最近和朋友们交流视频模型，主要探讨几个问题：AI能不能已经用来制作短剧？它能帮忙运营账号并赚钱？普通用户有没有可能用AI轻松做出高质量的视频？
技术现状
2024年视频生成模型的进步速度很快，下半年每个月都会有新的突破，但真正成熟还需要1-2年。虽然现在已经基本解决了动作幅度控制、稳定性和物理运动的合理性问题，但仍然有不少技术难点：
1.角色一致性：在多个镜头切换时，AI难以保证角色的外观、服饰和特征的一致性，容易出现漂移或变形。为了规避这一硬伤，AI视频的主角倾向于选择动物为主角。相比人类的五官控制，动物的特征较为模糊，观众对其细节变化的敏感度较低，从而降低了角色不一致带来的视觉冲击。
2.多角色场景控制：AI在多人互动的场景中表现仍然不稳定，特别是在复杂剧情或交互需求较高的内容中，容易出现不自然的行为或空间错位。
理论上，AI应当能确保多个角色在同一画面中的位置关系、动作协调，同时防止角色特征相互污染。然而，受限于现有技术，AI生成的视频仍然以单角色为主，以减少潜在的混乱情况。这是因为当前的生成模型在角色关系和互动逻辑方面的理解较浅，难以处理多角色间的动作衔接和场景适配。
3.动作轨迹精准控制：目前的AI生成视频在长时间的运动过程中，仍然难以精确控制角色的动作轨迹，使得部分动作显得不够流畅或缺乏物理合理性。当前AI主要能够控制角色在空间中的位置移动和运镜的变化，但在动作的动态调整方面仍然存在问题。
这是因为AI模型缺乏对真实物理运动规律的深度模拟，导致在复杂动作（如奔跑、跳跃、旋转）中，角色的惯性、关节角度变化和落地缓冲等细节难以精准呈现。例如，在跳跃时，AI可能无法正确计算角色的起跳高度和落地缓冲，导致动作看起来僵硬或不自然。
内容质量
过去一年，AI视频作品的数量激增，视觉质量已接近专业水准，部分AI账号积累了10-30万粉丝，但极少有账号突破百万级别。和短视频平台推荐策略产品负责人交流，平台本身没有刻意打压AI视频，流量问题主要受限的主要原因在于3秒完播率偏低，影响了推荐算法的权重分配，进而限制了流量获取。
核心问题在于AI生成视频缺乏叙事能力，内容节奏松散，分镜编排不符合短视频平台的快节奏消费模式。许多AI视频依赖相似的模板和风格，导致内容高度同质化，用户的新鲜感迅速衰减，降低了完播率和互动率。
相比图片AI，用户更多在私域分享个人或家庭照片，而AI视频因制作成本较高，主要依赖公域流量变现。目前，短视频平台的推荐逻辑高度依赖用户行为数据，如完播率、互动率、复播率等，而AI视频在这些核心指标上的表现普遍低于真人创作内容。主要问题在于，AI视频的叙事结构较弱，难以建立有效的情绪节奏，导致用户流失；剪辑节奏不够快，不符合短视频平台“短平快”的消费习惯；内容趋同化严重，大量视频依赖相似的模板和视觉风格，缺乏差异化竞争力，难以形成用户粘性。
理解短视频创作
AI视频模型正在重塑短视频的制作流程，但目前主要影响的是分镜生成部分，而完整的视频生产流程仍包括多个关键步骤：
- 选题策划：深入分析市场趋势，浏览热门视频，结合当下热点和受众需求，筛选出具有吸引力的内容方向。
- 脚本设计：构建清晰的故事框架，设置冲突点和吸引力，确保情节流畅并符合短视频的快节奏特点。
- 分镜生成：借助AI工具快速生成不同镜头的画面，包括构图、摄影视角、角色布局，提升视觉吸引力。
- 视频合成：将静态分镜转换为动态画面，优化角色动作逻辑，使场景衔接更流畅，同时调整镜头节奏，符合短视频的快剪辑风格。
- 音频合成：配上流行的背景音乐及音效，增强氛围感，使视频更具沉浸体验。
- 前3秒优化：短视频的前3秒至关重要，需要突出亮点画面、制造悬念或使用强视觉冲击的画面，以吸引用户停留并提升完播率。
目前，AI工具的未来发展方向将逐步拓展至更多制作环节，但仍无法完全取代创意策划和剪辑优化。选题、脚本编排和节奏控制依然是短视频创作的关键，它们决定了内容的吸引力、传播力以及商业变现的潜力。未来，AI或许能够大幅提升创作者的工作效率，提供辅助创作的工具，但真正决定AI视频是否能获取更好的流量，仍是精准的选题策略和高质量的内容制作。
使用门槛及模板化
精准撰写Prompt仍然是AI视频创作的一大门槛。大多数用户对风格、运镜、构图等视觉元素缺乏专业理解，难以精准描述想要的画面，导致生成效果与预期存在较大偏差。由于AI模型高度依赖Prompt输入，表达能力的欠缺直接影响最终视频质量，而当前AI工具的控制维度仍较为有限，进一步加剧了这一问题。
