外景拍到傍晚,导演发现少一条空镜:清晨的巷子,没有人,光从左侧斜进来,镜头缓慢前推。重拍的成本不在机器,而在等一个合适的天气和一段没人经过的时间。这时候问题就变成了:能不能用视频生成补上这几秒。
先问的不是像不像
试过的人大多会经历同一个阶段:第一眼惊艳,第二眼发现手脚。判断一段生成画面能不能进片子,标准往往不是清晰度,而是可控性。同一个角色在相邻两个镜头里换了脸型,同一束光在切换机位后跑到另一侧,运镜的加速度忽然不符合任何真实设备——这些不会出现在演示片里,却会在剪辑台上反复出现。
所以真正决定效率的,是“改一次要多久”。改一句提示词就得到全新画面,等于每次都在重新抽签。创作者需要的是局部可控:只换背景、只调光线方向、只让人物转头。视频生成在这方面的进展,比画面精致度的提升更值得关注,也更难被一段几十秒的样片展示出来。
它懂一点物理,但不懂因果
杯子落地会碎,水会溅开,布料顺着重力垂下——这些规律近来在生成结果里出现得越来越多。但“看起来合理”和“物理正确”是两件事。物件在接触瞬间的形变、影子随光源移动的方向、多个物体相互作用的先后顺序,仍是容易露出破绽的地方。观众说不清哪里不对,只会觉得假。
这也解释了为什么它目前更适合用在中景、空镜、氛围镜头,而不是需要精确动作和连续动作的段落。做前期预演、给分镜配上运动感、把一张概念图延展成几秒的动态参考,都是相对稳妥的用法。
工作流里的位置,比能力本身更重要
工具的价值取决于它被放在流程的哪一格。把它当成一键成片,失望几乎是必然的;把它当成填补缝隙的材料来源,它忽然变得好用。一条三十秒的短片里,可能只有两三个镜头真的适合生成,其余仍要靠拍摄、靠实拍素材、靠剪辑台上的取舍。
还有一个容易被忽略的成本:来源。画面的训练来源、人物肖像的授权、声音的归属,在商用场景里都不是小事。生成的内容需要可追溯,这一点在交付给客户时会变成具体的合同条款,而不是技术讨论。
门槛挪了位置
过去做一条片子,门槛在设备和技术;现在设备那段门槛在下降,问题回到更靠前的地方:你要说什么,为什么用这个镜头说。视频生成把“做出来”变便宜了,也把“想清楚”变得更要紧。一个人如果不知道自己要什么样的画面,生成一百个版本也只是在挑选。
回到那条清晨的巷子。它大概能生成出来,光的方向、地面的湿度、远处的一点雾气,都可以描述。但它能不能替你说出那句话,得看你原本想说什么。技术给的是选项,不是答案。