AI视频越来越漂亮，为什么真正好看的作品还是那么少？

今天打开一些AI视频创作者的作品，你会发现一件有趣的事情。

画面越来越漂亮了。

电影感的光线，复杂的运镜，巨大的场景，精致的人物，过去需要大量制作预算才能完成的视觉效果，现在越来越容易出现。

但如果把这些作品连续看上十分钟，又经常会出现另一种感觉：

很漂亮。

然后呢？

你记住了什么？

一个人物？

一个故事？

还是某个漂亮的镜头？

很多时候，我们能够记住的，只有视觉效果。

这让我想起内容行业一个很老的问题。

会拍，不等于会讲故事。

到了AIGC时代，这个问题不但没有消失，反而可能被放大了。

因为过去，画面不好看是一个明显的问题。

今天，AI很容易让画面变得好看，创作者反而可能更晚发现作品本身没有成立。

我认为，这可能是AIGC创作者接下来必须跨过的一道门槛。

不是从普通画质升级到电影画质。

而是从生成画面，真正进入视听创作。

一、不要用镜头质量代替作品质量

我们可以先做一个简单的测试。

找一条自己认为非常优秀的AI视频。

不要看画质，不要看模型，也不要看它用了多少复杂的生成技术。

只回答三个问题：

• 这个视频到底在讲什么？
• 人物为什么要做这件事？
• 观众为什么应该继续看下去？

如果三个问题都很难回答，那么即使每一帧都像电影海报，这个作品也未必真正成立。

当然，不是所有视频都需要人物和完整故事。

视觉实验、抽象影像、情绪短片，同样可以有自己的艺术价值。

但如果创作者想做的是短剧、人物IP、叙事动画或者长期运营的内容账号，那么这些问题就无法回避。

我觉得很多AI创作者最容易犯的错误，是把创作流程倒过来了。

先生成一个非常震撼的场景。

再生成一个漂亮的人物。

然后想办法让这些画面组成一个故事。

结果，故事只是把几个好看的画面勉强连接起来。

人物为什么出现？

为什么行动？

为什么突然发生冲突？

很多时候并没有真正想清楚。

画面本来应该服务故事，最后却变成故事在服务画面。

这不是AI独有的问题。

传统影视创作同样可能出现。

只是过去昂贵的制作成本，至少会迫使很多团队在拍摄前反复讨论剧本和分镜。

现在，创作者可以先生成再考虑。

试错成本下降是好事。

但如果缺少创作判断，也可能让问题被不断推迟。

二、人物不是一张脸，而是一套行为逻辑

我在第一季写过一篇文章：

《为什么99%的AI角色，最后都只是一张会动的脸？》

这个问题放在今天仍然值得讨论。

很多AIGC角色已经能够保持相对稳定的外貌。

同一个人物可以穿不同衣服、进入不同场景，甚至完成复杂动作。

但有一张稳定的脸，并不等于拥有一个成立的人物。

真正的人物需要一套行为逻辑。

他想得到什么？

害怕失去什么？

面对冲突会怎样选择？

他和其他人物之间存在什么关系？

经历了一件事情以后，他会不会改变？

这些问题不一定要在每一条短视频中完整交代。

但创作者自己应该知道。

否则，人物很容易变成一个随时可以替换的视觉模型。

今天让他勇敢。

明天让他胆小。

后天为了配合剧情，又让他突然做出完全不符合性格的事情。

人物的外貌没有变，人物本身却消失了。

这也是为什么我认为，未来AIGC人物创作需要从简单的角色设定，进一步进入角色记忆和人物关系管理。

但这里要避免一个误区。

建立人物档案，不等于完成了人物创作。

你可以给一个AI角色写五千字背景资料。

包括年龄、职业、家庭、性格、兴趣和成长经历。

但如果这些资料无法影响人物在具体情境中的选择，它们就只是资料。

真正重要的是：

当人物遇到一件新的事情，他会怎样行动？

而这种行动，是否让观众觉得“这就是他会做的事”？

我认为，AIGC角色真正值得积累的，不只是外貌一致性。

而是行为上的可信度。

这也是从一个漂亮的AI形象，走向长期人物IP的关键一步。

三、AI短剧最需要解决的，可能不是生成长度

