写下一段描述，等上一会儿，屏幕上出现几秒钟会动的画面——这大概是很多人对视频生成的第一印象。它足够新鲜，也足够让人误判：以为难点在“生成”那一刻。真正把它放进项目里用过一轮的人，往往会发现问题往后挪了，挪到了画面出现之后。
画面之外，才刚开始
一段几秒钟的片段，和一段能用的素材，中间隔着不少东西。镜头怎么动、主体在前后帧里是不是同一个、光影会不会突然跳变、时长能不能对上剪辑时间线——这些不是玄学，是每天都会遇上的具体麻烦。
更实际的是可编辑性。剪辑师习惯的工作方式是“改一处”，调色、变速、替换一个镜头、把某段延长半秒。而生成出来的片段更像一块整料，想动其中一部分，常常只能回到描述里重来一次。重来一次不是问题，重来十次、且每次结果都不完全一样，节奏就被打乱了。
所以讨论视频生成时，我更愿意把它看成一种素材来源，而不是一个成片工具。素材来源的评价标准是什么？稳定、可预期、能反复调用。按这个标准看，它还有距离。
它真正压低的，是试错的成本
不过也别急着否定。它在另一件事上确实有用：把脑子里的画面快速变出来给人看。
过去要沟通一个镜头设想，得画分镜、找参考、口头描述半天，对方还不一定懂。现在可以先生成一版粗糙的，哪怕比例不对、细节含糊，至少方向是可见的。讨论的起点从“你想要什么”变成“这个不对，往那边调”——后者具体得多。
这种变化对创作流程的影响，可能比画面质量本身更值得留意。它压低的不是制作成本，而是试错成本。想法可以更快被否定，也可以更快被修正。
代价是另一头冒出来的：可选的东西变多了，筛选就变成新的负担。以前是没得选，现在是一屏几十个版本，反而不知道该停在哪。审片时的标准也容易变得模糊，因为每一版“看起来都还行”。
有些场合，它还不该上场
我的判断是，视频生成适合用在容错率高的环节：内部讨论、创意发散、气氛参考、临时占位。这些地方它省下的时间很实在。
但需要精确表达、需要有人为内容负责的场合，它目前还撑不住。原因不复杂：它给出的结果带有随机性，而对外发布的内容要求确定性。一句话说得不够准，一个动作和语境不匹配，靠“再生成一次”是解决不了的，得靠人来判断和收口。
- 创意阶段：可以大胆用，快速看到方向。
- 结构已定、需要精准执行：谨慎，更多当作参考。
- 对外正式发布：仍需人工逐帧把关。
还有一点常被忽略：素材的来源与授权边界。生成的内容能不能商用、训练数据的来路是否清楚，这些问题在落地时会一次次被问到。谨慎的做法是，在项目早期就把使用范围写清楚，而不是等成片出来再补。
注意力该往哪放
回到那个最初的误判。视频生成把“能不能做出来”这道门槛削低了不少，于是真正的难题浮了上来：要不要做、做成什么样、谁来判断它够了。
这些问题的答案不在模型里。工具越顺手，人的判断越值钱——这话听起来像老生常谈，但放在眼下这个阶段，它格外具体：当生成一版片段只需要几十秒，你愿意花多久来决定，哪一版值得留下。