上周帮朋友改一条三十秒的产品短片。原本只是换个镜头顺序,结果前后改了七遍。不是因为拍得不好,恰恰相反——素材是视频生成出来的,干净、稳定、光线漂亮,看起来什么都不缺。缺的是“为什么是这样”。每一版都能自圆其说,也都能被推翻,于是改到第四遍时,我们已经不记得第一版长什么样了。
这件事让我对视频生成有了一点新的看法:它真正改变的不是拍摄成本,而是决策成本。
画面变便宜了,判断变贵了
过去做一条片子,成本结构很清楚。设备、场地、人手、时间,每一项都在提醒你“想清楚再开机”。这种限制并不舒服,但它逼着人先把事想明白。现在反过来了,几行描述就能出一段像样的画面,试错几乎不要钱,于是试错本身变成了主要工作。
问题在于,试错需要一个终点。真人拍摄时,终点由物理条件划出来:天黑了,预算用完了,演员档期到了。视频生成没有这个边界。它可以一直往下生成,一直有新的可能,一直让人怀疑“再试一次会不会更好”。创作于是在无休止的选项里被稀释,最后挑出来的往往不是最合适的,而是最后看到的那一版。
- 素材多了,筛选的时间反而超过了制作的时间;
- 每一版都够用,于是没有人愿意为某一版负责;
- 修改意见从“这段不对”变成“换一种感觉”,沟通成本上升。
它擅长的,其实是“不必精确”的场合
如果用得对,视频生成在几类场景里确实省事。空镜、氛围过渡、重复的背景画面、需要大量变体的投放素材,这些地方对细节没有强约束,容错空间大,生成出来的东西直接能用。做电商的团队拿它铺不同风格的背景,做课程的人拿它补几秒钟的转场,都是合理用法。
一旦进入需要精确表达的段落,它的短板就藏不住了。产品结构要交代清楚,动作要跟台词对齐,品牌调性要统一到每一帧,这些要求靠文字描述很难稳定传达。描述得越细,模型越容易在某个细节上跑偏;描述得越粗,出来的东西越像别人的东西。这个两难不是调参能解决的,它来自表达方式和生成机制之间的错位。
所以我常建议身边的人先问一句:这段画面,观众会不会盯着看?会盯着看的部分,尽量别交给视频生成;一闪而过的部分,交给它反而划算。
可控性的错觉
工具界面里那些参数给人一种掌控感——镜头运动、风格强度、时长比例,好像拧一拧就能得到想要的结果。实际操作过就会知道,这些参数影响的是概率分布,不是确定结果。同一个词,今天生成的和明天生成的可以差很远;同一段提示,换台机器又是另一种脾气。
这不是缺陷,是这类工具的工作方式。它更像在给建议,而不是在执行指令。真正稳定的做法,是把生成结果当作中间素材:先出几版找方向,再回到传统流程里做精修、拼接、调色、配音。把它放在流程中间而不是流程开头,心态会稳很多,返工也会少。
谁签字的问题
还有一个绕不开的话题:责任。生成的画面里如果出现了不该出现的内容,或者用了不该用的风格,谁来说明?目前多数团队的实际情况是,做的人说不清依据,审的人看不懂过程,最后靠“看起来没问题”过关。这在内部物料里或许可以接受,放到对外的正式场合就有点悬。
我的做法比较笨:凡是要对外发布的,保留生成记录,标注哪些段落是生成的、哪些是实拍的,尽量不混在一起让人猜。这不是为了合规好看,而是让自己在下一次被问起时,能说清楚每一步是怎么来的。
把它当笔,别当作者
回到那条改了七遍的短片。最后定稿的版本,其实是第二版,几乎没怎么动。中间那些来回,多半不是片子在变好,而是我们在借生成的过程确认自己到底想要什么。这么看,视频生成的价值可能不在它产出了什么,而在于它让人更快地看见自己的犹豫。
工具没有立场,用它的人得有。想清楚要给谁看、看多久、记住什么,再去敲那几行描述,比反复重生成有效得多。否则画面越漂亮,越像什么都没说。