OiiOii 2.0升级：三大新能力上线，让你告别抽卡焦虑！

半个多月前我写过一篇OiiOii，就是拆「AI视频成片质量公式」的那篇。讲它怎么用一个7人的AI虚拟团队，把我的一句话变成一部4分多钟的叙事动画。

那篇里我还动手复刻了一条B站爆款，「地牢酒馆」。生成环节Agent帮我包圆了，但最关键的一步是我自己来的：一帧帧看原片，把它的风格逻辑总结出来（第一视角、单角色单段互动、喝完酒的荒诞反应），再翻译成故事描述喂给它。成片效果不错，但拆原片这步，靠的是我看片多。

我还在文章里留过一句猜测。当时解释「为什么OiiOii不用你写提示词」，我说：

按我的理解，是因为OiiOii对影视工作流里不同角色的技能、各类AI模型的能力有足够的领域认知，所以他们把这变成了一个类似skill的东西，植入在了视频创作流程里。

纯粹是从产品行为反推，猜他们内部大概是怎么做的。

上周，OiiOii官宣2.0，三个新能力：智能画布、拉片复刻、Skill库。我之前那句「类似skill的东西」，他们直接做成了一个叫Skill库的功能；我上次人肉拆片复刻的整个过程，被收进了一个叫拉片复刻的按钮里。

上篇我就觉得OiiOii的操作已经够傻瓜式了。这次这三个升级，我正好想看看，他们到底又把AI视频的创作门槛压低到了什么地步。三个功能我都真机跑了一遍，挨个说。

智能画布：从「改哪一栏」到「张嘴说」

上篇我说OiiOii给你的不是一个万能工具，是一个团队，你的位置是导演。1.0的画布我当时的评价是「Agent把底牌全摊开了」：每个分镜的提示词拆成画面描述、角色动作、镜头运动几栏，想改哪儿点哪栏。已经很可控，但改的动作还落在你头上，你得知道该动哪一栏。

2.0的智能画布把这一步也接管了。现在你直接对着画布说人话。

我拿上篇那个天文馆项目试的。点开男主角「陆星河」的立绘，全程不写一个提示词，就打了一句大白话：「把这个角色改得年轻一点，像刚毕业的大学生，笑起来更亲切」。它自己把这张图当参考，调角色总监重画，大概20秒，陆星河就从一个西装革履的天体物理研究员，变成了一个穿背带裤、戴护目镜、表情松弛的年轻人。我没碰任何一栏提示词，全程就是聊天框里打了那么一句话。

这里有个我觉得该说的真实槽点：它理解得有点放飞。我只想让他「更年轻、更亲切」，它顺手把正装也换成了休闲装。

最终做出的成片部分为了和女主更搭配，我用的还是西装版本的男主

口语指令省事，但你脑子里默认、嘴上没说的那部分，它不一定接得住。这点后面拉片复刻那节还会再撞上一次，先记着。

2.0里这7个Agent也有了正式编制：角色总监、分镜总监、音乐总监，各管一摊。你说要什么，叫谁干活是它们自己判断。

还有个对重度用户更实在的细节：多任务能并行。一边改角色图、一边改场景图、一边生视频，不用一个等一个。加上2.0接了满血版不排队的Seedance 2.0，等片时间确实短了不少。

拉片复刻：上次我一帧帧看的片，它50秒拆完了

这是三个里我期待最高的，因为复刻爆款是AI视频领域最真实的需求。大部分人做视频，起点都是刷到一条爆款，然后想：我能不能做个我自己的版本。

我直接拿上次那条「地牢酒馆」原片传了进去，点拉片复刻。大约50秒，它把70秒的视频拆成了3个镜头，每个镜头按五大类、最多18个维度去拆：叙事要素、时间、镜头语言、影像处理、声音，每一类底下再细分到景别、运镜、构图、光影色调、音乐音效这些。

我把它拆出来的东西，跟我上次人肉总结的对了一遍，有点服气。

它独立拆出了「第一人称镜头」，就是我说的第一视角；每个镜头标了「分镜功能」，引入人物、引入新人物、高潮爆发，正好对上我总结的「单角色单段互动」的递进结构。

更狠的是几个我上次根本没注意到的设计。镜头3那个大块头登场，画面色调从前两段的暖棕，悄悄转成了冷灰冷蓝，给高潮做了情绪铺垫；骷髅士兵那段，它连「酒水直接从骨架漏到地上」的音效都标了出来。

拉片是电影学院导演课的基本功，一个镜头一个镜头按暂停，分析它为什么这么拍。这门课值钱的地方，是把「我觉得好看」翻译成可复用的方法。OiiOii把这门课做成了一键可得的能力。

拆完它还自动把整条片切成了可替换的零件：角色（酒保、哥布林、骷髅士兵、食人魔）、场景（酒馆吧台）、元素（金币、酒杯、啤酒桶、钱袋、烤腿），每个都带一个「替换」按钮。我顺手做了一版替换：哥布林换成戴红头巾的武术家、骷髅士兵换成戴面具的摔角手、食人魔换成绿皮丛林战士，酒保和酒馆原样不动。它按原片的镜头结构、动作、音效，重新生成了一整条新片。

成片出来，我盯着看了半天，我意识到一个问题。

它生成的「武术家」，是一只戴着红头巾的哥布林。红头巾贴上去了，可身体还是原片那只哥布林，不是我想象里的那个人。一开始我以为是它没还原好，后来发现是我自己的问题：我写「功夫武术家」的时候，脑子里默认他是「人」，但「人」这个最关键的维度，我根本没写进提示词。