降低创作门槛是推动用户增长的关键。以我在2019年快影的增长经验，非专业用户在学习视频剪辑时，往往对转场、配乐等概念感到困惑。为了扩大用户群体，最有效的方式是降低学习成本。视频模版化成为最优解，用户只需上传素材，即可快速复用现有视频脚本的配乐、特效等元素。这一策略使快影在3个月内日活跃用户从100万增长至400万，并通过短视频生态构建了稳定的增长闭环。
AI视频可能会借鉴这种成熟的增长模式，让视频模版成为引流工具，引入优质创作者丰富内容生态，同时推动创意视频脚本的开发，探索新的玩法，以吸引普通用户主动使用AI视频产品。这一运营模式要求团队具备强大的执行力，不仅要对热点趋势保持高度敏感，还需深刻理解视频模型的优势与局限。同时，通过头部创作者的带动，建立内容生态，吸引普通用户参与，形成可持续的模版化内容增长体系。
成本瓶颈
当前AI视频的生成成本仍然偏高，主要应用场景集中在广告、影视等资金充足的行业。对于普通用户而言，高昂的生成成本成为普及的主要障碍。例如，Runway生成1秒视频的成本约1元，而可灵的成本约0.4元/秒。然而，考虑到AI视频的可用性通常在50%左右，创作者往往需要多次生成才能得到符合预期的内容，这意味着实际成本可能翻倍。因此，生成一个10秒的视频成本可能在8-16元之间，而1分钟的视频可能达到50-100元。
目前，只有资金充足且商业模式成熟的影视和广告等行业，才能负担AI视频生成的高昂成本。这些行业通常拥有较高的内容制作预算，并且对高质量视频有稳定的需求，因此能够承受现阶段AI视频生成的高投入。
要让普通用户真正高频使用AI视频模型，成本必须大幅降低。只有当10秒视频的生成成本降至0.1-0.5元的范围，普通创作者才可能广泛采用AI技术进行批量化内容生产，推动AI视频的规模化应用。
垂直模型
当前视频模型主要以通用模型为主，期待视频模型会进化出面向向广告和动画等垂直化模型，满足在风格、分镜、动效等方面的需求差异显著。
广告视频通常强调高冲击力的视觉呈现、品牌一致性、短时信息传递的高效性，因此分镜设计更加紧凑，镜头语言服务于品牌塑造和产品推广。例如，广告视频往往采用快节奏剪辑、大特写、快速推拉镜头，以增强视觉冲击力。同时，广告内容需要通过垫图展示品牌元素，确保品牌露出的一致性，强化观众的品牌记忆。此外，广告对产品的呈现方式要求极高，颜色、光影、产品角度需保持精准，以确保所有内容符合品牌调性。
而动画视频更加强调叙事连贯性、角色情感表达和视觉风格一致性，这使得其镜头语言与电影存在显著差异。动画的分镜通常包含长镜头、平滑过渡、镜头运动缓慢，以增强沉浸感。此外，动画镜头的动作设计往往更为夸张，如角色表情的极端变化、放大的动态特写、以及具有极强视觉冲击力的爆炸、冲击波等特效，这些在电影镜头中通常会被弱化，以追求更符合现实物理规律的表现。
在传统领域，视频剪辑软件（如Adobe Premiere和DaVinci）和动画制作软件（如Toon Boom和Maya）是两种完全不同的工具，核心功能存在显著差异。视频剪辑软件侧重于素材拼接、剪辑节奏、音画同步等功能，强调对已有影像的加工和优化，而动画制作软件则关注逐帧控制、角色运动曲线、特效合成等，强调从无到有的动画生成过程。视频模型要想真正嵌入传统影视或动画的工作流，必须在分镜生成的逻辑和风格上进行适配优化。
对于创业公司而言，专注于垂直化模型能更快建立竞争壁垒并提升商业落地效率。专注于行业需求，创业公司可以在细分市场内优化生成质量，降低制作成本，并提升生产效率。针对性的模型训练和参数微调，不仅能提高AI生成内容的专业度，还能帮助企业建立技术壁垒，占领行业领先地位。
总结
综上描述，AI视频模型能否迎来真正的爆发，我认为有这些关键信号：
- 角色一致性与物理运动逻辑的突破：解决跨镜头角色特征漂移问题，提高长时间视频中的稳定性，使AI生成的视频达到专业级别的连贯性。
- 生成成本显著降低：成本下降至当前的1/10，使普通创作者能够大规模使用AI技术生产内容，实现高频应用，而不仅限于高预算的影视和广告行业。
- 头部账号探索出更优质内容：细分内容分类中涌现百万级AI视频账号，并能实现持续增长，证明AI视频具备市场竞争力，突破当前完播率低和脚本同质化严重的问题。
- 垂直化模型的深度优化：针对动画等不同应用场景，优化风格、分镜、动效，使AI生成的视频更符合行业特点。