西羊石AI视频团队：做AI仿真人短剧之后，我发现工作流彻底变了

西羊石AI视频团队：做AI仿真人短剧之后，我发现工作流彻底变了 西羊石AI视频团队：做AI仿真人短剧之后，我发现工作流彻底变了 Modified March 21 No access v09 00:00 但它也不是没有毛病。 状态不太稳定，好的时候无情碾压所有竞品，差的时候效果甚至不如去年的可灵。 高峰期排队漫长，遇上热点期，生成一个素材要等大半天。 另外，它对真实人脸有很严格的审核限制——这个我们后面会在训练营里专门来讲怎么绕过。 可灵视频 3.0：最稳定，但更考验你的提示词能力 在 Seedance 2.0 出来之前，可灵是闭源模型里的第一选择，现在仍然是最稳定的选项。 画质极清晰，对真人写实特别友好。 它的主体库功能很成熟：上传一段 3 8 秒的角色视频，模型就会提取这个角色的面部特征和原声音色，后续不论怎么切镜，人脸始终稳定。 这对于需要多集连贯的短剧来说，非常关键。 可灵跟 Seedance 的区别是：Seedance 是「喂剧本」，可灵是「喂指令」。 Seedance 可以理解上下文，自己判断怎么演；可灵更「老实」，指令越精确，出来的东西越好。 如果你把一段剧本直接扔给可灵，在没有开「自定义分镜」的情况下，大概率会给你一个一镜到底的静态画面。 No access 不开启智能分镜 00:00 所以我们现在的分工很明确：10 秒以内、场景不复杂的镜头，优先用可灵，非常稳定；15 秒的长素材、多人对话、台词复杂——用 Seedance。 Vidu Q3：适合做补充 Vidu 曾经是 AI 漫剧参考生视频的王者，大动作、大运镜是它的强项，生成速度极快。 但最新的 Q3 模型，多参功能还没全量开放，仿真人短剧想固定角色脸就很难做到。 No access vidu 00:00 所以目前的使用策略是：Seedance 排队、可灵不够用的时候，拿 Vidu 补充生成一些简单的局部镜头。 等 Q3 多参全量上线之后，它会是一个很强的补充选项。 一个很多人不知道的细节：首尾帧接力 一部 AI 仿真人短剧，是由几十甚至上百个素材片段拼起来的。 最让后期剪辑痛苦的事情之一，就是前后两段素材接不上。 上一段视频里人站在左边，下一段人莫名其妙跑到右边；上一段光线是暖色，下一段突然变冷色；两段之间明显是跳脱的。 我们在训练营里教了一个极简的解决方案：首尾帧接力。 方法非常简单：把上一段视频的最后一帧截出来，作为下一段视频生成的「首帧参考图」上传。 这样，下一段视频在生成的时候，会自动延续上一段的机位、光线和人物姿态，两段接在一起，会有很流畅的连续感。 操作成本几乎为零，但能省下大量后期调整的时间。这个方法我们团队用了几个月了，现在已经是标准动作。 工具强了，创作者要做什么？ 工作流变简单了，分镜图省掉了，素材生成的速度快了好几倍。 但我们每次在训练营说这些，都会补充一句话：工具越强，内容判断就越重要。 Seedance 2.0 帮你自动切镜了，但它不知道你这场戏的情绪是什么。 它不知道这个女主在被逼问的时候，应该是愤怒还是隐忍。 它不知道这段对话里，哪一句台词是全剧最重要的转折点，需要在那一刻给一个特写。 这些判断，是属于创作者的核心工作，AI 现在替代不了。 以前手搓的年代，创作者被迫去思考每一个镜头，反而逼着自己建立了视听语言的直觉。 现在工具帮你分担了技术执行层，这个思考的工作仍然要做，只是你能用更少的时间，把更多精力放在剧本本身——选题、人物、情绪弧线、场景节奏。 这才是让一部短剧真正好看的核心。工具只是让它「做得出来」，而不是让它「值得看」。 这期训练营我们跑了两个多月，有学员第一次做短剧，第一集就把首尾帧接力用得很溜，对话戏镜头接得相当流畅。 结语 这说明什么？ 不是工具难用。是以前从来没有人把它说清楚。 下一篇我们会单独讲 Seedance 2.0 的全能参考怎么用，包括怎么绕过平台的真人审核限制。 这个问题问的人太多了，是时候专门拆开来讲了。 如果你也在做 AI 仿真人短剧，或者想从零开始入局这个赛道，欢迎扫码进群，我们一起交流。 No access v09 00:00 No access v09 00:00 但它也不是没有毛病。 状态不太稳定，好的时候无情碾压所有竞品，差的时候效果甚至不如去年的可灵。 高峰期排队漫长，遇上热点期，生成一个素材要等大半天。 另外，它对真实人脸有很严格的审核限制——这个我们后面会在训练营里专门来讲怎么绕过。 可灵视频 3.0：最稳定，但更考验你的提示词能力 在 Seedance 2.0 出来之前，可灵是闭源模型里的第一选择，现在仍然是最稳定的选项。 画质极清晰，对真人写实特别友好。 它的主体库功能很成熟：上传一段 3 8 秒的角色视频，模型就会提取这个角色的面部特征和原声音色，后续不论怎么切镜，人脸始终稳定。 这对于需要多集连贯的短剧来说，非常关键。 可灵跟 Seedance 的区别是：Seedance 是「喂剧本」，可灵是「喂指令」。 Seedance 可以理解上下文，自己判断怎么演；可灵更「老实」，指令越精确，出来的东西越好。 如果你把一段剧本直接扔给可灵，在没有开「自定义分镜」的情况下，大概率会给你一个一镜到底的静态画面。 