现在不少创作者关心，模型什么时候能够一次生成更长的视频。

从几秒钟到几十秒，再到几分钟。

生成长度当然重要。

但一段视频能够连续播放五分钟，不等于它就是一部五分钟的好短剧。

短剧首先需要叙事。

尤其是短视频平台上的叙事内容，观众不会因为画面昂贵就自动保持耐心。

如果开头没有建立问题，人物没有明确的行动目标，冲突没有推进，观众就可能离开。

我觉得一个很实用的做法是：

先把故事讲清楚，再决定哪些部分交给AI。

比如，要做一条90秒的叙事视频。

先不要生成任何画面。

用最简单的文字写出四件事。

• 第一，人物现在想要什么？
• 第二，什么东西阻止了他？
• 第三，他做了什么选择？
• 第四，这个选择带来了什么变化？

如果这四件事讲不清楚，就先不要急着进入制作。

因为增加十个漂亮镜头，也未必能够补救一个缺少冲突的故事。

然后再考虑：

• 哪个镜头负责交代信息？
• 哪个镜头负责制造悬念？
• 哪个镜头必须让观众看到人物的表情？
• 哪个镜头其实可以删掉？

这是很传统的创作方法。

但我认为，它恰恰应该成为AIGC创作者最先掌握的能力之一。

不是因为AI不够先进。

而是因为技术越先进，越容易让我们忘记作品首先需要成立。

四、不要每个镜头都追求震撼

我发现，生成式影像很容易诱发一种创作倾向：

把每一个镜头都做得非常漂亮。

强烈的光影。

复杂的摄影机运动。

宏大的场景。

人物的头发和衣服不断飘动。

每个画面都试图让观众惊讶。

单独看，这些镜头可能都不错。

但如果整部作品一直处于视觉高潮，观众反而可能很快疲劳。

因为故事需要节奏。

有些镜头负责推进。

有些镜头负责停顿。

有些镜头需要提供信息。

有些镜头只是让观众观察人物。

并不是每个镜头都需要证明制作能力。

举个简单的创作场景。

一个人深夜回家，发现房间里有陌生人。

AI可以生成一个非常复杂的镜头：摄影机快速穿过走廊，灯光闪烁，人物突然回头，背景发生剧烈变化。

但也许真正有效的处理，只需要一个固定镜头。

人物打开门。

停住。

看向房间里的某个位置。

画面没有立即告诉观众他看见了什么。

停顿两秒。

观众自然会产生疑问。

这里的关键不是技术难度，而是信息控制。

观众的注意力，不一定来自画面发生了多少变化，也可能来自导演决定暂时不让什么发生。

我认为，这是AI视频创作者特别值得练习的能力。

学会让画面安静下来。

学会删掉不必要的运镜。

学会不把每一个生成能力都展示出来。

有时候，克制比炫技更能证明创作能力。

五、AI视频制作，应该建立一套新的工作顺序

如果目标是制作真正能够持续传播、持续经营的AIGC内容，我建议不要把工作流程简单理解为：

写提示词、生成视频、剪辑发布。

这个流程适合快速试验，但未必适合复杂叙事和长期账号经营。

我更倾向于把它拆成五个环节。

第一步，先确定内容为什么成立。

明确受众、内容类型、核心情绪和传播场景。

是喜剧、悬疑、奇观、人物故事，还是知识表达？

用户为什么要看？

这一步不解决，后面的生成效率意义有限。

第二步，建立人物与叙事规则。

如果是长期账号，需要固定人物的基本性格、行为方式、关系和不能随意改变的设定。

如果是单条短剧，需要先确定人物目标、冲突、转折和结尾。

第三步，用分镜决定信息如何交付。

不是先问这个画面能不能生成。

而是问：

• 观众此刻应该看到什么？
• 应该知道什么？
• 应该暂时不知道什么？
• 镜头为什么要切换？
• 哪些地方可以通过画面内部的变化完成表达？

第四步，再选择生成技术。

根据镜头需要，选择文生视频、图生视频、参考图、角色一致性方案、局部修改或者传统后期。

技术应该服务镜头，而不是镜头迁就工具的炫技能力。

第五步，把生成结果重新放回整部作品审查。

这是很多人容易忽略的一步。

