PixVerse V5.5 的震撼，做 AI 视频的人都知道这次更新的可贵之处

hnn

PixVerse 的 V5.5 模型正式发布了。太强了，它是国内第一个拥有 Sora2 这样分镜能力的模型，而且同时支持多镜头和音频原生直出。
做 AI 视频的人，都知道这个特性的珍贵之处。
1
没记错的话，PixVerse V5.5 是周一傍晚发布的。当晚我们第一时间就开始玩了，之所以没发文章，主要是案例没做完。
我的感觉是到现在的时间点，测评模型，我真的不想弄几个简单的提示词，然后放下视频效果。
这东西都不用说你，我自己也已经免疫。没趣。因为拿一组提示词，测试出来的视频效果，一方面随机性很强。另外一方面，它只是一个 Demo。
不放到真实的场景中，在模型同质化的今天，其实很难评估出来谁强谁弱，谁适合自己。
所以，我对自己的要求是，绝对不是走马观花的介绍，因为这事对于我也没什么意义。
我们公司今年在探索 AI 视频的业务，我的原则是，我们团队去测每一个模型，但不是简单的测试，而是要用它做出来一个相对完整的作品。这样，也不会白费功夫。
先跟大家说一下 V5.5 这次让我觉得很惊艳的地方。
核心还是进一步降低了视频创作的门槛。今年所有的视频模型，其实都是朝着这个方向发展的。
无论是提升质量，还是加音频、分镜，本质都是让用户可以更快的拿到心满意足的成品，而不是一次次的在失望的抽卡当中浪费时间。
Sora2 之前的 AI 视频模型，本质就是把图片转成一段动作连贯、画面清晰、符合物理规律的视频。正好年底了，大家可以想想，这是不是今年视频模型发展的主线。
后来，随着 Veo3 和 Sora 2 的到来，视频模型跨越到了音频和分镜阶段。
而这次，PixVerse  V5.5 也正式同时支持音频和多镜头配置，这意味着我们不仅可以控制视频的镜头语言，还能直接为视频加上配乐、台词和音效。
这么说不直观，大家看看下面我们抽的这段视频：

过去，肯定也能做出来类似的效果，只是非常复杂。
像今年七月，我们团队做另外一个作品时，想切分镜，那就只能抽出来不同的图片，转为视频之后再剪辑。剪辑好视频再配音。总之，能搞定，就是特别熬人。
举个例子，之前有个网红叫东北雨姐，她虽然后来被封掉了，但短视频行业还是非常认可他们团队的短视频能力。
在分镜设计上，东北雨姐的视频，每个动作时长都不会超过 2.08 秒。大概两秒切一条画面。
你想想，如果 AI 视频不支持分镜的话，也就意味着我们想做出来同样效果的视频，需要不断的生成图片，生成视频，再剪辑。效率极低。
2
PixVerse 的模型是自研的，很多人不知道。这家公司其实也是近两年 AI Video 领域的黑马。
之前他们公布过数据，全球的用户规模已经超过了一个亿。这个体量真不小了。
在国内，PixVerse 的名字叫拍我 AI。
我看到官方 V5.5 的公众号文章里，有句话是：让每个人都能做导演。这个表达我感觉很准确。

过去几个月，我们团队提到最多的词就是导演思维。因为当视频模型成熟到一定地步时，决定片子质量的，就是创作者对故事、画面的驾驭能力。放到电影行业中，这属于电影导演的工作。
我试着解释下。
导演思维其实就是从整体上把握故事的表达。
它不单是拍摄技巧，更重要的是通过镜头切换、画面构图、背景音乐，甚至人物的表情变化，来传递情感和推动故事的发展。
导演就是通过这些元素，让观众感受到的是完整的情感流动，而不仅仅是单独的画面。
比如在看电影时，我们不仅仅关注演员演得如何，更重要的是感受导演如何通过镜头、光影、音乐等手段把每个场景的情绪传达出来。
镜头的切换可以让我们感受到人物心理的变化，音乐的起伏则能让我们更好地融入情节。
之前的 AI 视频制作，创作者需要自己去思考每一帧的构图、镜头切换、音乐搭配，甚至台词和情绪的调动。
而现在，有了 V5.5 之后，AI 会帮我们搞定这些复杂的决策过程。
它能够根据用户给出的提示词，理解场景中的情感需求，自动设计出合理的画面、镜头切换、音效和台词等元素，并让它们结合到一起，从而达成一个完整的叙事效果。
也就是说，用户不需要掌握专业的导演技巧，只要给出大致的方向，V5.5 就能像一个导演一样，规划出符合需求的视频内容。
这确实是一次质的提升。我估计，明年 AI 视频模型，都会朝着这个方向深耕细作了。
3
忍不住了。我觉得我该放我们团队的视频作品了。下面这全是我们用拍我 AI V5.5 做的。

