作者｜Moonshot
编辑｜郑玄
最近，影视飓风开始进入 AI 影视赛道，选择与 TapNow 推出一套 AI 影像创作教程。
一套教程的出现，本身就是个信号，它说明AI 影像正在走出「展示奇观」的阶段，开始形成可以被讲解、学习和复用的创作方法。
被教程吸引进来的，也未必都是准备拍电影的人。
车企、游戏公司和消费品牌都在增加视频内容的使用：产品发布需要概念片，游戏上线需要世界观短片，市场部门则要持续生产品牌视频、更新社交媒体。
对这些团队来说，AI 影像正在从一项新技术，变成工作里可以调用的制作能力。
一条完整的视频还要经过创意开发、视觉设定、分镜、素材生成、修改和剪辑。视频一旦从十秒左右的镜头走向完整作品，人物、场景和前后决定都要保持连续，原本分散在不同工具里的问题也会同时出现。
观众看到的是一条视频，但创作者面对的是一个项目。AI 影像已经不缺会生成的工具，缺的是一套能把项目做完的系统。
为此，TapNow 推出了 Creative OS，并将其定位为「世界首个 AI 原生创作系统」，平台的创作者们也把它类比为「创作界的 Codex」。
但 AI 影像，为什么开始需要一个操作系统？
01
AI 视频的真实落地
要回答这个问题，让我们先回到真实的创作场景里。为了理解 Creative OS 怎样进入真实生产，我实际体验了两个差别很大的项目，也带着一篇多年没有拍出来的短片剧本，观察它在专业影视上的能力边界。
第一个是准备改成自媒体视频的想法，只有一个大概方向，还没有发展成脚本；
第二个是已经立项的内容工作，时长、形式和更新频率基本确定；
第三个是我写完的短片剧本。因为拍摄成本和精力限制，一直停留在文字里。
一个念头、一项工作和一篇剧本，刚好构成了 AI 影像进入真实生产的三个台阶：先进入个人内容创作，再进入企业内容生产，再最后尝试承接电影级表达。
传统 AI 视频产品通常默认用户已经想清楚了。打开工具后的第一步，就是输入 Prompt。但要写出一条准确的 Prompt，我得先确定人物、剧情、叙事方式和视觉风格，再把这些内容翻译成模型能够理解的语言。
可问题就在这里：如果我已经能把一切描述清楚，最困难的创意阶段其实已经结束了。
对于刚开始尝试 AIGC 的用户，这一步是劝退级的门槛。但 Creative OS 里的 Brainstorm 提供了另一种起点。
Brainstorm 不会直接把一个模糊想法生成视频，而是沿着现有方向继续发散，带着我把还没想清楚的问题拆成人物设定、叙事方向和视觉方案，再给出几组可以选择、修改和继续追问的提案。
这也让我看到了 Brainstorm 对非专业用户的价值。
自然语言处理让 AI 听懂了人的想法，Brainstorm 则是反过来，把视听语言里的专业问题，翻译成普通用户也能看懂的方案。它让 AI 听懂「外行」，也让「外行」看懂内行在判断什么。
用户不需要先学会景别、运镜和用光，才能迈进创作的第一步。专业判断依然存在，作出判断的人也仍然是用户，只是一个模糊想法终于有了继续往下发展的路径。
Brainstorm 的前期推演同样适用于企业内容。像是产品发布、游戏宣发和品牌活动，往往都从一个传播目标为起点，再逐渐长出视觉概念和视频方案。
当方向讨论清楚后，Agent 还会把前面的创意直接整理成一个对外展示的网页。省掉了把聊天记录重新整理成提案的步骤，可以直接进入汇报、评审和客户沟通环节。
Brainstorm 解决了「怎样开始」的问题。接下来要解决的，是怎样把一套方法稳定地重复下去。
02
让 AI 进入已经运转的工作流
第二个项目，是一个脚本结构、视频时长和更新频率都已经确定的内容项目。
目前项目进展了很多期，但我面临着特别现实的问题：人已经找到方法，AI 却没有把它记住。这也是很多打工人和 AI 协作共创的常态。
每换一篇新脚本，我都要重新说明画面风格、怎样拆解剧情、怎么运镜……即使工作内容高度相似，我和 AI 的沟通仍然要从头开始。
Creative OS 里的 Skill 解决的就是这个痛点。
我在 TapNow 里完成第一条成片后，就可以把这套流程封装成一个 Skill。之后，我只需要在新窗口调用它，再输入一篇新的脚本，Skill 就会沿着之前的画风、改编方法和制作步骤自动推进，我只需要检查结果，再处理这一期内容里的特殊部分。
