西羊石AI视频团队：用了 Agent 做 AI 视频之后，就很难再回到纯手动制作了

西羊石AI视频团队：用了 Agent 做 AI 视频之后，就很难再回到纯手动制作了 西羊石AI视频团队：用了 Agent 做 AI 视频之后，就很难再回到纯手动制作了 Modified February 3 在 Midjourney 这边，我看重的是它整体美学一致性的稳定性，尤其是 V7 更新之后，效果确实很扎实。 我们会结合 AutoJourney 这类自动化插件，让模型一次性跑完大量提示词，然后再根据分镜脚本去做定向迭代，本质上是“先收菜，再精修”。 视频领域，其实是现在很多人真正可以入局的切入点。 我个人越来越偏向于使用我们自研的平台。 原因很简单，它让我可以在一个系统里调用我想接入的所有模型，不需要来回切平台，也不需要依赖一些成本偏高、路径偏绕的工具。 即梦的不同模型、ComfyUI体系下的能力，都可以很直观地整合在一起。 当然，现阶段我们平台接入的模型还不算多，有些场景下我依然会用到外部工具。 像可灵，我更看重它在视频可控性和画面清晰度上的表现。 No access kling 20260124 图生视频 手持镜头，抖动，白马 3693 0 00:00 No access kling 20260124 图生视频 夜色下的燕赵荒原，云 3554 0 00:00 海螺对我来说最大的价值是性价比，我们用的是每月 200 美元的无限套餐，长期算下来，成本控制非常友好。 跟vidu这边，我们也有稳定的套餐和积分池，错峰使用的体验其实还不错，不过近期得到晚上，错峰模式才会比较快。 现在让我比较兴奋的一点，是音画同步模型正在逐渐成熟。可灵 2.6、跟维wan 2.6 这种能力，对创作体验的提升是实打实的。 当然，配音这件事我依然非常看重。有时候我会直接在剪映里单独做配音处理。 剪映的 AI 音效到现在为止，我依然觉得是一个被低估的能力，效果稳定，而且对节奏帮助非常大。 音乐部分，我基本会交给 Suno V5 去生成，再整体合成。 这样一套下来，你会发现，一个完整作品的产出效率，已经和过去完全不是一个量级了。 但有一点我还是想强调。 无论工具多强，最开始那一步，永远是找到一些好的对标作品，或者一个足够清晰的灵感起点。 比如在不同的AI 工具首页，或者公域平台，比较热门的影视等等。 如果你不是影视专业出身，很难在一开始就精准想象最终成片的样子。即便找了对标，真正做出来的东西，也经常会和预期有明显偏差。 所以前期花时间去构思、测试角色设计、调整风格，其实一点都不浪费。 抽卡、微调、反复测试，本来就是这个阶段的一部分。 你可以用可灵、跟Vidu反复跑，也可以在剪映里慢慢裁剪、调整节奏，这些都是合理路径。 我个人的结论已经非常清晰了。 在绝大多数普通创作者的使用场景下，我会优先从 agent 入手，先解决整体效率和结构问题，再谈精修和审美提升。 中间当然还有更多提效的方法，比如纳米香蕉的九宫格、Qwen Lora多视角生成等等，这些我们也会在后续 公众号文章慢慢展开聊。 前一段时间，我们在平台开发上投入了大量时间。接下来，我们会把重心重新拉回到 AI 视频内容本身，把真正有价值的经验持续沉淀下来。 我非常确定，今年会是 AI 视频持续爆发的一年。 而我们现在做的所有准备，本质上都是在爆发之前，把地基夯实。 不只是为了我们自己，也是希望能带着更多真正愿意做作品的小伙伴，一起跑通创作和变现这条路。 顺带一提，我们最近也在推进两本书的出版，一本是 AI 视频，一本是 AI 漫剧，预计年后和大家见面。到时候如果你在各大平台看到，也欢迎支持。 今天就先分享到这里。 如果没有意外的话，2026 年，很可能会成为 AI 视频真正意义上的奇点之年。 在 Midjourney 这边，我看重的是它整体美学一致性的稳定性，尤其是 V7 更新之后，效果确实很扎实。 我们会结合 AutoJourney 这类自动化插件，让模型一次性跑完大量提示词，然后再根据分镜脚本去做定向迭代，本质上是“先收菜，再精修”。 视频领域，其实是现在很多人真正可以入局的切入点。 我个人越来越偏向于使用我们自研的平台。 原因很简单，它让我可以在一个系统里调用我想接入的所有模型，不需要来回切平台，也不需要依赖一些成本偏高、路径偏绕的工具。 即梦的不同模型、ComfyUI体系下的能力，都可以很直观地整合在一起。 当然，现阶段我们平台接入的模型还不算多，有些场景下我依然会用到外部工具。 像可灵，我更看重它在视频可控性和画面清晰度上的表现。 No access kling 20260124 图生视频 手持镜头，抖动，白马 3693 0 00:00 No access kling 20260124 图生视频 夜色下的燕赵荒原，云 3554 0 00:00 No access kling 20260124 图生视频 手持镜头，抖动，白马 3693 0 00:00 No access kling 20260124 图生视频 手持镜头，抖动，白马 3693 0 00:00 No access kling 20260124 图生视频 手持镜头，抖动，白马 3693 0 00:00 No access kling 20260124 图生视频 夜色下的燕赵荒原，云 3554 0 00:00 No access kling 20260124 图生视频 夜色下的燕赵荒原，云 3554 0 00:00 No access kling 20260124 图生视频 夜色下的燕赵荒原，云 3554 0 00:00 海螺对我来说最大的价值是性价比，我们用的是每月 200 美元的无限套餐，长期算下来，成本控制非常友好。 