为什么要做这事？因为今年大概年中的时候，我做过一期《木兰辞》的 AI 视频。当时预期不高，做完之后，放到社交媒体没再管。
但后来，断断续续总有人私信问我们要原视频素材，甚至还有人想付费购买。问了下才知道，很多老师、家长有这个需求。
因为古诗词是孩子们上学时候必须的知识。但诗词，我们都熟悉，它是通过寥寥几个词语来勾勒出来一幅丰满的画面。
对于涉世不深的学生，尤其是小学生来说，理解诗词的深意确实不容易。因为这些内容往往是抽象的，需要一定的想象力和感知力。
然而，如果 AI 能够帮助孩子将这些诗词中的画面生动地呈现出来，那就能大大降低理解的难度。
所以我们这期继续做这个方向。我选择的题材是杜甫的《闻官军收河南河北》。恰好歌手周云蓬唱过这首诗，我就直接给他的歌曲配画面了。
话说，这个方向我们团队也在摸索。有兴趣的同学，咱们一起交流。
4
怎么做呢？我下面给大家看看，用拍我 AI 的新模型，做出来一个叙事型的短片，到底有多简单。
先打开拍我 AI 的网站：

https://pai.video/

点左侧的视频 Tab，可以看到 V5.5 模型已经来了。下面两个选项，音频和多镜头就是我们前面提到的新能力，大家生成视频的时候，记得要打开。

我相信大部分人生成视频的工作流仍旧是先做图片，再转视频。因为这样人物、场景的一致性问题才能得到解决。所以，图片的能力也非常重要。
我看了下，拍我 AI 的图片部分，目前支持 Qwen-image、Nano Banana Pro、Seedream 4.0，这也是目前行业里的头部图片模型了。

做好诗词配图的前提是理解诗词。
我看到很多人的工作流是直接把诗词扔给 AI，让他来生成剧本。我觉得这不对。第一步应该是理解这首诗的时代背景，以及作者在这个大背景里的人生状态。
如果这些地方搞错了，那后面再精美的视频也会走偏。
所以，第一步，我们先理解这首诗。可以借助 AI 去理解，但我们作为导演，肯定不能把理解这件事让渡给 AI，要不然我们就失去了创作的核心。
AI 虽然可以帮助我们更快地呈现图像和场景，但它无法真正代替我们对作品的深刻理解和情感的把握。
在自己能够理解了诗词之后，我们进入到剧本创作阶段。剧本创作，当然是要借助 AI 了。给大家分享一个我的提示词：
为这首杜甫的诗《闻官军收河南河北》写一个国漫 2D 平涂风格的叙事视频剧本。要求：
1、分镜头数量不少于 16 个
2、剧本中分镜头的时长统一为 5 秒
3、每个分镜头中切镜的种类丰富，诸如同一画面的不同角度，比如正反打等。
4、设计的分镜头要附上这个画面的图片生成提示词和视频生成提示词，每个视频提示词中人物动作和镜头切换要非常详细，最好是强提示词。
5、根据这首诗的意境和创作背景来生成剧本，不要随意发挥。

AI 生成的初稿，肯定多少和我们预期不一样。比如提示词，我们希望是英文，那就继续追加指令就好。这部分我不再啰嗦了。
总之，借助 AI，我们可以生成一个尚可的剧本出来，我们再在此基础上修改、优化就好了。相当于 AI 帮我们完成了从 0 到 1 的那一步。
到下一步就该基于提示词生成图片了。
我先生成了杜甫和他妻子的形象，为了后面保持人物一致性用。然后用生成出来的杜甫形象，输入提示词，生成出“剑外忽传收蓟北”的其中一张图片。
提示词：
国漫 2D 平涂风格，清晨薄雾。古代信使骑马高速靠近，衣甲破损但简化处理，动作急促。杜甫站在画面侧前方，披着略旧的青灰长袍，表情惊愕。背景为简单的乡路轮廓与淡远山线。线条干净、明暗平涂、光影轻微。

生成出来的效果如下：

继续用生成出来的杜甫形象，输入提示词，生成出“初闻涕泪满衣裳”的其中一张图片。
提示词：
国漫 2D 平涂风格，特写。草堂室内，杜甫双手展开战报，眼中泪光闪烁。军报字体简化。背景虚化为单色浅调，不描绘复杂背景。情绪强烈。背景为简简单单的草堂线条。光影柔和。
生成出来的效果如下：

然后用这张图片做视频，输入提示词：
Camera Movement:
极近距离特写，卷轴缓缓展开（军报字体简化）
切到杜甫眼部特写，眼角泪水快速积聚
慢慢 push-in 到眼泪滑落
轻微抖动镜头表现情绪波动
Shot Type:
Extreme close-up → eye close-up → emotional push-in
Character Action:
杜甫双手略微颤抖
眼睛快速湿润，泪水滑落沾湿衣襟
呼吸短促，胸腔轻微起伏
Emotion:
情绪爆发但抑制，喜极而泣
Lighting:
柔光直打脸部，无复杂阴影
眼泪以平涂高光表现，不加复杂反射

生成出来的效果如下：

接下来，就是按照这个流程，生成对应画面的图片，然后再把图片转为视频。我不再一一介绍。
这么说吧，随着模型的进步，生成画面的门槛已经不高了，但毕竟 AI 视频还需要抽卡，所以我感觉它对人的耐心要求还是很高。起心动念想做一个成品视频前，先告诉自己：要有耐心。
V5.5 这个模型整体真的很强，能节省我们不少精力。
5
至此，我觉得可以算得上是一个相对完整的教程了。
V5.5 这次的提升让我非常期待 V6.0 模型。如果分镜和音频能力再进一步的话，我们的创作效率会大幅提升。
说实话，这次 V5.5 模型也不错了，但仍然需要我们反复抽卡，需要我们对提示词还是有一定的驾驭能力，不过，我觉得这些问题在未来几个月内，会进一步得到解决。
说点感性的话。
这两天我们团队在准备 AI Maker Summit，下周就要开幕。我给参会者写了一封信，其中有句话：
我喜欢 Maker 这个词。AI 已经充分释放了我们的创造力，所以，Make Something，Build Something。失败就失败了，怕什么。最主要的是不能眼巴巴看着时代从眼前呼啸而过。
这是我内心的真实想法。