一套方法能够被重复以后，AI 才真正有机会进入日常工作，毕竟对于需要持续更新的内容项目来说，稳定地做出第二条、第三条，往往比偶尔生成一条效果出色的视频更重要。
而在工作场景里，一个项目也很少只由一个人，在一个平台里单独完成，往往要经过策划、设计、视频和客户审核，在多个同事和软件之间流转。
于是 Creative OS 做出了 Plugins（插件），让 AI 可以直接进入这些已经存在的工作资料。
设计师可以从 Pinterest 挑选参考图，确定发布会的视觉风格；负责视频的同事也可以使用同一批资料，完成发布会预热视频；客户新的要求还可以从 Slack 同步；视频进入审核阶段，还可以通过 Frame.io 完成批注和版本确认，最终成片可以放到 Vimeo 管理、分享和展示。
在过程里，Brainstorm 还能辅助策划，提供更丰富的视觉方案；如果品牌已经形成稳定的视觉规范和内容方法，可以继续把它们保存成 Skill 复用。
原本需要多个软件、多个岗位反复协调的工作，在 Creative OS 里变成了一条连续的生产线。
从 Brainstorm 到 Skill 再到 Plugins， Creative OS 超越了单一的 AI 影像，深入到了更泛化的内容工作场景。
这种场景对应着一群数量更大的用户。TapNow 面对的企业用户，往往分布在品牌、市场、游戏发行和产品传播团队。他们很少把自己称为影视创作者，却在持续生产视频内容。
因为做方案、找参考、出物料、剪视频和完成跨部门协作，就是工作的一部分。
对他们来说，TapNow 不只是影视工具，也是一套从策划走到影像的创作工具。
专业影视项目有明确的行业边界，企业里的产品传播、品牌活动和内容更新却每天都在发生。
Creative OS 能覆盖多少这样的工作，构成了 TapNow 的应用广度，象征了 Creative OS 的横坐标。
另一条纵坐标，是它在自己最擅长的 AI 影像领域，究竟能走多深。
03
AI 横店，一套 AI 创作系统的专业上限
第三个项目是一篇多年没有被拍出来的短篇剧本。它对 TapNow 的要求最高，因为剧本影视化涉及人物、场景、镜头、表演、声音和剪辑。
受限于体验时间，我没有把它从剧本完整跑到成片。但这次体验让我观察到 TapNow 为复杂影像项目准备了哪些能力。
打开 TapNow 时，最先吸引我的，是首页那批极具电影感的样片。
其中不少作品长达五到二十分钟，有人物，有场景，也有完整的情绪和叙事，在篇幅上已经进入电影短片的范围。
这些作品展示的不只是画面质量，也在展示 TapNow 能够把 AI 影像推到多高。
模型、专业 Prompt、角色资产、Skill、3D 场景和镜头工具，被 TapNow 集中在同一个平台里。为了理解这种密度，我把 TapNow 看成一座「AI 横店」。
剧组经常在横店扎堆，因为场景、群演、服装、道具、器材和制作班底都聚集在那儿。剧本需要一条古代街道，或者临时增加一场夜戏，制片团队能迅速找到相应的资源。
TapNow 也在尝试搭建类似的环境。
平台提供了大量的视频模型，因为模型决定了画面能够达到的高度。但模型越多，创作者越难判断什么时候该用哪一个。
比如同样是一条视频，汽车高速行驶的镜头和游戏角色的表情特写，对模型的要求完全不同。
Harness Layer 会根据具体任务，准备更合适的模型、专业 Prompt、参考资产和生成方法。它就像一名熟悉所有制作部门的制片人，用户提出画面要求，它负责安排合适的班底。
这套匹配能力也来自 TapNow 与模型供应商的前置合作。
在新模型正式发布前，双方就会针对具体场景沟通，提前调整 Prompt 和 Agent 工作流。等模型上线，用户调用的模型是已经优化好的方案，发布后就能丝滑使用。
3D 虚拟片场解决的是另一个问题：怎样把镜头放进一个稳定的空间里。
它可以把一张场景图，搭成一个能够进入和拍摄的空间。底层的世界模型还会推算出图片之外的部分，让摄影机能够向前走、转到侧面，或者拍摄原图里没有出现的角度。
这功能很像先搭好一座可以反复使用的虚拟摄影棚。
