铃阅
❌

普通视图

完全0基础,他们在OiiOii搓出100亿级播放量作品

2026年11月16日 19:12

原创 冷逸 2026-11-16 19:12 四川

OiiOii正在批量制造爆款

大家好,我是冷逸。

前几天,我发了条朋友圈,开始深度体验红果、抖音上的AI短剧、漫剧,看看如今的AIGC究竟到什么水平了。

好家伙,体验后就根本停不下来了。

比如,这是二郎神展示法宝“挥天披风”的一个镜头。

背后的作者叫阿盐,来自OiiOii的超创,已经在抖音收获近1000万赞、100万粉丝了。

顺着OiiOii这个话题我去扒了下,没想到,抖音上的总话题播放量已经超过一百亿了,而且好像就这最近三个月的事。

最近我看到DataEye的一份研报:2026年上半年抖音AI短漫剧总计22.19万部,相关从业者、创作者超过50万。基本上是每天都有1200部上线,比去年同期增长了110倍。这可是110倍啊,真的太夸张了。

这里面,来自OiiOii的创作者有不少。刚好这几天OiiOii迎来一周年,好多超创都发来了庆生视频。

像AI情景喜剧@别闹了豆刨、AI萌宠@爆爆和笨笨、AI IP@呱呱历险记、AI玄幻@阿盐等,这些爆款作品基本都来自OiiOii的超创。

可以说,越来越多的人正在用OiiOii制作爆款视频,杀入AIGC赛道。

而且有趣的是,很多创作者都是“外行人”。比如《穿越山海经》的作者阿盐,是一名土木工程出生的外贸员,白天对接客户,晚上做视频,半个月从万粉涨到百万;《黄门沟》的作者猫小倩,是一名宝妈,一边带娃一边做视频,一周时间跑出系列爆款。

他们没学过电影,没有团队支撑,从0接触AI,却都在短短几个月内跑出了一批又一批的爆款,成为OiiOii的签约创作者。

《黄门沟》的开场镜头

之前,我也在文章里讲过:「每个时代都有每个时代的入口,你得让你自己的产品长在这些入口上。比如AI时代,入口就是Codex、Claude Code、WorkBuddy、豆包、红果等。」

现在通过OiiOii,你可以很轻松地让自己的产品、服务和作品长在这些入口上。

比如最近老黄离职这事闹得沸沸扬扬,流量不蹭白不蹭,是吧。

我就用OiiOii做了条职场短片,欢迎大家来围观。

怎么做的呢?其实比较简单,先设计剧本,再设计资产图,最后用剧本+资产图生成视频就ok了。

OiiOii有一个很好的功能,叫「剧情故事创作」,它解决的是从“有创意”到“能开拍”之间故事无法被高效转化为可执行生产指令的断层问题。有了它,可以把我们感性的、模糊的创意灵感,翻译成OiiOii视频流水线能精准执行的、结构化的生产指令。

比如,我一开始的模糊需求是:

创作一个60s的职场恶搞短片,让离职后的黄仁勋找工作,用一次HR与应聘者(黄仁勋)的对话,来吐槽当代职场槽点。

OiiOii帮我设计了一分钟的剧情,接着又出了详细的提示词,包括资产图和视频的提示词都在。

第一段提示词,主要是履历贬损与抗压PUA。

    【视频参数与风格】
    16:9 横屏(若发短视频可改为 9:16 竖屏),时长 30 秒,写实办公短剧风格,冷白低饱和色调,自然日光办公照明,无背景音乐,仅保留清晰中文对白、纸张翻动声与笔尖划纸声,固定机位正反打快切,零运镜,冷幽默喜剧节奏。


    【场景与人物一致性设定】
    - 场景:现代极简办公会议室,玻璃隔断与浅灰墙面,浅木色长桌;桌上放着几页 A4 简历、黑色签字笔、合着盖的香槟金笔记本电脑、一个带浅绿标识的白色纸杯。
    - 面试官(HR):28岁左右中国女性,长发,穿深色西装外套配白衬衫,表情平板、语速偏快、眼神挑剔,全程客服腔带压迫感。
    - 应聘者(黄):63岁亚裔男性,灰白短发,佩戴细框金属眼镜,穿标志性黑色皮夹克配黑色圆领内搭(形象神似黄仁勋),坐姿端正沉稳,语气平淡克制。


    【逐镜分镜与台词(00:00–00:30)】
    - 00:00–00:03|双人侧面中景:会议室长桌两侧面对面而坐。HR 低头翻看简历发问,黄端坐平视前方回答。
    HR(低头看纸):“上家公司什么规模?”
    黄(平静自然):“几万人吧。”
    - 00:03–00:05.5|HR 单人正面近景:HR 头也不抬,执笔在纸上随手划记,语气轻描淡写。
    HR:“哦,大厂螺丝钉。管几个人?”
    - 00:05.5–00:07.5|黄单人近景:黄双手交叠放在桌沿,神情坦然。
    黄:“直接汇报的,六十多个。”
    - 00:07.5–00:10.5|桌面手部特写切 HR 近景:先切签字笔在简历上写字的局部特写(1秒),硬切回 HR 抬眼发问。
    HR:“那不就是个小组长。带过什么项目?”
    - 00:10.5–00:12.5|黄单人近景:黄微微颔首,眼神笃定但克制。
    黄:“从零做到全球市值第一。”
    - 00:12.5–00:15|HR 正面特写:HR 面无表情,丝毫不为所动,冷漠追问。
    HR:“团队做的吧?你负责哪块?”
    - 00:15–00:17.5|黄单人近景:黄眨了眨眼,略作停顿思考后抬手微比划。
    黄:“我负责……定方向。”
    - 00:17.5–00:21|HR 略微俯视特写:HR 低头记录下结论,抬眼补刀。
    HR:“那就是没落地。我们要的是能扛指标的。”
    - 00:21–00:24.5|双人过肩中景(从黄肩后拍 HR):HR 用笔尾轻点桌面,语气公事公办。
    HR:“抗压能力怎么样?我们节奏快,经常加班。”
    - 00:24.5–00:27|黄单人近景:黄双手微摊,语气诚恳带点自证意味。
    黄:“我一周工作七天,干了三十年。”
    - 00:27–00:30|HR 特写切黄大特写:HR 嘴角微撇低头记录(2.3秒),最后 0.7 秒硬切黄正面大特写,黄彻底无语、嘴唇微抿凝视前方。
    HR:“那是你效率低吧。我们讲究工作生活平衡。”

    第二段提示词,是薪资、年龄歧视与终极反转。

      【视频参数与风格】
      16:9 横屏(与第一段保持完全一致比例),时长 30 秒,写实办公短剧风格,冷白低饱和色调,自然办公照明,无背景音乐,仅保留清晰中文对白、翻纸声与轻敲键盘声,固定机位正反打快切,冷幽默喜剧节奏。


