
作者|Moonshot
編輯|鄭玄
最近,影視颶風開始進入 AI 影視賽道,選擇與 TapNow 推出一套 AI 影像創(chuàng)作教程。
一套教程的出現(xiàn),本身就是個信號,它說明AI 影像正在走出「展示奇觀」的階段,開始形成可以被講解、學習和復用的創(chuàng)作方法。
被教程吸引進來的,也未必都是準備拍電影的人。
車企、游戲公司和消費品牌都在增加視頻內(nèi)容的使用:產(chǎn)品發(fā)布需要概念片,游戲上線需要世界觀短片,市場部門則要持續(xù)生產(chǎn)品牌視頻、更新社交媒體。
對這些團隊來說,AI 影像正在從一項新技術,變成工作里可以調用的制作能力。

一條完整的視頻還要經(jīng)過創(chuàng)意開發(fā)、視覺設定、分鏡、素材生成、修改和剪輯。視頻一旦從十秒左右的鏡頭走向完整作品,人物、場景和前后決定都要保持連續(xù),原本分散在不同工具里的問題也會同時出現(xiàn)。
觀眾看到的是一條視頻,但創(chuàng)作者面對的是一個項目。AI 影像已經(jīng)不缺會生成的工具,缺的是一套能把項目做完的系統(tǒng)。
為此,TapNow 推出了 Creative OS,并將其定位為「世界首個 AI 原生創(chuàng)作系統(tǒng)」,平臺的創(chuàng)作者們也把它類比為「創(chuàng)作界的 Codex」。
但 AI 影像,為什么開始需要一個操作系統(tǒng)?
01
AI 視頻的真實落地
要回答這個問題,讓我們先回到真實的創(chuàng)作場景里。為了理解 Creative OS 怎樣進入真實生產(chǎn),我實際體驗了兩個差別很大的項目,也帶著一篇多年沒有拍出來的短片劇本,觀察它在專業(yè)影視上的能力邊界。
第一個是準備改成自媒體視頻的想法,只有一個大概方向,還沒有發(fā)展成腳本;
第二個是已經(jīng)立項的內(nèi)容工作,時長、形式和更新頻率基本確定;
第三個是我寫完的短片劇本。因為拍攝成本和精力限制,一直停留在文字里。
一個念頭、一項工作和一篇劇本,剛好構成了 AI 影像進入真實生產(chǎn)的三個臺階:先進入個人內(nèi)容創(chuàng)作,再進入企業(yè)內(nèi)容生產(chǎn),再最后嘗試承接電影級表達。

傳統(tǒng) AI 視頻產(chǎn)品通常默認用戶已經(jīng)想清楚了。打開工具后的第一步,就是輸入 Prompt。但要寫出一條準確的 Prompt,我得先確定人物、劇情、敘事方式和視覺風格,再把這些內(nèi)容翻譯成模型能夠理解的語言。
可問題就在這里:如果我已經(jīng)能把一切描述清楚,最困難的創(chuàng)意階段其實已經(jīng)結束了。
對于剛開始嘗試 AIGC 的用戶,這一步是勸退級的門檻。但 Creative OS 里的 Brainstorm 提供了另一種起點。
Brainstorm 不會直接把一個模糊想法生成視頻,而是沿著現(xiàn)有方向繼續(xù)發(fā)散,帶著我把還沒想清楚的問題拆成人物設定、敘事方向和視覺方案,再給出幾組可以選擇、修改和繼續(xù)追問的提案。

這也讓我看到了 Brainstorm 對非專業(yè)用戶的價值。
自然語言處理讓 AI 聽懂了人的想法,Brainstorm 則是反過來,把視聽語言里的專業(yè)問題,翻譯成普通用戶也能看懂的方案。它讓 AI 聽懂「外行」,也讓「外行」看懂內(nèi)行在判斷什么。
用戶不需要先學會景別、運鏡和用光,才能邁進創(chuàng)作的第一步。專業(yè)判斷依然存在,作出判斷的人也仍然是用戶,只是一個模糊想法終于有了繼續(xù)往下發(fā)展的路徑。
Brainstorm 的前期推演同樣適用于企業(yè)內(nèi)容。像是產(chǎn)品發(fā)布、游戲宣發(fā)和品牌活動,往往都從一個傳播目標為起點,再逐漸長出視覺概念和視頻方案。
當方向討論清楚后,Agent 還會把前面的創(chuàng)意直接整理成一個對外展示的網(wǎng)頁。省掉了把聊天記錄重新整理成提案的步驟,可以直接進入?yún)R報、評審和客戶溝通環(huán)節(jié)。

