深夜的剪辑间里,一条三十秒的产品短片卡在同一个地方:客户说光再柔一点,模特的手别抖。放在过去,这意味着重新约人、重新布灯、重新拍一遍。现在有人打开一个对话框,敲几行字,等两分钟。
视频生成第一次以这种日常的方式进入制作流程。它改变的不是设备清单,而是试错的成本——以前不敢想的第三个方案、第五个机位,现在可以都做出来看看。
便宜之后,麻烦换了地方
生成一条能看的镜头,今天不算难。难的是让下一条接得上。人物的衣料纹理、桌上杯子的位置、窗外光线的角度,单看每一帧都说得过去,连起来就露怯。这是当下最实在的瓶颈:一致性。
从技术上说,模型在时间维度上缺少稳定的记忆,帧与帧的关联靠注意力机制临时建立,片段一长就开始漂。工程上有各种补法,参考图、首尾帧约束、局部重绘,都能缓解,但缓解不等于解决。
提示词不等于分镜
写得再长的提示词,也不是导演的分镜本。想指定“镜头从左侧推入,速度先快后慢,最后停在手部”,多数工具只能给个大概。于是出现一种新的操作习惯:反复生成,几十条里挑一条能用的。
这看起来省钱,实际上是把成本从拍摄现场挪到了筛选和后期。时间照样要花,只是花在了另一个人身上。我的判断是,短期内视频生成更像一个高效的素材供应商,还不是一个能听懂意图的合作者。它对“好看”很敏感,对“为什么这样拍”几乎无感。
它不擅长的那部分
表演的意图是最明显的空白。一个人犹豫半秒再接话,或者眼神先飘开再转回来,这种东西现在很难写进提示词,也很难被稳定复现。声音同样如此,口型与台词的贴合、环境声的层次,多数方案仍要靠后期补。
还有取舍。这个镜头为什么要停三秒,为什么这里要留白,模型不知道,它只负责把画面填满、填漂亮。而观众记住一部片子,往往记住的恰恰是那些没有被填满的地方。
放进流程里的哪个位置
比较务实的做法,是把视频生成放在前期概念与中期补镜之间。用来验证镜头感觉,做提案里的动态示意,补一些没人会盯着细看的环境镜头,比如雨天的街角、凌晨的货梯。这些地方它效率极高,出错也不致命。
真正承载情绪的关键镜头,还是交给能一遍遍调整的实拍或动画。这谈不上保守,只是算账:返工一次的成本,通常高过省下来的那点制作费。
还有件事值得留意。当生成一条画面变得廉价,值钱的东西就往上移了一层——分镜的逻辑、剪辑的节奏、你到底想让人看见什么。工具把门槛削平了,也把判断力暴露得更彻底。剪辑间里那三秒钟的较劲不会消失,只是较劲的对象换了。