八支样片里的 AI 动态视频长什么样
本文看的是用动态视频(Motion video)做出的八支样片,这也是本页背后的功能。其中七支 30 秒,一支 45 秒;六支是 16:9,两支是竖版 9:16。每份回放都完整保留了对话,包括智能体指出问题的地方。
八支里有七支的流程相同。请求以“Show me the plan first.”结尾。智能体带着分镜脚本回来,并说明还没有渲染任何内容。用户回复方案没问题。这之后才写出视频,在动态面板里预览,再导出带音乐的 MP4,需要时还带旁白。Little Planet 不一样:它是为用户自己的歌做的音乐视频,智能体会先要这首歌的音轨。八份请求里有七份写明不要照片。
八支样片对照
下面的数字都取自回放中的记录。“版本数”是每份回放里保存的版本数量,所以版本数为 2 的样片,在第一版之后改过一次。
| 影片 | 风格 | 画幅 | 时长 | 版本数 | 声音 |
|---|---|---|---|---|---|
| Twenty questions find any number up to a million | kinetic-poster | 16:9 | 30 秒 | 2 | 音乐和旁白 |
| How compound interest snowballs | scribble-world | 16:9 | 30 秒 | 3 | 音乐和旁白 |
| A penny that doubles every day | collage-zine | 16:9 | 30 秒 | 2 | 音乐和旁白 |
| $1M in NVIDIA: 2020 → today | chart-ascent | 16:9 | 30 秒 | 1 | 音乐,无旁白 |
| Introducing Orrin One | dark-launch | 16:9 | 30 秒 | 1 | 音乐,无旁白 |
| One Sheet, One Crane | folded-beasts | 9:16 | 30 秒 | 2 | 音乐,无旁白 |
| Pour-over coffee in 5 steps | midcentury-flat | 9:16 | 30 秒 | 1 | 音乐,无旁白 |
| Little Planet, Paper Stars | storybook-character | 16:9 | 45 秒 | 1 | 用户自己的歌 |
数据故事类请求是怎么写的
有四支影片是 AI 动态视频形式的数据故事,它们的请求有共同的写法。复利那份请求写了“Use only the numbers below, copied exactly”,并补充说智能体不得搜索、添加或估算任何其他数字。随后逐一列出每个数字:10,000 美元,年化 7%,10 年后是 19,672 美元,20 年后是 38,697 美元,30 年后是 76,123 美元。硬币翻倍和二十个问题那两份请求,对各自的数字也是同样的做法。
这些请求还在开头就写明画幅和时长(16:9,30 秒),说明不要照片,并用画面上的内容来描述风格:蜡笔画的雪球滚过三块路牌,或者撕纸做的硬币在每一页上堆得更高。有旁白的,请求会把确切的台词放在引号里,并说旁白说的是“exactly this and nothing else”。没有旁白的,请求也会写明。NVIDIA 那份请求要求只放音乐,并把唯一的提醒,即不含股息,放在角落的小字里,而不是主画面上。
还有一个习惯值得学。其中三份请求把最后一个镜头标为自成一体,这样以后可以单独修改它。
只改一个镜头,不重做其余部分
三支有旁白的影片在第一次导出后都被修改过,而且每支的第一次修改都只要求改最后一个镜头。在二十个问题那支里,第一次导出带回了自动检查的一条提示:最后一个镜头里,“20 questions”和“one at a time: up to 1,000,000 questions”这两处文字没有按要求显示。智能体问是否要修。用户却要求换一个不同的最后镜头:“30 questions”配“one at a time: up to 1,000,000,000 questions”,下面写“2 to the power of 30 is 1,073,741,824”。智能体保存了第 2 版,说明其他所有镜头、旁白和音乐都没有动,并再次导出。它还说明,检查仍然指向旧的文字,也不认识新的数字,因为事实清单在第一版时就定下了。
在复利那支里,用户先是要求把 5% 的对比雪球改成每年 3%,标注为“3% a year · $24,273”。第二次修改要求对比雪球在 26 秒前完整出现在画面上,并一直保留到结束。在硬币那支里,大数字下面的小纸条改成了“$100,000 a day · $3,000,000”。这一支的第一次导出已经被标出问题:“$0.01”“$5.12”“$5,242.88”“DAY 1”和“DAY 10”这几个标签在画面上读不出来。修改之后,智能体重申这五个标签仍然缺失,并提出来修。回放到此结束,没有显示后续修复。
没有数字的风格:发布片、纸鹤、咖啡教程
三支非数据类影片展示了同样的流程面对别的需求时会怎样。“Introducing Orrin One”是为一台虚构的口袋电子阅读器做的,请求很长也很具体:设备至少占画面高度的 40%,垂直居中,从第一帧起就可见,三条事实用同样特大的字号排版。方案的回应是一份镜头清单,外加一份它不会做的事情的清单。录制说明里写着这是第三次录制;第一次太暗、太小,第二次有一段空白,结尾卡片也太淡,两次都没有发布。
“One Sheet, One Crane”是一支 9:16 的氛围片,最多四条短字幕,没有事实内容。智能体导出时带了渲染检查的两条提示:纸鹤在 28.3 秒碰到右边缘,智能体说这是纸鹤按要求飞出画面;最后一刻桌面是空的。随后用户要求纸和纸鹤约占屏幕高度的一半,木纹更平静一些,于是导出了第 2 版。
“Pour-over coffee in 5 steps”是一支 9:16 的教程,五个步骤和数字(15 克、30 克、240 克、约 3 分钟)都来自请求,智能体没有添加任何内容。导出检查指出最后一个镜头里有一条空的竖向色带,约占画面的三分之一。智能体提出来填上。录制只保留了第 1 版,说明里写着更早的一次尝试曾三次停在验证器不接受的分镜脚本上,什么也没做出来。
回放里看到的积分与耗时
回放里只出现了少数几个积分数字。NVIDIA 那支的分镜脚本附带了整支视频 1,840 到 2,960 积分的估算,预期值为 2,177,并说明按实际用量收费。分镜脚本这一步本身显示扣了 144 积分,镜头阶段 445,最终写作 0。成片的总额没有出现。
“Little Planet, Paper Stars”是那支音乐视频。用户要求为自己的一首歌做一支音乐视频,智能体说它需要音轨、起点、10 到 45 秒之间的长度、画面风格和画幅。智能体估计写出视频大约要十分钟。第 1 版保存时记录的扣费是 1,105 积分,从歌曲的第 33 秒开始,也就是副歌开始的地方,时长 45 秒,风格是 storybook-character。导出为 1920×1080,声音是那首歌,没有烧录歌词。
使用成果前要检查什么
做 AI 动态视频时,回复之前先读分镜脚本。这是唯一一个还什么都没做出来的节点,里面的数字、标签和台词,就是视频将要呈现的内容。动态视频(Motion video)面向付费套餐,时长 6 到 45 秒,画幅可选 9:16、4:5、1:1 或 16:9,你给出的名称、价格和数字就是视频要写出来展示的内容。
然后读智能体在每次导出后的说明。在这些回放里,智能体会报告自动检查指出的问题,比如缺失的标签、空白色带、碰到边缘,或与原始事实清单不一致,并把选择权留给用户。预览时就盯着这些位置看。如果你在第一版之后改了某个数字,要预期检查会拿旧清单来比对,二十个问题和硬币那两支就是这样。
最后,开着声音打开 MP4,对照你的资料逐个核对每个数字。复利几支的导出文件每个约 111 MB,影片的说明称这对手机来说太大了。