Brainstorm 解決了「怎樣開始」的問題。接下來要解決的,是怎樣把一套方法穩(wěn)定地重復下去。
02
讓 AI 進入已經(jīng)運轉的工作流
第二個項目,是一個腳本結構、視頻時長和更新頻率都已經(jīng)確定的內(nèi)容項目。
目前項目進展了很多期,但我面臨著特別現(xiàn)實的問題:人已經(jīng)找到方法,AI 卻沒有把它記住。這也是很多打工人和 AI 協(xié)作共創(chuàng)的常態(tài)。
每換一篇新腳本,我都要重新說明畫面風格、怎樣拆解劇情、怎么運鏡……即使工作內(nèi)容高度相似,我和 AI 的溝通仍然要從頭開始。
Creative OS 里的 Skill 解決的就是這個痛點。
我在 TapNow 里完成第一條成片后,就可以把這套流程封裝成一個 Skill。之后,我只需要在新窗口調用它,再輸入一篇新的腳本,Skill 就會沿著之前的畫風、改編方法和制作步驟自動推進,我只需要檢查結果,再處理這一期內(nèi)容里的特殊部分。

一套方法能夠被重復以后,AI 才真正有機會進入日常工作,畢竟對于需要持續(xù)更新的內(nèi)容項目來說,穩(wěn)定地做出第二條、第三條,往往比偶爾生成一條效果出色的視頻更重要。

而在工作場景里,一個項目也很少只由一個人,在一個平臺里單獨完成,往往要經(jīng)過策劃、設計、視頻和客戶審核,在多個同事和軟件之間流轉。
于是 Creative OS 做出了 Plugins(插件),讓 AI 可以直接進入這些已經(jīng)存在的工作資料。

設計師可以從 Pinterest 挑選參考圖,確定發(fā)布會的視覺風格;負責視頻的同事也可以使用同一批資料,完成發(fā)布會預熱視頻;客戶新的要求還可以從 Slack 同步;視頻進入審核階段,還可以通過 Frame.io 完成批注和版本確認,最終成片可以放到 Vimeo 管理、分享和展示。
在過程里,Brainstorm 還能輔助策劃,提供更豐富的視覺方案;如果品牌已經(jīng)形成穩(wěn)定的視覺規(guī)范和內(nèi)容方法,可以繼續(xù)把它們保存成 Skill 復用。
原本需要多個軟件、多個崗位反復協(xié)調的工作,在 Creative OS 里變成了一條連續(xù)的生產(chǎn)線。
從 Brainstorm 到 Skill 再到 Plugins, Creative OS 超越了單一的 AI 影像,深入到了更泛化的內(nèi)容工作場景。
這種場景對應著一群數(shù)量更大的用戶。TapNow 面對的企業(yè)用戶,往往分布在品牌、市場、游戲發(fā)行和產(chǎn)品傳播團隊。他們很少把自己稱為影視創(chuàng)作者,卻在持續(xù)生產(chǎn)視頻內(nèi)容。
因為做方案、找參考、出物料、剪視頻和完成跨部門協(xié)作,就是工作的一部分。

對他們來說,TapNow 不只是影視工具,也是一套從策劃走到影像的創(chuàng)作工具。
專業(yè)影視項目有明確的行業(yè)邊界,企業(yè)里的產(chǎn)品傳播、品牌活動和內(nèi)容更新卻每天都在發(fā)生。
Creative OS 能覆蓋多少這樣的工作,構成了 TapNow 的應用廣度,象征了 Creative OS 的橫坐標。
另一條縱坐標,是它在自己最擅長的 AI 影像領域,究竟能走多深。
03
AI 橫店,一套 AI 創(chuàng)作系統(tǒng)的專業(yè)上限
第三個項目是一篇多年沒有被拍出來的短篇劇本。它對 TapNow 的要求最高,因為劇本影視化涉及人物、場景、鏡頭、表演、聲音和剪輯。