      【场景与人物一致性设定】
      (严格延续第一段人物与环境)现代极简办公会议室,玻璃隔断与浅灰墙面,浅木色长桌上有 A4 简历、签字笔、香槟金笔记本电脑、带浅绿标识的白色纸杯。HR 为 28 岁穿深色西装白衬衫的长发女性;应聘者(黄)为 63 岁灰白短发、戴细框眼镜、穿黑色皮夹克配黑内搭的亚裔男性。


      【逐镜分镜与台词(00:00–00:30)】
      - 00:00–00:02|双人侧面中景:HR 翻过简历下一页,抬头公式化发问。
      HR:“对薪资有什么预期?”
      - 00:02–00:05.5|黄单人近景:黄身体略微前倾,语气真挚。
      黄:“钱不是重点,我想做点改变世界的事。”
      - 00:05.5–00:10|HR 正面特写切桌面笔尖特写再回 HR:HR 面无表情打断,抬眼给出报价。
      HR:“我们这边不谈情怀,谈 KPI。试用期四千,能接受吗?”
      - 00:10–00:12.5|黄睁眼大特写(喜剧笑点强调):黄表情凝固一秒,带着难以置信的冷静反问。
      黄:“四千……是月薪?”
      - 00:12.5–00:16.5|HR 正面近景:HR 露出标准职业假笑,说到一半嘴瓢卡壳,迅速自圆其说。
      HR:“当然,我们还有期权,画饼……不是,是激励。”
      - 00:16.5–00:19.5|HR 特写:HR 收起假笑,上下打量黄一眼,语气转冷。
      HR:“对了,你多大?我们团队要年轻化。”
      - 00:19.5–00:21|黄正面大特写:黄面不改色,干脆吐出数字。
      黄:“六十三。”
      - 00:21–00:24|HR 近景接手部敲笔记本特写:HR 眼神微妙一滞,打开香槟金笔记本轻敲两下键盘。
      HR:“哦……那我们更看重学习能力。你会用 AI 工具吗?”
      - 00:24–00:26|黄侧头微眯眼近景:黄神情平静却带一丝玩味,开始反问收网。
      黄:“贵公司……用什么显卡?”
      - 00:26–00:28.5|HR 近景接黄微笑定格特写:HR 合上简历一脸自信地回答(2秒),随后切黄侧目露出一丝礼貌又荒诞的微笑定格(0.5秒)。
      HR:“我们自己准备自研 GPU 降本,听说不难。”
      - 00:28.5–00:30|纯黑屏字卡(无台词,完全静音):黑底居中白色粗体字清晰显示两行文字:“本片为 AI 虚构恶搞 / 请勿当真”。

      有了提示词后,我们直接在画布里创建节点,陆续生成角色、场景和道具的资产图。

      如果遇到有些资产图生成不对的,你也可以上传参考图,让OiiOii给你反推提示词,然后再生成。

       有了资产图后,复制前面的提示词,把参考素材指引好,选择合适的视频模型,生成就ok了。

      这里,我选择的是Kling 4.0,可以生成30s的连续性叙事视频。没有选Seedream 2.5,因为它人物卡得太严了。类似的视频,建议选Kling4.0或H3,比较容易生成。Seedance的话,基本都生成失败。

      而且也便宜,不到Seedance 2.5的一半。

      依葫芦画瓢,就得到了第二段的30s视频。

      第一版,在26s的地方出现了人画不一致的情况。遇到这种问题别慌,OiiOii提供了「片段重拍」功能。AI生成不可能一次完美,有了「片段重拍」就可以让修改这件事变得可控制、可衔接,让创作者能保留已满意的绝大部分成果,只对瑕疵进行定点修复。

      操作也很简单,直接截取该段视频,然后重新生成即可,这样就不至于全片推倒重来。

      所有素材生成好后,直接在OiiOii里就可以剪辑,连剪映都不用打开。

      对了,OiiOii里是可以调Opus 5.5来剪辑的,比如给它加转场动画、设计片头片尾、添加字幕等都是可以的。这个非常强,体验过Opus 5.5的Code to Video能力的朋友,应该很清楚。

      如果你需要给视频超分(比如用在一些商业场景上),OiiOii也提供了一键超分的功能,积分也很划算。30s、4K分辨率也才146盒饭。

      视频做好后,我们需要上传到视频平台(比如视频号),这时候还需要做一个封面。这个也简单,可以直接生图,也可以截视频帧来生图。

      最终,这个短片和所有的素材就完整地呈现出来了。

      如果你觉得手搓麻烦,也可以直接跟OiiOii的Agent对话,通过“一句话指令”生成。

       我这支短片就是在Agent模式下,一路点“确认”生成出来的。

      它会自己调用艺术总监、编剧、角色设计师、场景设计师、道具设计师、分镜师和剪辑师来完成整个项目,交出一支质量在线的作品。

      而且中间有什么问题,直接跟OiiOii说就行。

      我一直觉得,OiiOii的Agent模式蛮聪明的,是我体验过最聪明的视频创作Agent之一。我想,这也是为什么会有那么多创作者在用OiiOii的原因。

      它真的超适合做自媒体的朋友。如果你也在做AI内容,搭建自己的自媒体账号,不妨来OiiOii看看。

      不仅有算力支持,而且对创作者也是真金白银的在补贴。从八月份一直到这个月底,他们整了个「Oii创作者夺金季」的活动,入驻就送会员,送盒饭(OiiOii的积分),最高奖励上十万元现金。

      另外,他们也有专业编导辅助打磨内容,技术团队1V1解决创作过程中遇到的模型、Agent、生成效果和工作流等问题,同时还提供商业团队为创作者对接品牌合作、商业项目和内容共创。从创作到变现,全链路扶持创作者。

      最后,我想用@呱呱历险记 的创作者郭紫翔的一句话送给大家:「先做出第一条作品,多看好故事,坚持更新,慢慢找到自己的方向。」

      我相信,你也可以。

      跳转微信打开

      全球第二的视频模型来了!我一口气实测了13条片子

      2026年11月13日 21:59

      原创 冷逸 2026-11-13 21:59 四川

      一手实测

      大家好,我是冷逸。

      「我画地为牢,咪娜!」这两天,谁还没被这句刷到过?

      一档综艺里,两个闹掰多年的老朋友坐在湖边对质。

      然后,有博主把这段换成了两只猫,一周之内收获了好几十万点赞。

      看到这,我手就痒了。刚好昨天有新模型(Seedance 2.5 flash)发布,我火速在即梦拿它跟了一版。

      这个小表情、小动作,是不是有那味儿了?哈哈。

      说实话,这条要是我不说,你们八成以为是 Seedance 2.5 跑的。毕竟这里面的细节:毛发、逆光、小表情,看起来怎么都像 Seedance 2.5 那个水准。但它确实是用 Seedance 2.5 flash 跑的。

      速度上,Seedance 2.5 flash 的生成速度比 Seedance 2.5 提升了整整一倍。尤其是短剧场景,出片快一倍,同样一个下午就能多出一倍的内容。

      同时,火山引擎Seedance 2.5 flash API的价格也比 Seedance 2.5 便宜了大概 34%,跟 Seedance 2.0 一个价,单条同样支持最长 30 秒生成。

      那便宜下来的这一截,效果上到底砍掉了什么呢?

