模型生成的手机带 Home 键,屏幕上的字会乱。它能拍出电影感,替产品说不了真话。
上周末,我让 Agent 给一款 AI 助理 App 做一支首发介绍片。
第一版方案很稳:对标了几支知名产品的发布片,以代码动画加真机录屏为主,方案里写着「不用任何 AI 生成画面」。我看完功能亮点的整理,直接回了一句:「功能亮点你整理的不行。」
我要的是首发片,不是功能演示。我让它围绕主动、有记忆、能执行、可信这四件事重写,也建议制作方别局限于代码动画:「……可以直接用Grok视频生成模型可用的,我期待有更精彩的视频呈现。」我还给了一个排序:「内容逻辑第一、视频效果第一。」
两天下来,片子做出了一支 80 秒的终版,又按我的意见改出了 v2。中间最大的收获,不是学会了用视频模型,而是搞清楚了它在一支产品片里能干什么、不能干什么。
不带参考图,模型只会给你一只「差不多」的猫
这款产品的吉祥物是一只带眼睛的毛绒橙猫。第一次测试是纯文字描述,结果模型生成了一只写实的小奶猫,和设定完全不像。
后来的测试都带了参考图,并且用首帧和尾帧把形象锁住:首帧是闭眼等待,尾帧是正面站好,中间让模型补出睁眼、看镜头的过程。这样出来的镜头,脸、颜色、比例和毛绒质感都对得上。
参考图本身也会惹麻烦。裁出来的参考图带着白色矩形边,模型把它当成了画面里的实物边框;尾帧是纯白底,最后零点几秒背景跳回了白色。前者要把边缘羽化、底色取自原图,后者剪掉最后几帧就行。还有一段中间出现过一帧眼睛错位,提示词里加上「两眼始终对称」才稳住。
场景里的吉祥物会被「写实化」
把吉祥物放进生活场景以后,又出了新问题。清晨的窗光、橡木桌、咖啡杯,质感都很好,但小猫多了胡须和尾巴,毛变短了,看起来像一只实物毛绒玩具,后半段还转身背对了镜头。
更要命的是桌上那部手机。屏幕全程是黑的,倒是没有乱码,可机型带着 Home 键,一看就不是现在的手机。
这条测试给了我一个很清楚的判断:模型擅长的是氛围、光线和情绪,它不知道你的产品长什么样,也不知道现在的手机长什么样。一旦画面里出现屏幕内容或者口号文字,它就开始编。
能交给模型的,是不需要它说真话的镜头
测试里被判定能进成片的生成镜头,都属于同一类:不露屏幕,不需要它证明任何功能。
- 吉祥物在纯色底上醒来、思考、完成任务的几个状态,首尾帧锁定。
- 吉祥物变成产品图标,尾帧直接锁成真实的图标。
- 一个人出门前拍额头说「又忘了」,用来交代痛点,画面里没有任何屏幕。
- 执行任务时吉祥物头顶的小球绕环转,做录屏之间的过渡。
口号和字幕全部用代码叠加,不让模型画字。
凡是功能,只认录屏、截图和按真实界面重建
另一半画面走的是完全相反的规则:凡是展示功能,只能用真机录屏、真实截图做动画,或者照着真实界面重建。素材里没有的功能,比如语音输入和生成式卡片,当时没有录到,就从时间线上删掉,不拿生成画面补。
协调的 Agent 审初剪时,也按这个口径拿掉了两处:出门镜头上叠着的一个手机外框,和一段模拟的短信推送。后者是怕观众误以为服务端推送已经上线。片尾只标「部分画面由 AI 生成」。
还有一处是对着代码核出来的。原计划把一个「该出发了」的倒计时,接在「创建提醒」后面,看起来顺理成章。可代码里写得很清楚:它只在会议有地点、而且路程快来不及的时候才会启动,属于最高打扰级。把它接在创建提醒之后,就等于在片子里虚构了一个因果。这一段也从主片里删了。
产品主张必须是当时安装包里真实能演示的东西,还没做出来的能力,只能作为路线图的文字出现。
真实截图也会被「设计」坏
终版交上来以后,我又提了意见:「有多处这次加入真实截图放进去的效果不太好,放大、边框限制有关。希望做比较完整、基本贴近实际运行情况的产品表达,要注重下呈现效果。」
截图是真的,可它被放大、被塞进一个卡片框里、外面还套了一圈粗边,界面上的时间和关键文字都被裁掉了。看起来很有设计感,却不像一个真实在用的产品。
v2 改成了完整的手机屏幕、真实比例、细边框,去掉了外层的卡片框和粗线,镜头推进也克制在 1.3 倍左右。旧的终版保留,没有覆盖。
照实说结果
这支片子做出了 80 秒的终版和 v2。v2 发给我以后,我有没有说过最终的「过」,记录里找不到,所以我只能说它做完了,不能说它已经通过了验收。
但这次的边界我已经写下来了,以后做任何产品视频都适用:情绪、氛围、品牌时刻,可以交给模型;界面、功能、因果,必须拿真东西。模型能让一支片子好看,只有真实的产品才能让它可信。