一场广告片的前期会议，桌上摊着分镜。客户对第三个镜头犹豫：主角推门进来，还是先给空镜？以前这种分歧要等实拍，或者等动画预演排期。现在有人打开电脑，输入几句描述，跑出几条几秒钟的片段，投到墙上。争论很快有了方向——不是因为片段拍得好，而是因为它足够具体，具体到能被否定。
这大概是视频生成目前在实际工作里比较常见的位置：不在成片里，而在成片之前。
它先改的是“要不要拍”这个决定
把静态分镜变成带运动的东西，沟通成本会明显下降。口头描述“镜头有点晃、节奏偏快”，十个人有十种想象；一段粗糙的动态预览，至少能让分歧落在同一块画面上。试错的代价也变了，从一天场地加一组人，变成几分钟和一点算力。
常见的用法大致三类：
- 分镜预演：把关键镜头的运动、构图、节奏跑一遍，用于内部对齐；
- 风格试探：同一段描述跑出不同质感，用来开会，而不是用来交付；
- 成片补镜：在剪辑里填一两秒的空隙，比如过渡、环境、局部特写。
几秒钟之后，麻烦才开始
时长和一致性绕不开。人物走两步、镜头转个弯，衣服纹理、光影方向、手部动作就容易漂。能用的片段往往很短，于是工作流变成“生成很多、挑很短的几段”。剪辑台上的活儿没减少，只是从拍摄前挪到了拍摄后。
审片也成了新的负担。面对几十条看起来差不多的片段，判断标准其实不是“哪条好”，而是“哪条不违和”——不出戏、不穿帮、不和前后镜头打架。这需要经验，也需要耐心。
可控性：文字描述的是结果，不是过程
想让摄影机从左边绕到右边、中途不停，用一句话很难说清。文字提示擅长描述画面内容，不擅长描述运镜路径和时序。所以实际生产里，控制权常常交回传统工具：先生成，再在合成软件里修；或者用姿态、深度等信息做条件约束。
这也解释了为什么视频生成在流程里更像素材供应方，而不是导演。它提供可能性，取舍仍然在人这边。
被忽略的声音和叙事
画面跑通了，声音对不上，观感会立刻塌。环境音、口型、语气，目前多数还要另外处理。叙事层面更难：模型能给一个镜头，给不了“为什么是这个镜头”。镜头的顺序、留白的长短，仍然依赖人来判断。
能不能商用，是另一道门
训练数据来源、肖像与场景的授权，在商用项目里避不开。不同平台的服务条款差别不小，使用前需要确认生成内容的商用范围、是否需要标注为 AI 生成。这些不是技术问题，却直接决定一条片子能不能发出去。
一个不太激动的判断
它现在的价值，大概不在“省掉拍摄”，而在“让想法更快被看见，也更快被否掉”。前期那些说不清的部分变得可以说清，后期的工作量则从“拍”挪到“挑”和“修”。对创作者来说，要练的未必是提示词写得多漂亮，而是判断力——知道哪一条能过，哪一条该重来。
草稿纸的用处，是让人敢往上写。视频生成目前大约就在这个位置。