      我挑了 7 种常见的短视频风格,我们一个一个看。

      1)街头纪实

      街采是短视频最常见的形式,也最考验「像不像真的」。

      我写了个段子阿姨吐槽孙子天天弄 AI 视频的段子。分别用上海阿姨、香港阿婆、伦敦阿姨让 Seedance 2.5 flash 跑了三个版本。

      视频成片。

      完整提示词:

        上海版(台词是带上海口音的普通话)
        参考:@图1 是受访的上海阿姨,锁定她的脸、发型、枣红开衫和菜篮;@图2 是拍摄地点弄堂口。
        风格:手机竖屏街头随机采访,真实纪实感,傍晚自然光,手持拍摄轻微晃动,像短视频平台上的街采视频。
        人物:一位约 60 岁的上海阿姨,短烫卷发,穿枣红色针织开衫,挎着装满青菜和葱的竹编菜篮,站在老弄堂口。采访者不出镜,只有一只手举着话筒伸进画面(话筒无任何标识)。
        字幕:全局无字幕。
        画面内容:一镜到底,中近景,镜头略微仰拍。
        0-3s:采访者:「阿姨,您听说过 AI 视频吗?」阿姨停下脚步,愣了一下,随即笑了。
        3-7s:阿姨(带上海口音的普通话,语速快):「晓得呀!我孙子天天弄,讲一秒钟要一块钱。」说完伸出一根手指比划。
        7-10s:采访者:「那您觉得贵吗?」阿姨把菜篮往胳膊上一挎,摆摆手。
        10-15s:阿姨:「一块钱一秒,比请演员便宜多啦,演员还要吃盒饭的呀!」说完自己先笑场,捂着嘴转身走出画面,背后弄堂里有人骑自行车经过。
        音效:弄堂环境声、远处自行车铃、菜篮竹编摩擦声;人声清晰;无配乐。


        粤语版
        参考:@图1 是受访的香港阿婆,锁定她的脸、发型、碎花衬衫和胶袋;@图2 是拍摄地点街市门口。
        风格:手机竖屏街头随机采访,真实纪实感,傍晚自然光,手持拍摄轻微晃动,像短视频平台上的街采视频。
        人物:一位约 60 岁的香港阿婆,短曲发,穿碎花衬衫,拎着装满菜心和橙的红白蓝胶袋,站在街市门口。采访者不出镜,只有一只手举着话筒伸进画面(话筒无任何标识)。
        语言:全片香港粤语,口型逐句同步。
        字幕:全局无字幕。
        画面内容:一镜到底,中近景,镜头略微仰拍。
        0-3s:采访者:「阿婆,你有冇听过 AI 拍片啊?」阿婆停低脚,愣咗一下,跟住笑起嚟。
        3-7s:阿婆(语速快):「知呀!我个孙日日都玩,话一秒钟要一蚊人仔。」讲完伸出一只手指比划。
        7-10s:采访者:「咁你觉唔觉得贵呀?」阿婆将胶袋换去另一只手,摆摆手。
        10-15s:阿婆:「一蚊一秒,平过请演员啦,演员仲要食饭盒㗎!」讲完自己先笑,掩住嘴转身行出画面,背后街市有人推住手推车经过。
        音效:街市环境声、远处叮叮电车声、胶袋摩擦声;人声清晰;无配乐。


        英语版
        References: @image1 is the interviewee — keep her face, hair, navy quilted jacket and wicker basket consistent; @image2 is the market entrance location.
        Style: vertical phone street interview, documentary realism, early-evening natural light, slight handheld shake, like a viral street-interview clip on short-video platforms.
        Character: a woman around 60 with short curly grey hair, wearing a navy quilted jacket, carrying a wicker basket of leeks and apples, standing at the entrance of a London street market. The interviewer stays off-screen; only one hand holding an unbranded microphone enters the frame.
        Language: British English throughout, lip-sync line by line.
        No subtitles.
        One continuous medium close-up, slightly low angle.
        0-3s: Interviewer: "Have you heard of AI video?" She stops, pauses for a beat, then smiles.
        3-7s: She (fast, cheerful): "Oh yes! My grandson's at it all day. Says it costs one yuan a second, whatever that is." She holds up one finger.
        7-10s: Interviewer: "Do you think that's expensive?" She hooks the basket onto her arm and waves her hand.
        10-15s: She: "One a second? Cheaper than actors, love. Actors want their lunch!" She bursts out laughing first, covers her mouth, turns and walks out of frame; a cyclist rides past behind her.
        Sound: market ambience, a distant bicycle bell, wicker creaking; clear voice; no music.

        这个方言口音,听着就很地道了。

        Seedance 2.5 Flash 把那些不起眼的细节也完成的还算不错:比如篮里支棱出来的葱,还有说完自己先笑场、捂着嘴走掉那一下,惟妙惟肖。

        同样一套提示词骨架,换城市只需要换人和街两张参考图就可以无缝衔接。做出海账号的,可以直接抄。

        2)30 秒长镜头

        30 秒,是 Seedance 2.5 flash 和 Seedance 2.5 共有的上限。

        我复刻了 X 上一条很火的 Seedance 2.5 作品(作者@techhalla):50 年代美式餐厅,咖啡和煎蛋飞上半空,时间冻住,只剩吧台女孩还在喝奶昔,然后整个世界倒放。

          提示词 by @techhalla(X),我只在最前面加了 References 一段。


          References: @image1 is the young woman at the counter; @image2 is the waitress (uniform, tray and glass coffee pot); @image3 is the older lady rising from the booth; @image4 is the diner set. Keep every face, hairstyle and outfit consistent with the references throughout.


          Photorealistic cinematic 1950s American diner, chrome stools, red vinyl, neon glow and checkerboard floor, shot with modern lived-in realism and soft natural window light. Subtle handheld texture, warm practicals, rich period detail, heavy film grain.
          0-4s: [Medium Wide] A striking young woman in her early 20s sits alone at the counter, calm and slightly amused, slowly sipping a tall thick milkshake through a straw. Behind her a young waitress in classic uniform approaches with a tray of eggs and bacon in one hand and a full glass coffee pot in the other. An older lady starts rising from a nearby booth.
          4-8s: [Dynamic Tracking] The older lady collides hard into the waitress. Tray, plate, eggs, bacon and coffee pot explode upward in chaotic slow motion. Coffee erupts into long liquid ribbons and perfect suspended droplets. Camera immediately begins a smooth continuous orbit around the impact. Time locks completely at the peak of the spill. Every face freezes in pure shock. Only the girl at the counter keeps moving, completely unfazed.
          8-17s: [Slow 360° Orbital] Camera glides in a full elegant orbit through the frozen diner. Coffee hangs in mid-air as glassy ribbons and spheres with perfect volume and surface tension. Bacon strips, eggs and the spinning tray float weightlessly. Patrons and waitress remain locked in startled expressions. The girl at the counter takes one slow, deliberate sip, eyes half-lidded, almost bored, while the entire frozen world (except her) begins an elegant reverse: every droplet, every piece of food and every person rewinds smoothly back to the exact starting positions.
          17-24s: [Medium Shot] Rewind lands perfectly. Waitress stands balanced again with tray and coffee pot. The girl lifts her eyes, raises two fingers in a small casual gesture and softly calls the waitress by name. The waitress turns toward her just before the older lady begins to stand, completely avoiding the collision. A tiny private smile crosses the girl's face.
          24-30s: [Extreme Close-Up] Hard cut to her face as she takes one last slow sip. Soft knowing smile, eyes almost closed in quiet satisfaction, like she has done this a hundred times. Shallow depth of field, creamy bokeh of the neon diner behind her.


