一条十五秒的片子，流程短了，活儿没少
市场部要做一条十五秒的产品短片。放在几年前，这件事意味着排期、场地、灯光、模特、后期，两周起步。现在的情况是，有人在对话框里敲几行描述，等上两分钟，拿到四个版本。第一次看觉得神奇，第二次看就开始挑毛病：杯子的位置在镜头切换后变了，人物转身时手的结构不太对，产品上的字样在旋转中糊成一团。
问题恰恰在这里。视频生成把拍摄这一段的成本压得很低，却把判断的成本顶了上来。真实拍摄里，物理世界会自动保证连续性——杯子放在桌上，下一个镜头它还在那儿。生成出来的画面没有这层保证，于是每一帧都得有人看，有人确认，有人决定这一版能不能用。省下来的钱，一部分变成了时间，落在审片的人身上。
它不理解“再来一条一模一样的”
一致性是目前最实际的约束。同一个角色出现在第二个镜头里，脸可能就换了；同一个场景换个角度，光线逻辑可能对不上。这类问题不是把提示词写得更长就能解决的，它涉及模型对同一性本身的理解方式。所以不少团队在实践中换了思路：不把它当成片工具，而当素材来源。一次生成十几个片段，挑出能用的几秒，剩下的交回剪辑台。
有意思的是，分镜、景别、运镜这些老词重新变得有用。它们原本是拍摄现场的语言，现在成了把零散片段缝起来的针脚。会用这些词描述需求的人，拿到的结果通常更接近预期——不是因为词本身有魔力，而是因为描述得足够具体，模型的自由发挥空间就被收窄了。
片尾署名这件事，绕不开
生成画面里如果出现一张与真人相似的脸，或者一段听起来耳熟的旋律，责任不会落在模型身上，落的是发布方。这一点在流程里往往被忽略，直到有人提出疑问。于是有些团队加了一步：每一版生成的提示词和修改痕迹都留档，出问题时能回溯到是哪一次输入、哪一轮调整。这不是技术问题，更像记账问题——谁提的需求，谁拍的板，谁签的发布。
素材来源同样值得留意。训练数据的构成，普通使用者很难看清，但对外发布的画面要承担后果，这个因果链是清晰的。谨慎的做法是避开明显的他人形象与标识，尤其在商用场景里。
它擅长什么，不擅长什么
把边界说清楚，比争论它会不会取代谁更有用。它目前擅长的，是那些本来就不需要精确的镜头：氛围镜头、转场、概念示意，以及提案阶段反复改方案的那几轮——这时候快，就是全部价值。
它不擅长的，是需要精确复现的动作、要和实拍素材严丝合缝对上的一镜到底、以及任何需要承担法律后果的画面。这些地方省下的时间，往往会在返工里还回去。
所以更实际的态度，大概是把它放在“快速试错”这个环节上，而不是当成可以省掉某个工种的方案。三分钟出片是真的，但那三分钟之后的工作，一样没少。区别只在于，过去忙在现场，现在忙在筛选和判断上。