跟vidu这边，我们也有稳定的套餐和积分池，错峰使用的体验其实还不错，不过近期得到晚上，错峰模式才会比较快。 现在让我比较兴奋的一点，是音画同步模型正在逐渐成熟。可灵 2.6、跟维wan 2.6 这种能力，对创作体验的提升是实打实的。 当然，配音这件事我依然非常看重。有时候我会直接在剪映里单独做配音处理。 剪映的 AI 音效到现在为止，我依然觉得是一个被低估的能力，效果稳定，而且对节奏帮助非常大。 音乐部分，我基本会交给 Suno V5 去生成，再整体合成。 这样一套下来，你会发现，一个完整作品的产出效率，已经和过去完全不是一个量级了。 但有一点我还是想强调。 无论工具多强，最开始那一步，永远是找到一些好的对标作品，或者一个足够清晰的灵感起点。 比如在不同的AI 工具首页，或者公域平台，比较热门的影视等等。 如果你不是影视专业出身，很难在一开始就精准想象最终成片的样子。即便找了对标，真正做出来的东西，也经常会和预期有明显偏差。 所以前期花时间去构思、测试角色设计、调整风格，其实一点都不浪费。 抽卡、微调、反复测试，本来就是这个阶段的一部分。 你可以用可灵、跟Vidu反复跑，也可以在剪映里慢慢裁剪、调整节奏，这些都是合理路径。 我个人的结论已经非常清晰了。 在绝大多数普通创作者的使用场景下，我会优先从 agent 入手，先解决整体效率和结构问题，再谈精修和审美提升。 中间当然还有更多提效的方法，比如纳米香蕉的九宫格、Qwen Lora多视角生成等等，这些我们也会在后续 公众号文章慢慢展开聊。 前一段时间，我们在平台开发上投入了大量时间。接下来，我们会把重心重新拉回到 AI 视频内容本身，把真正有价值的经验持续沉淀下来。 我非常确定，今年会是 AI 视频持续爆发的一年。 而我们现在做的所有准备，本质上都是在爆发之前，把地基夯实。 不只是为了我们自己，也是希望能带着更多真正愿意做作品的小伙伴，一起跑通创作和变现这条路。 顺带一提，我们最近也在推进两本书的出版，一本是 AI 视频，一本是 AI 漫剧，预计年后和大家见面。到时候如果你在各大平台看到，也欢迎支持。 今天就先分享到这里。 如果没有意外的话，2026 年，很可能会成为 AI 视频真正意义上的奇点之年。 最近相当长一段时间，我把大量精力放在了一件事上。 把 AI 编程和 AI 视频真正结合起来，用来开发我们自己的 AI 视频 agent 平台。 这个过程给我最大的一个感受只有一句话——AI 编程的发展速度，已经快到普通人可以直接下场做产品的程度了。 现在你会发现，skills、sub agent、自动化工作流这些词，已经不再只是程序员圈子里的黑话。 行业里已经出现了一批非常厉害的超级个体，用 AI 编程做 AI 视频平台，做 AI 漫剧工具，甚至直接开源整套创作系统。 他们不是传统意义上的平台公司，而是从真实创作需求出发，先解决自己问题，再把工具分享出来。 说实话，这条路对很多内容公司、一人公司来说，都是一个非常值得尝试的方向。 把自己的业务逻辑和 AI 编程结合，做成专属工具，本质上是在把能力沉淀为资产。 但这里面有一个现实问题我也越来越清楚地感受到：同时兼顾流量端和产品研发端，其实非常难。 很多开发者很容易陷入自己用得顺的状态，却很难和更广泛的创作者产生共鸣。最后做出来的，往往是一个自己顺手的工具，而不是一个对大多数人都友好的系统。 不过这些都是后话了。 今天我真正想分享的，是一个更直接的体验变化。 当你开始用 agent 去做 AI 视频之后，真的很难再回到纯手动制作的那套方式。 我们现在回头看传统 AI 视频的制作流程，其实是非常“反直觉”的。 文案、分镜、出图、改图、生成视频、剪辑、配音、配乐，每一个环节单独看都不复杂，但一旦串起来，一个两分钟的视频，很容易就消耗掉一个人一周甚至更长时间。 更关键的是，很多人在这个过程中，并没有明显感受到 AI 带来的解放感。 你当然可以用即梦生成图片，用 纳米香蕉Pro 去改图，也确实能做出一个看起来还不错的画面。 但真正的问题往往出现在后面：镜头之间的衔接顺不顺，分镜脚本是否成立，节奏有没有吸引力，画面是不是在真正服务内容。 这些地方，光靠单个工具是很难解决的。 我前段时间用 agent 去做漫剧的时候，对这一点体会得特别明显。 我们早期线下做 AI 漫剧，其实是完整跑过流程的。我自己也做过好几集，从剧本到成片一条条走下来。后来我发现，如果只是做普通A 级水准的漫剧，其实要求并没有想象中那么高。 很多时候，编导已经把剧本拆得很清楚了，用 agent 去自动拆分分镜、镜头和基础画面，最后生成出来的结果，大概率是可以直接用的，只需要少量人工微调。 而且在漫剧和短剧这种形态里，视听语言的复杂度是被天然压缩过的，节奏比技术更重要。 但如果目标变成 AI 精品短剧、AI 动画番剧，甚至是更偏影视级的 AI 短片，那情况就完全不一样了。 这个时候，agent 给你的结果，更多只是一个起点。大量时间仍然需要花在人工修改、审美判断和细节控制上。 所以我现在的策略，其实非常明确。 在图片这条线上，我几乎已经默认从 agent 开始。 即便是用即梦这样的模型，我也更倾向于使用它的 agent 模式，一次性生成尽可能多的候选内容，而不是一张一张地慢慢磨。