          Photorealistic, ultra-detailed fluid physics, perfect motion blur only on moving elements, stable characters, cinematic lighting, heavy natural film grain, no artifacts, movie-level temporal coherence, high rewatch value.

          咖啡凝成液柱,煎蛋悬在半空,女孩照样慢悠悠吸奶昔。最难的 360° 环绕转了一整圈,液柱和人都没穿帮。

          原片是 Seedance 2.5 跑的,我用 Seedance 2.5 flash 照着复刻,说实话,完全没看出它在质量上打了什么折扣。

          3)真人哭戏

          真人哭戏最容易露馅。脸一僵、情绪一跳,观众立马出戏。

          我用同一组参考图、同一段提示词,分别在 Seedance 2.5 flash、Seedance 2.5 里一起对照看。

          提示词参考我之前的文章:H3 vs Seedance 2.0 fast。

          先说结论:整体质量上,Seedance 2.5 flash 实测下来和 Seedance 2.5 基本没什么区别。

          人物动作细节,从回头那一笑,到眼眶泛红,再到捂脸大哭,一层一层往上压,比较连贯。

          让我有点意外的是,同一段提示词,Seedance 2.5 flash 和 Seedance 2.5 连机位怎么摆、哪一秒开始掉泪都想到一块去了,两条片子的相似度我几乎可以给到85%。

          不过有一说一,Seedance 2.5 在真人声音的质感上确实情绪更真实饱满一些,毕竟价格也在那摆着。

          同样一条 15 秒 720P:Seedance 2.5 要 22.65 元,Seedance 2.5 flash 14.85 元。

          Seedance 2.5 flash 比 Seedance 2.5 少了接近 8 块钱 ,拿到的是却是和  Seedance 2.5 近乎一个水准的片子。

          有了 Seedance 2.5 flash 之后,出片的质量有保障了,效率更高了,消耗也更少了!

          4)古装短剧

          AI 短剧难在几个角色同框不串脸,台词还得一句句对上。

          X 博主@灰度笔记 发过一条古装轻喜剧:妻子数落丈夫,丈夫肩上蹲着一只橘猫。妻子越骂越气,拉开衣柜,妹妹站在里面尴尬挥手:「嗨~」

          我复刻了一版放一起看。

          提示词 by 灰度笔记(X @GrayNoteLab),用的是公开提示词库收录的版本,措辞和原帖略有出入;男主名字换成了虚构的「赵文远」,其余未改。

            文生视频提示词:
            东方古装,照片级真实电影质感;闺房烛光暖色调;皮肤/毛发/布料/木雕纹理逼真;电影级调色;轻喜剧;禁止 CG 感/塑料感
            [角色锁定] 女主 A:@图1;男主 B(赵文远):@图2;配角 C(妹妹):@图3;橘猫
            [关键设定] C 藏在衣柜内
            [场景锁定] @图4 古风闺房:雕花木床、梳妆台配铜镜、烛台、灯笼、大型雕花衣柜
            [空间关系] A 站在床前;B 瘫坐在床沿;衣柜在对面;C 在衣柜里
            [空间逻辑] 单一场景;A 的动线:床前→转身面向衣柜→开门;猫始终不离开 B 的肩膀
            [光影氛围] 温暖烛光柔和照亮面部


            [分镜脚本]
            [镜头 01][时长] 0–3.5s [景别] 中景 [运镜] 固定 [内容] A 居高临下站着训斥;B 低头坐在床沿 [台词] A(约 0.5–2s):"当初成亲时我要了十万两聘礼";A(约 2–3.5s):"其中九万两是我妹妹借你的",同时橘猫伸爪拍了一下 B 的头 [连贯性锁定] 开场:A 主导训斥;
            [镜头 02][时长] 3.5–7s [景别] 中景 [运镜] 固定 [内容] A 越说越气,手指着 B;B 头垂得更低,猫稳稳待在肩上 [台词] A(约 3.5–5s):"如今连你的官职也是她打点的";A(约 6–7s):"赵文远,你个没良心的!" [连贯性锁定] A 细数妹妹的付出;B 沉默不敢反驳
            [镜头 03][时长] 7–8.5s [景别] 特写 [运镜] 固定 [内容] B 低着头小声认错,猫面无表情直视前方 [台词] B 愧疚地(约 7.5–8.3s):"小婉,我错了" [连贯性锁定] B 认怂;无多余台词
            [镜头 04][时长] 8.5–12.5s [景别] 中景 [运镜] 横向跟拍 [内容] A 转身大步走向衣柜,边走边骂,走到柜门前停下,手搭在门把上 [台词] A(约 9–11s):"我不在家时妹妹来看望,你竟把她关进衣柜";A(约 12s):"你还是人吗?" [连贯性锁定] 走向衣柜=揭晓倒计时;B 僵坐在床沿
            [镜头 05][时长] 12.5–15s [景别] 中景 [运镜] 固定 [内容] A 猛地拉开衣柜:C 站在里面尴尬地挥手,笑着说"嗨~";画面定格 [连贯性锁定] 结局揭晓
            [负向约束] 绝对不要背景音乐;不要多余文字/水印/角色复制/人体结构错误/现代元素(无电灯/无现代家具)/身份错乱/A 的脸变成 B 或 C/猫离开 B 的肩膀/猫花纹变形/台词错乱/慢动作拖影

            原片是 4K,我这条只有 720P。两条并排放,除了清晰度之外,Seedance 2.5 flash 在表演和节奏上是一点没落下。

            可谓是短剧的高质量效率之王,性价比的不二之选啊。

            5)沉浸式 ASMR

            我找了 X 博主@DeepBlue深藍 的一段宫廷夜雨:雨打荷叶,檐水滴进石槽,池边蛙鸣,远处梨园有人吊嗓,中间再劈一道闪电。首帧是我用 Seedream 5.5 做的水榭图,用 Seedance 2.5 flash 跑了 8 秒竖屏。

              原提示词 by DeepBlue深藍(@DeepBlueX0)


              清代宫廷夜雨 × 雨打荷叶荷花 × 锦鲤蛙鸣 × 闪电远雷 × 梨园戏子吊嗓 × 沉浸式 ASMR
              8 秒,9:16 竖屏画幅,写实电影级画面。