车企可以围绕同一个展厅和产品空间制作不同机位的宣传镜头，品牌想要制作的横屏宣传片、竖屏短视频和发布会物料，都能从同一个空间里取景。
场景搭好以后，TapNow 的多角度和镜头切分功能再负责「拍」，可以围绕同一个场景生成不同机位，再把一个连续动作拆成一组镜头。
因为真实片场也不会只拍一个机位。导演会准备全景、中景、特写和反打，给后期剪辑留下重新组织场面的空间。
视频剪完后，过去还要再花一轮时间单独处理声音。
TapNow 新接入的视频原生 AI 声音模型 Sonilo Sound Effects 1.0 就能识别视频里的动作和场景，自动补上动作声与环境声，并把时间点对齐。
再配合 Sonilo 的音乐模型，上传一次视频，配乐和声音设计就能一起完成，用户可以直接拿到一个声画完整的版本。
这些视听能力也不只服务 AI 电影。
产品广告里，需要准确表现产品、空间和运动镜头，游戏宣发视频里，要维持角色与世界观的一致性。这些低频却关键的能力，决定了 TapNow 能否承接复杂、专业、高规格的影像项目。
而一套 AI 影像系统的专业上限，最后还是要由作品来证明。
04
AI 视频的商业化，可能先发生在一到十分钟之间
长片电影仍是 AI 影像最远的目标。但在现阶段，AI 视频的「工业化」和「商业化」，可能先发生在一到十分钟之间。
十秒 Demo 太短，只要一个镜头足够惊艳，人物有没有变化、空间能不能接上、故事是否成立，都可以暂时藏起来。
九十分钟的电影又太长，它会同时考验长叙事、制作管理、算力成本和发行体系。现阶段，大多数 AI 团队还很难承担这一整套压力。
一到十分钟的中视频刚好处在中间。它足够长，人物、场景、风格和节奏都要经得起时间检验；它也足够短，个人和小团队仍然承担得起试错；它还刚好是品牌短片、MV、动画和自媒体视频的长度舒适区，已经有成熟的发布渠道和明确的内容需求。
AI 视频最早形成规模的地方，很可能就在这里。
市场也证明了这一点，目前国内超过 70% 的车企、部分头部的游戏厂商，都在把 TapNow 纳入产品传播、游戏宣发和品牌内容中的固定生产环节。
当 AI 开始进入有预算、有流程、有交付要求的项目，AI 影视的工业化就有了更具体的尺度。
创作者敢不敢给出报价和工期？客户能不能提出修改？团队做完这一条以后，还有没有能力继续制作下一条？
当这些问题都有稳定答案，AI 视频才能变成一个行业，一门生意，它也会拥有一套比「效果展示」更具体的评价标准。
当 AI 视频从一个镜头走向一部作品，平台的竞争方式也会跟着改变。
第一轮竞争看的是模型和功能。谁接入的模型更多，画布更灵活，工作流更完整，谁就能吸引创作者。这些能力今天仍然重要，但正在逐渐成为 AI 视频平台的基本配置。
下一轮竞争，要看平台能不能持续产生完整作品，它能承接多复杂的项目，能不能让创作者从一个想法走到交付，又能不能聚集一批愿意长期使用这些专业能力的人。
TapTV 上不断涌现的中短片，就是一种答案。大量的优秀 AIGC 创作者在 TapTV 上分享制作过程，作品可以传播，方法可以学习，一些内容也借由 TapNow 引荐，开始进入专业展映和行业活动。
当这些经验继续回到新的项目里，TapNow 积累的就不再只是一组功能，还包括创作者、作品和逐渐形成的专业标准。
至此，文章开头的问题「AI 影像为什么开始需要一套操作系统？」也有了答案。
当创作停留在一次生成，一件工具就够了。项目开始变长以后，创意、资料、人物、场景、镜头和团队协作会陆续加入，还会在反复修改中不断变化。它们需要围绕同一部作品保持联系，也要沿着前面作出的决定继续推进。
Creative OS 处理的，正是从「想法」到「项目」的全过程。
从影视飓风推出教程，让普通用户第一次接触 AI 影像，到 TapNow 提供完整的创作环境，再到 TapTV 展示作品和工作流，最后进入电影节与行业活动。
TapNow 正在搭建一条从入门到专业创作，从一个想法到一部作品，全链路能跑通的路径。
两端之间那段漫长的制作过程，就是 TapNow 希望用 Creative OS 覆盖的位置。
* 头图来源：TapNow
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你如何看待 AI 影像创作？