受限于體驗時間,我沒有把它從劇本完整跑到成片。但這次體驗讓我觀察到 TapNow 為復雜影像項目準備了哪些能力。

打開 TapNow 時,最先吸引我的,是首頁那批極具電影感的樣片。
其中不少作品長達五到二十分鐘,有人物,有場景,也有完整的情緒和敘事,在篇幅上已經(jīng)進入電影短片的范圍。
這些作品展示的不只是畫面質量,也在展示 TapNow 能夠把 AI 影像推到多高。
模型、專業(yè) Prompt、角色資產(chǎn)、Skill、3D 場景和鏡頭工具,被 TapNow 集中在同一個平臺里。為了理解這種密度,我把 TapNow 看成一座「AI 橫店」。

劇組經(jīng)常在橫店扎堆,因為場景、群演、服裝、道具、器材和制作班底都聚集在那兒。劇本需要一條古代街道,或者臨時增加一場夜戲,制片團隊能迅速找到相應的資源。
TapNow 也在嘗試搭建類似的環(huán)境。
平臺提供了大量的視頻模型,因為模型決定了畫面能夠達到的高度。但模型越多,創(chuàng)作者越難判斷什么時候該用哪一個。
比如同樣是一條視頻,汽車高速行駛的鏡頭和游戲角色的表情特寫,對模型的要求完全不同。
Harness Layer 會根據(jù)具體任務,準備更合適的模型、專業(yè) Prompt、參考資產(chǎn)和生成方法。它就像一名熟悉所有制作部門的制片人,用戶提出畫面要求,它負責安排合適的班底。
這套匹配能力也來自 TapNow 與模型供應商的前置合作。
在新模型正式發(fā)布前,雙方就會針對具體場景溝通,提前調整 Prompt 和 Agent 工作流。等模型上線,用戶調用的模型是已經(jīng)優(yōu)化好的方案,發(fā)布后就能絲滑使用。

3D 虛擬片場解決的是另一個問題:怎樣把鏡頭放進一個穩(wěn)定的空間里。
它可以把一張場景圖,搭成一個能夠進入和拍攝的空間。底層的世界模型還會推算出圖片之外的部分,讓攝影機能夠向前走、轉到側面,或者拍攝原圖里沒有出現(xiàn)的角度。
這功能很像先搭好一座可以反復使用的虛擬攝影棚。
車企可以圍繞同一個展廳和產(chǎn)品空間制作不同機位的宣傳鏡頭,品牌想要制作的橫屏宣傳片、豎屏短視頻和發(fā)布會物料,都能從同一個空間里取景。