              夏夜,细雨洒落在清代宫廷的水榭回廊上。廊边池塘里长着大片荷叶,叶旁一朵淡粉色荷花半开半合,花瓣被雨水打湿。檐下挂着一盏暖黄色的宫灯,灯光倒映在浅浅的石槽与池水之中。
              近处的荷叶微微倾斜,叶面上积着雨水。一只小青蛙蹲在池边的石头上,浅水中偶尔隐约可见游动的锦鲤,身影被雨滴和灯影遮掩了大半。
              深色的木柱与远处的回廊隐没在雨夜里。长廊尽头是灯光昏暗的梨园,窗纸上透出模糊的人影,偶尔缓缓挪动。清冷的幽蓝夜色与温暖的宫灯光晕自然交融。
              镜头贴近荷叶与水面,以极低的角度极其缓慢地向前推进。近处的荷叶、花朵以及檐下滴落的水珠清晰可见;画面上方露出半盏宫灯,远处的梨园窗影朦胧。画面层次分明,保留着静谧幽暗的留白空间。


              0-2s:细雨绵绵不绝地打在荷叶上,发出密集而轻柔的沙沙声。荷叶轻轻颤动,雨滴在叶面上汇聚。檐下的水滴断断续续落入石槽,传来清脆的滴答声。池边的小青蛙偶尔叫上一两声。
              2-4s:远处的梨园传来戏子吊嗓的声音,轻柔婉转的无词吟唱穿透层层雨幕。窗纸上的模糊人影缓缓抬起水袖。一条锦鲤在荷叶下慢悠悠地游过,身影被水波与宫灯的倒影遮去了一半。
              4-6s:远处天际倏地闪过一道光,冷白色的闪电照亮了荷叶、花朵与如丝的雨线,随后又归于温暖幽暗的夜色。短暂停顿后,远方传来低沉绵长的闷雷声,吟唱声也随之暂歇片刻,变得更加轻柔。
              6-8s:雷声渐渐远去。倾斜荷叶上积攒的雨水顺着叶缘滑落池中,发出轻柔连绵的水声,涟漪荡开了宫灯的倒影。远处的吟唱声若隐若现,池边的青蛙又叫了一声。雨声一直持续到结尾。


              [声音设计]
              贯穿全片的核心音效是密集的雨打近处荷叶的沙沙声,以及檐水落入石槽的断续滴答声。荷叶积水流入池塘的声音清晰而柔和。
              蛙鸣来自池边;戏曲吟唱来自远处的梨园;雷声则源自更远的天际。各种声音错落有致,远近层次分明,还原出真实雨夜的空间感。
              先见闪电,后闻雷声。雨滴落下、叶片颤动、水流滑落与水波荡漾均与声音精准同步。雷声低沉轻柔,适合静心聆听。
              戏曲吟唱轻柔悠远,以无词哼唱的形式呈现。没有乐器伴奏,没有背景音乐,也没有对白。
              荷叶、花朵、青蛙、锦鲤以及远处人影的动态都舒缓自然。锦鲤始终在水下游动,窗影朦胧模糊,雨水、倒影与灯光真实可信。

              沉浸式的 ASMR,不管从画面上还是声音上,基本找不到任何问题。

              镜头贴着荷叶往前推,锦鲤从叶底游过;一道闪电照亮荷塘,又暗回去。

              水里游着鱼儿,夹杂着蛙叫声、雷声、雨声和戏曲声,太无敌了。

              助眠、白噪音这类号拼的是质量和更新量,这个速度和价格,一天一条完全没问题!

              6)萌宠 IP 连更

              主角设定了两只猫:一只是高冷的银灰英短「大灰」,一只是呆萌的橘白圆脸「小橘」。

              先让大灰当一只普通的猫,清晨在上海弄堂巡街,低机位一路跟着,15 秒一刀不剪。

                《大灰巡街》|15秒|16:9横屏|写实|一镜到底


                @图1 是银灰色英短猫「大灰」,锁定它的花色、圆脸、琥珀色眼睛和胸前挂着的复古银色胶片相机。这里的大灰是一只普通的猫,四脚走路,不直立,不说话。
                @图2 是清晨弄堂的场景参考。


                清晨的上海老弄堂,晾衣竿横过头顶,阳光从缝隙斜照下来,石库门、煤炉、停着的自行车。单一连续镜头,全程无剪辑、无隐藏转场、无时间跳跃。摄影机贴近地面低机位跟拍,大致保持猫的高度。


                0–4秒:大灰从一扇半开的石库门里钻出来,镜头从它身后跟出门槛。门口一位端着脸盆的阿姨低头看它一眼,笑着往旁边让了一步。
                4–8秒:大灰沿弄堂小跑,从一辆停着的自行车下面钻过去,镜头紧跟,前轮辐条从画面前景掠过。一个背书包的小学生蹲下想摸它,大灰侧身躲开,没有停。
                8–12秒:镜头跟它拐进弄堂口的早点摊,油条在锅里翻滚冒泡。摊主手一扬,一小块油条碎落在地上。大灰停下,低头闻了闻。
                12–15秒:大灰叼起油条碎跳上一级石阶,转身坐好,胸前的相机轻轻一晃。镜头缓缓升高到人眼高度,露出整条醒过来的弄堂:晾衣、行人、炊烟。最后停在大灰抬头看镜头的一眼。


                周围人物的动作、速度和方向各不相同,不同步、不复制;猫的毛色和相机全程不变,不穿过人和物体。


                声音:弄堂清晨环境声、自行车铃、油锅滋啦声、远处收音机里隐约的沪剧;无配乐、无对白、无字幕。

                再换画风。我用 Seedance 2.5 flash 给大灰和小橘写了个夜市卖烤肠的剧本,做成水墨和皮克斯 3D 两版。

                  彩色水墨版(皮克斯版只换第一行风格描述,其余相同)


                  风格:彩色水墨动画,宣纸洇染、墨色浓淡分层与大面积留白,笔触灵动,色彩只点在灯笼、烤肠和猫的花色上,像萌宠日更账号的一集特别篇。
                  角色:「大灰」:银灰色英短,高冷但靠谱。「小橘」:橘白圆脸猫,贪吃又笨手笨脚。按参考图的花色、脸型和胸前相机,把两只猫画成水墨形象,能直立、用前爪做事、说话。
                  字幕:全局无字幕。
                  场景:水墨画里的城市夜市,暖黄色串灯,烟火气十足。
                  分镜1,0-4s,全景:大灰和小橘的小推车烤肠摊,招牌上画着一根烤肠,没有文字。大灰系着围裙站在收款码旁边,表情高冷。
                  分镜2,4-8s,近景:小橘负责翻烤肠,翻一根偷吃一口,烤架上的烤肠越来越少。
                  分镜3,8-12s,中景:一只柯基顾客走到摊前:「老板,来两根!」大灰低头一看烤架,空的。大灰缓缓转头看向小橘。
                  分镜4,12-15s,特写:小橘嘴里叼着半根烤肠,两腮鼓鼓,眨眨眼:「……卖完了。」
                  音效:夜市人声鼎沸、油滋滋声、扫码提示音。配乐:俏皮的电子小调。
                  皮克斯版风格行:
                  风格:皮克斯风格 3D 动画,圆润造型、柔和全局光与浅景深,表情夸张丰富,毛发蓬松柔软,像萌宠日更账号的一集特别篇。
                  (角色行里「画成水墨形象」改为「做成 3D 动画角色」,场景行为「热闹的城市夜市,暖黄色串灯,烟火气十足。」)