文字是你用脑子对一个事物做的有损压缩。你把脑子里那个活生生、多维度的形象，凝练成几个词，这一步天然就漏掉了一大堆你以为不用说的信息。

然后大模型再拿这几个词，按它的概率去还原，又是一次信息流失。一来一回，出来的东西跟你想的差着十万八千里，其实很正常。

而拉片复刻真正的价值，恰恰在这儿：它让你直接投喂「视频」这个信息密度最高的原始载体，跳过了「人脑抽象成文字」这个有损环节。投喂图、投喂视频，才是保住信息完整度、提高还原度的最好策略，文字描述永远是退而求其次。我上次人肉拆片再写提示词去复刻，本质上就是在做有损压缩；这次它让我把原片整个喂进去，这才是它比我那套手动流程强的根上的原因。

Skill库：他们对Skill的理解，跟我是同一套

Skill这个话题我可能有点发言权。我自己做的女娲.skill在GitHub上拿了两万多star，老读者应该都看过我写skill的那几篇。

Skill这个词火了小半年，火过头的结果是被用得很泛，不少产品挂个Skill的名，点进去还是原来那排预设按钮。OiiOii的做法是把Skill放进具体的使用场景里。我翻了一遍它的Skill库，分自媒体、广告营销、游戏、周边设计四类，十几个skill。有意思的是周边设计那一栏压根不是视频，吧唧、亚克力牌、九宫格表情贴纸、手办模型、谷子墙，Skill库已经溢出「视频」这个边界了。

我挑了个「搞笑故事」跑一轮。给它的设定是：一个程序员去面试梦想中的大公司，发现面试官是他家那只天天踩键盘的猫。

点了确认，艺术总监接单，把编剧、角色总监一个个拉进群聊接力。这套7人团队的群聊协作上篇就讲过，不是新东西。我这次盯着看的是另一件事：整条流水线是被「搞笑故事」这个skill牵着走的，它清楚搞笑故事该怎么起头、怎么反转、怎么把情绪一层层往上顶。

编剧产出的剧本我得贴一段，是真的好笑：

程序员郝建紧张地坐在面试间，对面那把高管椅缓缓转过来，椅子上没有人，只有一只戴着迷你红领巾的胖橘猫，正不耐烦地拍着智能平板。平板发出机械音：「请叫我橘总监。」……「要不是我每天半夜三点假装跑酷，在你键盘上踩出那段'asdfghjkl'的底层逻辑代码，把你那堆破烂Bug修好，你连初筛都过不了。」最后橘总监把一个金枪鱼罐头踢到郝建面前：「你被录用了，职位是我的初级代码助理兼专属开罐员。」

冷幽默、反转、情绪升级，该有的都有。一个skill里封进去的，是一整套「这类片子到底怎么拍」的方法论。

往下走，角色总监按我选的「美式2D动画」风格，把橘总监画成了一只板着脸、系着迷你红领巾、挺着肚子的胖橘猫，把郝建画成了一个穿蓝白格子衬衫、瞪着眼一脸震惊的程序员，再给两个角色各生成了一张FaceID，锁住人脸，保证后面每个镜头里他俩都是同一张脸。这就是公式里那个C（一致性）变量，被它做成了一个具体的机制。

再往后，分镜师把整个剧本拆成了6个镜头的故事板，皮椅转身、瞪眼、橘猫拍平板、踢罐头，每一格都标好了画面和台词。我就看到这一步——从我一句「面试官是自家的猫」，到一套能直接往下生成的分镜，中间我没写一句提示词。

这套东西跟我一直讲的Skill本质是一致的：Skill的本质，是把一个领域专家的整套工作流，封装成可复用的能力。 我做女娲，封装的是人的思维方式；OiiOii做的，是把「会拍搞笑短片的那个导演」的整套出片流程封装进去。路子不一样，底层是一回事。

最后成片的效果用我女朋友的话说就是，这是她在小红书或抖音上刷到时会选择看下去的短片～这个反馈我是相当满意了。

对普通用户来说，这意味着做行业素材不用再从零搭流程。抽卡碰运气出片，和按成熟模板稳定出片，是两种完全不同的生产状态。

回到那个公式

上篇我拆过一个公式：

AI视频成片质量 = M ×（S + U）×（D + C）

模型能力M在2026年快速拉平，大家都能用Seedance、Kling、Veo，真正拉开差距的是创作能力S、易用性U、领域知识D、一致性C。

2.0这三个功能，对着公式看思路非常清楚：智能画布拉的是U，让你张嘴就能改；拉片复刻是把别人的D直接变成你的D，还顺手解决了「文字描述会丢信息」这个老问题；Skill库是把D和C打包预设好，选场景直接出片。还是上次那个判断：M卷不动了，聪明的产品都在卷另外几个变量。

1.0那会儿，它给了你一支总监团队，但你还得自己当导演、自己喊话；2.0想做的，是让这支团队听得懂人话，你说去哪，路线它来规划。

当然，实测下来它也不是没毛病。智能画布的口语理解会放飞，纯文字替换的还原度有上限（想精准还原，老老实实喂图喂视频）。但这些都不影响那个大方向：做视频拼的越来越不是谁手里的模型更强，而是谁雇得起更懂行、更省心的AI员工。

传送门：www.oiioii.tv

感兴趣的可以趁着最近OiiOii在做算力锦鲤的活动，先自己玩起来，尤其建议拿一条你喜欢的爆款去跑跑拉片复刻，体感比看文章直接得多。