場景搭好以后,TapNow 的多角度和鏡頭切分功能再負責「拍」,可以圍繞同一個場景生成不同機位,再把一個連續(xù)動作拆成一組鏡頭。
因為真實片場也不會只拍一個機位。導演會準備全景、中景、特寫和反打,給后期剪輯留下重新組織場面的空間。
視頻剪完后,過去還要再花一輪時間單獨處理聲音。
TapNow 新接入的視頻原生 AI 聲音模型 Sonilo Sound Effects 1.0 就能識別視頻里的動作和場景,自動補上動作聲與環(huán)境聲,并把時間點對齊。
再配合 Sonilo 的音樂模型,上傳一次視頻,配樂和聲音設計就能一起完成,用戶可以直接拿到一個聲畫完整的版本。
這些視聽能力也不只服務 AI 電影。
產(chǎn)品廣告里,需要準確表現(xiàn)產(chǎn)品、空間和運動鏡頭,游戲宣發(fā)視頻里,要維持角色與世界觀的一致性。這些低頻卻關鍵的能力,決定了 TapNow 能否承接復雜、專業(yè)、高規(guī)格的影像項目。
而一套 AI 影像系統(tǒng)的專業(yè)上限,最后還是要由作品來證明。
04
AI 視頻的商業(yè)化,可能先發(fā)生在一到十分鐘之間
長片電影仍是 AI 影像最遠的目標。但在現(xiàn)階段,AI 視頻的「工業(yè)化」和「商業(yè)化」,可能先發(fā)生在一到十分鐘之間。
十秒 Demo 太短,只要一個鏡頭足夠驚艷,人物有沒有變化、空間能不能接上、故事是否成立,都可以暫時藏起來。
九十分鐘的電影又太長,它會同時考驗長敘事、制作管理、算力成本和發(fā)行體系。現(xiàn)階段,大多數(shù) AI 團隊還很難承擔這一整套壓力。
一到十分鐘的中視頻剛好處在中間。它足夠長,人物、場景、風格和節(jié)奏都要經(jīng)得起時間檢驗;它也足夠短,個人和小團隊仍然承擔得起試錯;它還剛好是品牌短片、MV、動畫和自媒體視頻的長度舒適區(qū),已經(jīng)有成熟的發(fā)布渠道和明確的內(nèi)容需求。
AI 視頻最早形成規(guī)模的地方,很可能就在這里。
市場也證明了這一點,目前國內(nèi)超過 70% 的車企、部分頭部的游戲廠商,都在把 TapNow 納入產(chǎn)品傳播、游戲宣發(fā)和品牌內(nèi)容中的固定生產(chǎn)環(huán)節(jié)。
當 AI 開始進入有預算、有流程、有交付要求的項目,AI 影視的工業(yè)化就有了更具體的尺度。

創(chuàng)作者敢不敢給出報價和工期?客戶能不能提出修改?團隊做完這一條以后,還有沒有能力繼續(xù)制作下一條?
當這些問題都有穩(wěn)定答案,AI 視頻才能變成一個行業(yè),一門生意,它也會擁有一套比「效果展示」更具體的評價標準。
當 AI 視頻從一個鏡頭走向一部作品,平臺的競爭方式也會跟著改變。
第一輪競爭看的是模型和功能。誰接入的模型更多,畫布更靈活,工作流更完整,誰就能吸引創(chuàng)作者。這些能力今天仍然重要,但正在逐漸成為 AI 視頻平臺的基本配置。
下一輪競爭,要看平臺能不能持續(xù)產(chǎn)生完整作品,它能承接多復雜的項目,能不能讓創(chuàng)作者從一個想法走到交付,又能不能聚集一批愿意長期使用這些專業(yè)能力的人。
TapTV 上不斷涌現(xiàn)的中短片,就是一種答案。大量的優(yōu)秀 AIGC 創(chuàng)作者在 TapTV 上分享制作過程,作品可以傳播,方法可以學習,一些內(nèi)容也借由 TapNow 引薦,開始進入專業(yè)展映和行業(yè)活動。

當這些經(jīng)驗繼續(xù)回到新的項目里,TapNow 積累的就不再只是一組功能,還包括創(chuàng)作者、作品和逐漸形成的專業(yè)標準。
至此,文章開頭的問題「AI 影像為什么開始需要一套操作系統(tǒng)?」也有了答案。
當創(chuàng)作停留在一次生成,一件工具就夠了。項目開始變長以后,創(chuàng)意、資料、人物、場景、鏡頭和團隊協(xié)作會陸續(xù)加入,還會在反復修改中不斷變化。它們需要圍繞同一部作品保持聯(lián)系,也要沿著前面作出的決定繼續(xù)推進。
Creative OS 處理的,正是從「想法」到「項目」的全過程。
從影視颶風推出教程,讓普通用戶第一次接觸 AI 影像,到 TapNow 提供完整的創(chuàng)作環(huán)境,再到 TapTV 展示作品和工作流,最后進入電影節(jié)與行業(yè)活動。
TapNow 正在搭建一條從入門到專業(yè)創(chuàng)作,從一個想法到一部作品,全鏈路能跑通的路徑。
兩端之間那段漫長的制作過程,就是 TapNow 希望用 Creative OS 覆蓋的位置。
* 頭圖來源:TapNow
本文為極客公園原創(chuàng)文章,轉載請聯(lián)系極客君微信 geekparkGO
極客一問
你如何看待 AI 影像創(chuàng)作?