                  水墨版通篇宣纸灰调保持的很不错,颜色只落在串灯、烤肠和小橘身上;皮克斯版的柯基顾客甚至还穿了件小蓝马甲。

                  写实、水墨、3D 三条视频,加起来 44.55 块。萌宠号一周三更,也就一顿火锅钱。

                  不过这里我有个小经验:你的画面和参考图的风格最好是在做账号定位的时候就想好,然后再做连更。

                  7)电商广告

                  投放素材得多版本测,同一瓶饮料放哪个场景好,不测不知道。

                  我用 Seedream 5.5 做了一瓶原创国风气泡水「山茶」,让 Seedance 2.5 flash 拍两支广告:清晨露营、夏夜烧烤摊。

                    露营版
                    @图1 是唯一的产品:原创国风气泡水「山茶」,透明玻璃瓶,手绘山茶花标签,标签上「山茶」两个字。瓶型、标签图案和文字全程不变,不新增其他品牌。
                    场景参考:@图2。
                    生成一支 15 秒、16:9 横屏的饮料广告,写实商业摄影质感,无台词、无字幕。
                    场景:清晨的山间露营地,薄雾、帐篷、溪水,一对 30 岁左右的情侣。
                    0-4s:帐篷拉链拉开,男生探出头,远处山脊上刚露出一线太阳。
                    4-8s:女生蹲在溪边,把一瓶「山茶」从冰凉的溪水里捞出来,瓶身挂着水珠和一片山茶花瓣。
                    8-12s:两人坐在折叠椅上,女生把瓶子递给男生,他喝一口,看向山谷,薄雾正在散开。
                    12-15s:产品定版:瓶子立在溪边石头上,晨光从背后打透瓶身,标签正对镜头,「山茶」二字清晰。
                    声音:溪水声、鸟叫、开瓶气泡声;空灵的木吉他。


                    烧烤摊版
                    @图1 是唯一的产品:原创国风气泡水「山茶」,透明玻璃瓶,手绘山茶花标签,标签上「山茶」两个字。瓶型、标签图案和文字全程不变,不新增其他品牌。
                    场景参考:@图2。
                    生成一支 15 秒、16:9 横屏的饮料广告,写实商业摄影质感,无台词、无字幕。
                    场景:夏夜路边烧烤摊,炭火、塑料凳、串灯,一桌四个年轻朋友。
                    0-4s:炭火上的羊肉串滋滋冒油,一只手撒下孜然辣椒,火星往上窜。
                    4-8s:一个男生被辣得直扇嘴,朋友从冰桶里捞出一瓶「山茶」,在桌沿一磕打开瓶盖,气泡涌到瓶口。
                    8-12s:四只手各拿一瓶在桌子中间碰瓶,水珠被震落,大家笑成一片。
                    12-15s:产品定版:瓶子立在铁盘和竹签旁,背景是虚化的串灯,标签正对镜头,「山茶」二字清晰。
                    声音:炭火噼啪、开瓶声、碰瓶声、朋友笑声;节奏感强的民谣吉他。

                    AI 广告片最怕的就是产品走样、场景不真实、人物太假、动作不自然。这些问题,都没出现。

                    甚至露营那支,晨光打透瓶身,定版那一帧我觉得都能直接当主图;烧烤摊下四个人一碰瓶,夏天的劲儿一下就有了。

                    两支广告片算下来不到 30 块。这类产品的投放本来就靠多个版本,让数据来挑,单条便宜三分之一,同样预算能多测好几个场景。

                    写在最后

                    7 个场景跑下来,正文里 Seedance 2.5 flash 出的片子一共 13 条、203 秒。按 API 价算,大概 201 块左右;同样的量全走 Seedance 2.5,要 307 块。

                    (价格按火山方舟 API 刊例价算,各平台积分换算有差异)

                    差的这 100 多块,够 Seedance 2.5 flash 再跑 7 条 15 秒的片子。

                    回到开头那个问题:便宜下来的这一截,砍掉的是什么?

                    从分辨率上看,目前 Seedance 2.5 flash 的分辨率只到 720P,参考素材最多挂 10 张图、5 段视频、5 段音频(Seedance 2.5 是 30、10、10)。

                    对应到不同的使用场景上,当前 Seedance 2.5 家族确实形成了两个梯队:旗舰模型和 flash 模型。

                    Seedance 2.5 负责的是往上摸天花板,而 Seedance 2.5 flash 用三分之二的价格,把差不多的能力交给每天要出片的人。

                    分工也很简单,对质量和成品清晰度有绝对高的要求、一次性需要挂一堆角色的,交给 Seedance 2.5;日更、跟热点、投放测试,交给 Seedance 2.5 flash 绝对是性价比之选。

                    跳转微信打开

                    Qoder首发Qwen4-Max-Preview,两折体验 | 附实测

                    2026年11月12日 20:07

                    原创 冷逸 2026-11-12 20:07 四川

                    跑了4个顶级Case

                    大家好,我是冷逸。

                    这周,真是爆炸性的一周。双十一各家Token打骨折价,新模型也接踵而至。Fable 5.2、Qwen4-Max-Preview来了,GPT-6.2 Astra/Sol、Gemini Kryptom也正在来的路上。

                    刚刚我在Qoder里,看到Qwen4-Max-Preview已经上线了,而且还打二折。

                    测起来,这就测起来。

                    根据公开整理的信息,这个模型的能力有:1M上下文,原生多模态,内置web_search、web_extractor和code_interpreter,思考深度可调节。知识理解更深,世界感知更立体,Coding和Agentic能力都有进化。

                    前几天,Qoder上有只鸭子(Qoduck)爆火,原来真身正是Qwen4-Max-Preview。哈哈,国产模型都太好玩了,MiniMax放了只兔子,阿里养了只鸭子。

                    我也第一时间在Qoder里进行了实测,第一眼看到这个流体效果,真被惊到了。

                    做过游戏的朋友都知道,水体是最难做的,因为它很不线性。要模拟出逼真的波浪、飞溅和水花,需要计算大量的粒子或网格的相互作用。

                    一般是将水拆成无数个粒子,每个粒子只和附近邻居相互作用,通过维持密度恒定来模拟流体的运动轨迹。除了基本的反射、折射、菲涅尔效应这些,还要有泡沫、浪花、焦散等附加效果,这里面的计算量实在太大了。

