現在用 AI 拍片這麼便宜，我們是不是該學點電影了？

用 AI 拍片，創作者仍要決定自己想說什麼，以及希望觀眾從一場戲裡感受到什麼。AI 可以協助寫劇本、安排動作、生成畫面；我得判斷這些提案是否在說我想說的故事。

坦白說，我們在準備這隻動畫的過程中，人類介入的時間不到一個小時，角色定位甚至是後來臨時補的。乃至於在劇本上我們團隊只有臨時說了句：「就 Ocen's Twelve 那個調調。」我們沒有要展示什麼很屌的武打片（ 多數 AI 生成的武打片看著就是一群沒有武術學習經驗的創作者設計的 ），我們想知道， AI 工具到底節約了什麼樣的成本？有了 Seedance 2.5、Minimax H3、Wan 3等等影片生成模型之後，普通人到底能躍遷到什麼程度？

劇本：我們省略了，直接設計每個 shot 的動作，例如 Episode 1 中 Biwa 丟門卡給 Suseka 那樣婊里婊氣的行為是為了建立 Biwa 的角色設定。

世界觀：這個是我們花最多時間的地方，Episode 1 & 2生成了多個版本之後，我們才叫 Codex 趕緊設計地圖，不然 Seedance 2.5 的自由發揮就會變這樣：

早期生成版本，原片 10–13 秒。

你有看過什麼物理力學可以從讓 Biwa 這個方向拋到 Suseka 腳邊嗎？

早期生成版本，原片 0–3 秒。

kai miren 消失在門前？？？這要人類畫師來畫都畫不出這麼精美的特效。

音效：直接省略，suno 的音效提示詞我們半年前在那邊抽卡抽到信用卡爆了。 配音：奪寶哪那麼多台詞？其實也是我們直接省略了。

影片生成模型是能遵照用戶的意志（提示詞）來實現，從藝術層面而言，畫面並不需要被牛頓的蘋果所束縛。但問題是，會寫提示詞再搭配開源模型，是不是就可以去報名奧斯卡了？

AI 工具已經能降低 filmmaking 的門檻，但創作裡最根本的工作仍然存在。我們想透過實際做完一支影片，把工具替我們做掉的工作，以及最後仍然要自己決定的事，分開看清楚。

好萊塢的編劇為什麼要罷工？

我們最早建立的影片工作流就是跳過了創作創作，這還真不是看一般人沒有，而是雕琢劇本在這種創作過程中是不符合成本效益的。但是，每個 beat 要發生什麼事情是不可跳過的。觀眾可以不看劇本就能看懂電影，與其寫一段劇本來描述 Biwa 為什麼總是婊里婊氣，不如就乾脆讓她丟卡片。但她不是真的婊里婊氣，所以還是讓她撿起卡片，並且交給 Meihua 。

在我們團隊所定義的角色關係中，Meihua 是 Ep 1 三人組的老大，承擔智囊的角色、Biwa 是關鍵輸出（偷來的卡片），經驗豐富，臨危不亂、Suseka 是剛出道的菜鳥，是 Serelya 的妹妹。

但是，視頻生成模型壓根不在乎你的人設，我們也建議用戶不要浪費時間在提示詞描述人物關係，動作的描述就是你的提示詞、用清楚的動作、描述動作因果關係，這些才是提示詞要看的。（我們在〈Seedance 2.5 Prompt Skill 到底管什麼？〉裡，也拆過怎麼把抽象意圖整理成可拍的動作。）

後來我們通過了 Previz 給 Seedance 2.5 做鏡頭、機位的指引之後，AI agent （ codex astra max ）專注在提示詞的撰寫，後續我們抽卡的頻率直線下降，Ep3 - 8，基本是一次過。

這讓我們不禁想起早些年好萊塢編劇罷工事件，在未來的影視劇工業，當一段畫面的製作成本低到接近 X 軸的時候，編劇這個角色是不是會再度面臨價值鏈上分配不均的狀況？在我們製作的過程，團隊花最多時間是定義畫面，而不是在影片在文本上的樣貌。

