和价格页为准，互动量不代表效果。