                    所以,游戏里一般都是用“动画水”,预先设计好贴图和特效,玩家一交互就触发动画,很少用“物理水”,用成千上万的粒子或网格来计算水的运动。

                    给大家看个演示图,你就明白了。

                    而这个任务,Qwen4-Max-Preview仅通过Three.js+着色器就完成了整个开发。最终出来的效果,光影变化和物理交互非常逼真,看起来就像真的一样。

                    完整的提示词我放在这里了,欢迎大家复现。

                      创建一个雨后深夜街头的水洼,从略微倾斜的俯视角观看,水面可以踩。


                      【必须有】
                      - 沥青颗粒质感、不规则的水洼边缘、几片落叶和一颗露出水面的小石子。
                      - 水面倒映街边霓虹(粉、青、橙)、红绿灯和楼宇灯窗;倒影随微波轻晃,比实物略暗略糊。
                      - 点击或划过水面激起涟漪:扩散、在洼边反射叠加,把霓虹倒影撕碎又慢慢复原;落叶被推开、打转。
                      - 雨还在零星下:随机雨点各自激起小涟漪和一圈可见的水花冠。
                      - 偶尔一辆车从画面外驶过,车灯的光带扫过水面,倒影里滑过两道亮光;红绿灯变色时整个水洼的色调跟着变。
                      【氛围建议】
                       蓝紫色的雨夜,暖黄路灯与少量红色霓虹倒影。


                       【规则】
                      - 在普通电脑上以 60 fps 为性能目标,并在 390 px 宽的手机屏幕上保持流畅。根据设备性能调整渲染分辨率、几何细节和粒子数量。
                      - 不出现任何UI:不要标题、按钮、菜单、说明文字、计分、控制面板或调试信息。整个画面就是场景本身。
                      - 同时支持鼠标和触摸。点击、轻触、按住和拖动应直接作用于场景中的对应位置,而不是触发与位置无关的全屏动画。避免触摸操作引起页面滚动。
                      - 优先做好核心材质、运动与交互反馈,再添加装饰细节。物体对扰动的反应必须有连续过程,不能只是瞬间位移或播放固定动画。
                      - 场景在无人操作时也要自然地缓慢变化。用户造成的扰动应逐步衰减,避免无限积累粒子、波纹或其他对象。
                      - 光照、时间、视觉风格和实现技术可以自行决定,但必须保持统一。需要表现反射、折射、阴影或局部发光时,让它们与场景运动保持一致。


                      【交付】
                      将结果写入当前工作目录的 index.html,交付一个可以直接运行的 HTML 文件。
                      如果使用任何库,必须通过 import map 加载来自 CDN 的版本固定模块,例如:https://unpkg.com/three@0.169.0/build/three.module.js
                      所有自定义 CSS 和 JavaScript 都保留在 HTML 内部。无需构建步骤,不使用本地资源文件,不使用外部模型或纹理;所有几何、材质、纹理和效果都通过代码生成。


                      【分步骤构建文件】
                      先创建 HTML 骨架和样式,再通过多次独立工具调用,逐步追加 JavaScript、场景初始化、材质或着色器,以及交互逻辑。不要在单次工具调用中输出整个文件。

                      也给大家录了个视频,可以看下完整的效果。

                      从开发到测试,整个项目在Qoder里历经了64轮模型迭代,用时41分钟,这速度不算慢。

                      我要求的沥青/油渍路面+散落的树叶和石子,它都设计进来了;零星雨点随机落下,也都会泛起涟漪;粉/青/橙霓虹字、楼宇灯窗全都倒映水中,并且会随着车辆路过而发生变化。

                      性能方面,电脑和手机端均远超 60 fps,两分钟长跑无bug,雨点连击20+测试都很稳定。

                      其实前面“游戏里的水难做”这个演示图,它也是Qwen4-Max-Preview跑的。

                      本质是模型做了一个SVG,直接复制就能放进公众号里,我给大家演示一下。

                      它给我做了好几版。Qwen4-Max-Preview这前端能力确实没得说,相比上代模型有大进步。

                      完整的提示词模板,我放在下方了,你复制就能用。

                        # 目标
                        单 HTML 文件承载一张 2:3 SVG 科普图:{{主题:根据 xx 内容提取}}。页面大幅展示,带实时调节面板、复制、下载;零外链,动画保留;SVG可供用户一键复制、粘贴进公众号,确保复制出去的与屏幕上看到的完全一致。


                        # 公众号验收线
                        - 粘进公众号编辑器点保存后效果不掉:成品 id、defs、渐变、filter、clipPath、mask、pattern、url(#…) 计数全为 0,一律展开成纯几何。
                        - 观感不降级:渐变、光晕、暗角、噪点、斜纹、渐变标题都在,无色阶台阶、无接缝。
                        - 富文本复制走 ClipboardItem(text/html + text/plain);外层 section 限宽 677px、font-size:0、带底色;SVG 用 width="100%" + viewBox,不写 height。
                        - 走公众号的复制永远输出烘焙版,与预览开关无关。

                        然后,我还跑了一个case,也挺有意思的。

                        它的Prompt如下。

                          制作一个桌面立体模型:荒野公路旁的一座加油站,深夜大雨。


                          【必须具备】
                          - 一个方形底座,边缘像博物馆模型那样做剖切处理,在侧面以横截面展示沥青层、路基和埋设的管道。
                          - 加油站雨棚及其便利店。雨棚下的灯管闪烁并投下冷白光,照亮湿滑地面上的倒影;便利店窗户透出暖光,里面隐约有人影。室外是漆黑、潮湿、反光的。
                          - 暴雨、地面积水与水花、雨棚边缘形成的雨帘、远处公路上的车灯光晕,以及偶尔的闪电短暂照亮整个场景。
                          - 一辆小轿车停在油泵旁,雨刷在动,车灯亮着。
                          - 拖动以旋转,滚动或双指捏合以缩放;立体模型始终不会离开画面。没有其他 UI。


                          【规则】
                          - 在笔记本电脑上达到 60 fps,并且在手机 390 px 宽度下仍然流畅。保持低 draw call(实例化、合并几何体),并限制像素比。
                          - 不要用绘制的背景来伪造 3D。
                          - 艺术风格(写实、低多边形、风格化)和配色由你决定。它应该看起来像一件你会想摆在架子上的东西。
                          - 将结果写入当前工作目录下的 index.html:一个可直接运行的单 HTML 文件。你使用的任何库都必须是来自 CDN 的版本固定模块(例如 https://unpkg.com/three@0.169.0/build/three.module.js),通过 import map 加载;你自己的所有 CSS 和 JS 都保持内联。没有构建步骤,没有本地资源文件,没有外部模型或纹理:一切都在代码中构建。


                          逐步构建文件:先创建 HTML 骨架和样式,然后在多次单独的工具调用中追加 JavaScript、3D 场景设置、着色器和交互。绝不要试图在单次工具调用中输出整个文件。