No access 不开启智能分镜 00:00 No access 不开启智能分镜 00:00 所以我们现在的分工很明确：10 秒以内、场景不复杂的镜头，优先用可灵，非常稳定；15 秒的长素材、多人对话、台词复杂——用 Seedance。 Vidu Q3：适合做补充 Vidu 曾经是 AI 漫剧参考生视频的王者，大动作、大运镜是它的强项，生成速度极快。 但最新的 Q3 模型，多参功能还没全量开放，仿真人短剧想固定角色脸就很难做到。 No access vidu 00:00 No access vidu 00:00 所以目前的使用策略是：Seedance 排队、可灵不够用的时候，拿 Vidu 补充生成一些简单的局部镜头。 等 Q3 多参全量上线之后，它会是一个很强的补充选项。 一个很多人不知道的细节：首尾帧接力 一部 AI 仿真人短剧，是由几十甚至上百个素材片段拼起来的。 最让后期剪辑痛苦的事情之一，就是前后两段素材接不上。 上一段视频里人站在左边，下一段人莫名其妙跑到右边；上一段光线是暖色，下一段突然变冷色；两段之间明显是跳脱的。 我们在训练营里教了一个极简的解决方案：首尾帧接力。 方法非常简单：把上一段视频的最后一帧截出来，作为下一段视频生成的「首帧参考图」上传。 这样，下一段视频在生成的时候，会自动延续上一段的机位、光线和人物姿态，两段接在一起，会有很流畅的连续感。 操作成本几乎为零，但能省下大量后期调整的时间。这个方法我们团队用了几个月了，现在已经是标准动作。 工具强了，创作者要做什么？ 工作流变简单了，分镜图省掉了，素材生成的速度快了好几倍。 但我们每次在训练营说这些，都会补充一句话：工具越强，内容判断就越重要。 Seedance 2.0 帮你自动切镜了，但它不知道你这场戏的情绪是什么。 它不知道这个女主在被逼问的时候，应该是愤怒还是隐忍。 它不知道这段对话里，哪一句台词是全剧最重要的转折点，需要在那一刻给一个特写。 这些判断，是属于创作者的核心工作，AI 现在替代不了。 以前手搓的年代，创作者被迫去思考每一个镜头，反而逼着自己建立了视听语言的直觉。 现在工具帮你分担了技术执行层，这个思考的工作仍然要做，只是你能用更少的时间，把更多精力放在剧本本身——选题、人物、情绪弧线、场景节奏。 这才是让一部短剧真正好看的核心。工具只是让它「做得出来」，而不是让它「值得看」。 这期训练营我们跑了两个多月，有学员第一次做短剧，第一集就把首尾帧接力用得很溜，对话戏镜头接得相当流畅。 结语 这说明什么？ 不是工具难用。是以前从来没有人把它说清楚。 下一篇我们会单独讲 Seedance 2.0 的全能参考怎么用，包括怎么绕过平台的真人审核限制。 这个问题问的人太多了，是时候专门拆开来讲了。 如果你也在做 AI 仿真人短剧，或者想从零开始入局这个赛道，欢迎扫码进群，我们一起交流。 公众号原文链接：https://mp.weixin.qq.com/s/jQMBGxr95IpIeULqhUDgvQ 上周在直播里，有个粉丝问了我一个问题：「小石学长，我现在还需不需要专门学 MJ 出分镜图？」 我顿了一下，说：不需要了。 他沉默了三秒。 这个问题让我意识到，很多人还停留在一年前的认知里——觉得 AI 视频的核心工作流，是「文 图 视 音 剪」这五个环节，缺一不可。 出图是最累最费时的，图出好了，视频才有质量的底。 但这个判断，在 Seedance 2.0 和可灵视频 3.0 出来之后，已经不完全成立了。 我们最近一直强调的工作流，是：文 资 音 剪。 四个步骤，少了一个「图」——就是当年每天最耗时间、最容易让人崩溃的那个环节。 先说结论。 「参考生视频」这项技术的成熟，直接把 AI 视频的生产逻辑从「分镜驱动」变成了「资产驱动」。 你不再需要为每一个镜头单独出一张精修的分镜图，然后再拿这张图去生视频。 你只需要提前准备好角色的三视图、主场景图、核心道具图这些「资产」，锁定了人物和场景的核心特征，后续直接用剧本文字驱动视频生成——人物长相、服装细节、场景风格，全程稳住，基本不崩。 我在当时看到这个方向的时候，说了一句话：「手搓时代结束了。」 当然，这不是说工具变强了，人就不需要懂了。 恰恰相反——我接下来要讲的，就是理清楚这几款工具各自的定位，以及它们组合起来的正确用法。 三款工具，不是竞争关系，是分工关系 市面上现在最主流的三款视频生成工具是即梦的 Seedance 2.0、快手的可灵视频 3.0 系列，以及Vidu Q3。 我们团队三款都在实战中用过，可以负责任地说：它们不是在竞争同一个场景，而是有各自最擅长的领域。 Seedance 2.0：上限最高，但不是万能的 Seedance 2.0 是目前「一键成片」能力最强的模型。 提示词门槛极低，你只需要用白话描述，它就能生成影视级运镜、自动切换景别，对白的口型对得严丝合缝。 最强的地方是它的「全能参考」模式。 上传角色资产图之后，你可以直接把剧本文字扔进去——它会自己理解剧情的情绪走向，自动在全景、中景、特写之间调度，台词大概率一个字都不会念错，音效和背景声也会原生生成。 这种体验，真的会让你觉得面前不是 AI，是一个真人演员在表演。