一、從 “哇塞” 到 “心累”，初期體驗的確很震撼

SEO小平抱著 “當(dāng)數(shù)字導(dǎo)演” 的期待點開 Sora 2，第一支隨機生成的視頻就讓我驚掉下巴：OpenAI的山姆奧特曼的中文普通話對話和口型嚴(yán)絲合縫，窗外雨聲混著杯碟碰撞聲，細節(jié)逼真到能看見玻璃上的水霧。那時候我覺得，這 AI 視頻簡直是魔法。

人物在視頻從頭到尾的人臉一致性，行走，運動的邏輯性都是很合理的。這個是值得表揚的。

但是，整個視頻要表達的意圖，就差點意思了。

直到我想復(fù)刻腦海里的場景 ——“一個工廠的外貿(mào)業(yè)務(wù)員從工廠大門往辦公室走，鏡頭要跟隨這個外貿(mào)業(yè)務(wù)員一起運鏡到公司前臺，前臺有xxxx公司的公司形象墻..... ”。 這是我們外貿(mào)工廠通常的公司介紹的拍攝手法，結(jié)果試了6個視頻，越搞越離譜。心累。

刪掉視頻時指尖都帶著火氣：明明描述得很清楚，怎么就成了 “四不像”？

通常這種情況我們認(rèn)為是“AI幻覺” ，問題在于我們的提示詞不夠精細，我都有豆包AI和Gemini 還有ChatGPT 三種AI工具寫了系統(tǒng)的提示詞了，提示詞非常詳細，為了10秒鐘的視頻，每次提示詞的上下文長度都是1500字到2009字的系統(tǒng)提示詞。

結(jié)果還不行，生成的視頻和預(yù)想的相差甚遠，根本不敢拿來發(fā)布。

二、AI 的 “盲盒體質(zhì)”，藏著技術(shù)的無奈

浪費了兩天時間小小的總結(jié)一下，才發(fā)現(xiàn)問題不在 AI “笨”，而在我不懂它的 “邏輯”。

和生產(chǎn)圖片的AI工具一樣，Sora 2 的核心技術(shù)是潛在擴散模型，本質(zhì)是從隨機噪點里 “猜” 出符合指令的畫面。就像讓畫師閉著眼畫肖像，沒明確要求時，隨便畫張五官端正的臉都算成功；可一旦指定 “丹鳳眼、白衣飄飄、回眸一笑的嬌羞女子”，任何細節(jié)偏差都會讓人失望。

更關(guān)鍵的是，為了降低計算成本，AI 會在 “壓縮空間” 里工作，這必然會丟失細節(jié)信息。圖片生成丟點細節(jié)或許能忍，但視頻里 “公司的形象墻變透明” “電腦屏幕有詭異的光影”，這些違背現(xiàn)實邏輯的 “幻覺”，恰恰戳破了我們對視頻真實性的高期待。

最后想說：AI 是 “合伙人”，不是 “代筆”

其實和我們使用AI工具寫文章一樣，AI不能一步到位做出成品。但是AI寫的文章的話，文字我們還可以做出部分修改，把我們要的觀點，直接寫入文章之中。視頻AI生成的話，沒辦法修改中間部分，只能重新生成一個新的視頻，挺浪費時間的。所以現(xiàn)階段我還是認(rèn)為自己來拍攝視頻的話更能準(zhǔn)確表達我們的意圖，更節(jié)省時間。AI的確是快，而且節(jié)省金錢成本，但是總是“天馬行空”生成一堆“意圖表達不準(zhǔn)確的視頻”，這樣的視頻根本不能做商業(yè)拍攝使用。

現(xiàn)在再看 Sora 2 生成的視頻，我不再期待它 “完美復(fù)刻想象”。就像當(dāng)年攝影師剛出現(xiàn)時，畫家沒覺得被替代 —— 工具永遠是放大創(chuàng)造力的武器，而非創(chuàng)造力本身。