不要只检查每个镜头是不是漂亮。

而要连续观看整部作品。

• 人物行为是否一致？
• 情绪是否连续？
• 镜头之间有没有信息断裂？
• 节奏是不是太快？
• 有没有可以删除的画面？
• 观众能不能理解故事？

如果一个镜头单独看很好，但破坏了整部作品的节奏，就应该考虑删掉。

我认为，未来AIGC制作团队真正需要形成的，不只是生成SOP。

还应该有一套内容判断SOP。

六、生成式视听语言真正的新机会在哪里？

说到这里，可能有人会问：

如果最终还是需要剧本、人物、分镜和剪辑，那AI究竟带来了什么新的创作可能？

我觉得，这恰恰是接下来最值得研究的地方。

AI不应该只是把传统拍摄流程换成更便宜的生成流程。

它应该让创作者尝试过去因为成本、物理条件或制作复杂度而难以实现的表达。

比如，让同一个人物进入不同历史时期。

让一座城市随着人物的记忆发生变化。

让一个角色的内心冲突直接改变他周围的空间。

让现实场景与想象世界在同一个镜头中逐渐融合。

这些表现方式并不是AI首次发明的。

动画、实验电影、特效和数字艺术早就有类似探索。

但AI可能降低它们的制作门槛，让更多创作者能够持续使用，而不是偶尔使用。

这也是我为什么对“生成式视听语言”这个方向感兴趣。

它真正值得研究的，不是又多了多少炫酷效果。

而是：

当影像不再必须按照传统拍摄条件获得，我们能不能发展出新的讲故事方式？

过去，电影主要通过镜头组织时间与空间。

生成式影像可能进一步扩大创作者直接改变画面内部状态的能力。

人物、环境、物体和空间之间，可以出现更灵活的变化关系。

但有一个前提。

这些变化必须产生意义。

如果一座城市突然变成海洋，只是因为模型可以做到，那它仍然只是视觉奇观。

如果这种变化让观众理解了人物的恐惧、记忆或者处境，它才真正进入叙事。

技术上的变化，不会自动成为语言。只有被稳定地用于表达意义，才有可能形成语言。

这是我认为生成式视听语言需要继续探索的方向。

七、未来最稀缺的创作者，可能不是最会生成的人

过去，一个人能够独立完成专业级影像制作，是很了不起的事情。

今天，这件事正在变得容易。

未来，能够生成高质量视频的人可能越来越多。

但我不认为优秀作品会因此自动大量出现。

因为好作品需要的不只是画面。

还需要人物、故事、节奏、审美、表达和对观众的理解。

这些能力可以通过AI辅助，却不能简单地用生成数量代替。

我甚至觉得，未来AIGC创作者可能会出现一次明显分化。

一部分人持续追逐模型更新。

今天研究这个模型，明天学习那个工作流。

他们可以很快做出漂亮的视频，但作品很容易随着技术进步失去差异化。

另一部分人会把AI当成自己的创作基础设施。

他们同样学习工具，但把更多时间花在理解人物、观察生活、建立内容方法和研究观众上。

模型更新以后，他们可以更快实现自己的想法。

但真正支撑作品的，并不是某个特定模型。

而是他们对创作的理解。

我认为，第二类创作者更有机会建立长期价值。

这不是说技术能力不重要。

恰恰相反，优秀的AIGC创作者需要理解技术边界，并不断学习新的制作方法。

但技术应该扩大创作能力，而不是取代创作目的。

我们在内容行业做了这么多年，见过很多平台变化，也见过很多新的内容形式出现。

每一次技术变化，都会让一部分过去困难的事情变得容易。

但一个很老的问题始终没有消失：

为什么有些作品让人看完就忘，有些作品却能留在心里？

今天，AI已经能够生成越来越漂亮的画面。

这当然值得兴奋。

但我觉得，下一阶段真正值得投入精力的，不是继续证明AI能够生成多么漂亮的画面。

而是开始证明：

它能够帮助我们创造多么好的作品。

因为观众最终记住的，不是你使用了哪个模型。

而是你让他看见了什么、感受到了什么。

以及看完以后，为什么还愿意回来。

AI正在让画面变得便宜。
但一个真正值得观看的故事，仍然没有因此变得容易