若你是小團隊，腳本、人設、試拍在適當的提示詞撰寫後，只需要大概5分鐘吧，Seedance （你要用開源模型例如 Wan 2.2 也可以，成本更低，只要你買得到 5090 還可以更快）就可以提供一段畫面作為評估。

未來的影視劇工業，大的我們不敢說。但對小團隊而已，基於提示詞的互動式創作是影片類型內容製作的最小執行單位。

影片生成模型的下限是用戶想像力的上限

「就 Ocean's Twelve 那個調調」可以幫我們找一種氛圍，讓幾個人分工、接力，把一件事做成。但拍到這張門卡時，還是得回來決定：我們希望觀眾怎麼看 Biwa？

Ep 1 shot 1 在 16 - 19秒的提示詞：「MeiHua 先看向走廊靠牆的 Biwa，再低頭看卡套，視線繼續落到地上的門卡，神情從無奈轉為明白。」

EP1 Shot 1，原片 16–19 秒。這支原片對應較早版本的提示詞，其中寫的是「先看biwa、再看手中卡套上的號碼」。

為什麼紅果短劇在短時間內能吸引這麼多用戶？是劇本癲狂嗎？是模型很厲害嗎？ 是的，就是因為模型很厲害，但為什麼厲害？因為各個工作室就是在付了一堆錢給字節跳動之後，知道怎麼調用模型的能力。

你想要角色偷笑？

提示詞節錄：

Biwa 靠著牆看著門前兩人連按三次失敗，嘴角揚起一抹偷笑。

EP1 Shot 1 的較早生成版本，原片 9–10.5 秒，節錄 Biwa 嘴角上揚的表演。

你想要各種剪輯手段？

這支影片實際送出的提示詞：

0–5 秒｜分割畫面（split screen）：左格的 Biwa 閱讀文件夾中的文件，右格的 Suseka 低頭看向腳邊的門卡；兩人同時抬眼，隔著中央分割線對視。段末分割結束，回到完整的單一畫面。

EP1 Shot 2，原片 0–5 秒。分割畫面是模型直接生成的；這次也有提供 previz，作為左右構圖、動作與鏡頭的參考。

模型都做得到，歡迎來到 Vibe Video 的年代。

普通人可以開始拍片，也得開始學電影

對小團隊來說，現在最方便的事情，就是有想法可以直接試。Biwa 要偷笑？試一下。兩個人隔著分割畫面互看？也試一下。幾分鐘之後，大家就有一段畫面可以討論，不用繼續在腦袋裡各拍各的電影。

然後麻煩就來了。

模型把偷笑做出來了，但她到底在笑什麼？MeiHua 看了她一眼，觀眾知道這一眼是什麼意思嗎？分割畫面也有了，可是這裡真的需要分割嗎？

這些東西，提示詞裡多加幾個 cinematic 並不會幫你決定。

拿這張門卡來說，我們可以讓 Biwa 先笑再丟，也可以先丟，等 Suseka 低頭時才切回她的偷笑。兩種都能把卡送出去，但觀眾什麼時候看穿她在捉弄人，就不一樣了。要試下一版，至少得先決定自己想改的是哪件事。

便宜的好處就在這裡。小團隊可以把一個想法拍出來，看看哪裡不對，再回去改動作、改 previz、改提示詞。下一版有沒有更清楚，直接把兩段放在一起看。每次試拍都能留下具體的東西，大家也終於可以針對同一個畫面討論。

這時候回頭看電影，問題就會變得很實際。別人怎麼拍一個人捉弄另一個人？為什麼有些反應只留半秒就很好笑，留了三秒卻可能像角色當機？同樣是把東西交出去，哪個機位讓人一眼就看懂，哪個機位只拍到一群人擠在一起？

拿自己的角色試一次，就會知道這些問題有多煩。表演、構圖、節奏，拍的時候要管，到了最後的剪輯還要再管一次。生成出來的段落再完整，放進整支片裡拖了節奏，照樣得剪。

現在普通人確實有條件開始這種練習了。看不懂一個技法為什麼有用，就自己拍一次。拍完覺得很爛，至少這次知道自己要學什麼了。