                          完整效果。

                          这个微缩版加油站的难度要比上面两个都大,它是一个视觉创作 × 图形编程 × 工程交付的综合测试,考验模型能不能同时做到“好看、正确、流畅”。

                          它不是单纯的测Coding,也不是单纯测审美,而是同时考验模型在复杂约束下的三维场景设计与工程交付能力。

                          最终,在一个HTML内设计完成了一座能旋转、能缩放、有连续天气效果的3D微缩加油站。性能方面,基本都在160 fps左右,页面渲染负载很轻。

                          同样的提示词结构,我也跑了一个微缩版的火山观测站。

                          其实一开始它不长这样,初版的岩浆画面占满了屏幕,一点都不美观。在Qoder里,Qwen4-Max-Preview自己进行了多轮测试,成功修复了这个问题。

                          回头看,提示词其实只给了目标和验收标准:底座上必须有什么、什么灯要亮、模型不能离开画面、帧率要达标。至于怎么查、怎么改、怎么验证,全是它自己安排的。

                          写在最后

                          在Qoder里测下来,Qwen4-Max-Preview在代码质量、前端审美、3D能力和Tool Use方面都挺强的,加上Qoder自身在Coding领域的Harness积累,非常适合Vibe Coding。

                          而且,速度还挺快的。

                          像前面的SVG开发,经历了86轮模型迭代,耗时31分钟。

                          火山观测站内联Three.js无任何外部模型,包含38个draw call、约2.3万三角面,经历了55轮模型迭代,耗时28分钟。

                          从测的这几个Case来看,Qwen4-Max-Preview绝对是目前第一梯队的水准。

                          最关键是,它价格便宜啊。在Qoder上,现在是二折体验,这还要什么🚲。

                          快蹬起来~

                          跳转微信打开

                          实测千问办公2.0,这次AI直接住进了团队

                          2026年11月10日 13:52

                          原创 冷逸 2026-11-10 13:52 云南

                          Team Agent来了

                          大家好,我是冷逸。

                          2026年的Agent赛道,几乎每个月都有新东西。Coding Agent、Work Agent、Design Agent,再到最近热门的Personal Agent,大家都在回答一个问题:AI还能帮我做什么?

                          但这段时间,我越来越在意另一个问题:为什么每个人都用了AI,团队却未必更快?

                          一个人写方案,从半天缩短到十分钟。可方案发进群里,还是要等反馈、找资料、核对口径,再改一轮。初稿出来得越来越快,项目却依然卡在“等别人回复”上。而且很多时候,一个项目不止一个群,到最后只能人工去汇总项目的上下文。

                          11月3日,Miro发布了一份覆盖9500多名管理者和员工的全球调研:83%的受访者认为AI提升了个人生产力,但只有56%认为产出质量改善,60%没有看到团队协作变得更好。

                          更值得注意的是,69%的受访者表示,大部分AI辅助工作发生在私人会话里,而不是共享空间中。59%的人说,需要审阅的AI生成内容变多了。

                          这些是受访者的感受,不是对企业效率的直接测量。但它们指出了一个很现实的矛盾:AI已经能写,人却还在负责搬运和对齐。

                          AI把“写出来”变便宜了,却没有自动让“达成共识、作出决定、推动执行”变便宜。

                          带着这个问题看千问办公2.0,我觉得这次最值得聊的,反而不是它推出了什么新东西,而是它开始把Agent放进团队共同工作的地方。

                          01 Agent进了群,还不够

                          千问办公2.0这次重点更新了「协作」。你可以创建“人机协作群”,把同事、客户和Agent拉进来,围绕一个项目一起工作。

                          新版UI我也挺喜欢,留白多了,用起来没那么紧绷。但真正让我觉得它“很能Work”的,还是这些原本分散的信息被一个Agent给组织起来。

                          熟悉群聊机器人的朋友可能会问:这不就是把机器人拉进群吗?我体验下来,还真的不太一样。

                          群聊机器人只有当前一个群的上下文,它能做什么,取决于你给它设计的系统提示词是什么。而「协作」里的Agent,除了能理解协作群里的信息外,还能关联跨钉钉群聊、文档、AI表格和AI听记等内容。

                          也就是说,一个Agent可以掌握项目所有的上下文。钉钉内的Work数据,它都可以关联、读取和写入。

                          在「空间上下文」里,可以随时查看本项目的数据源、产物资料、定时任务和待办事项。

                          Agent的工况,也可以在看板里随时查看,比如积分消耗、回答人数、对话次数等。

                          这跟Personal Agent“一人对多Agent”有所不同,千问办公主打的是“一Agent对多人”,解决了企业协作最大的难题——信息不同步。

                          放到具体工作里,这个变化就更容易理解了。

                          比如:

                          把技术、市场和运营的相关群聊、资料关联起来,再问小Q:“这个产品目前卡在哪里?市场最新的反馈是什么?哪些事项需要谁来确认?整理成待办。”

                          把《持械入宋》的分析数据和相关资料关联起来,然后拉客户、制作团队到一个群,@小Q 复盘这个爆款短剧,我们接下来可以怎么做。

                          关联最近线下的10场AI听记,然后拉团队小伙伴到一个群,大家集体学习,或向@小Q 深度提问。

                          这几天,我在云南给一家企业做培训,他们问我:“到底什么是AI Native组织?在组织架构、运作模式上,跟传统团队有什么区别?”今天,千问办公的「协作」功能就很好地回答了这个问题。

                          通过「协作」,Agent充当中台,连接企业的后台上下文和前台业务同事。它不只是服务我,而是直接住进了团队,同时接管人与人之间的信息流转。

                          这全司的数据飞轮,不就跑起来了。

                          据说,千问办公后面还会打通飞书和企微的群,那就更期待了。

                          02 同屏编辑,人机共创

                          除了「协作」,千问办公2.0还优化了人机同屏编辑。

                          对话和文档并列,你可以选中局部内容让AI改,也可以自己动手修改。除了Office三件套,还支持钉钉在线文档和AI表格。

                          比如,我给千问办公2.0做了一份10页的产品介绍PPT。打开之后,我可以自己修改文字、排版和配图。

                          也可以选中局部,让AI接着改。

                          对于习惯云文档的朋友,千问办公也支持AI表格和在线文档的修改。所有修改,都直接落在原文档里。

                          当然,人机共创不等于把定稿权交出去。像报价口径、交付承诺和风险判断这些,依然需要你逐项核对。

                          03 自动任务,主动触发

                          方案改完,只完成了一半。真正耗人的,往往是后面的跟进。

                          这次千问办公2.0的“自动任务”,新增了「触发任务」。

                          可以根据多个触发条件来设置触发任务。

                          比如,当领导单聊或在群里给我发信息时,千问办公可以及时监控,帮我重点标注,纳入当日核心工作任务。并且还能专业地回复领导。

                          它的回复是基于前后沟通背景和相关资料来回,不是乱回。如果需要人拍板的事项,则会交回给用户处理。基础的事,它干;决策的事,我干。

                          这样,我就不用一直盯着工作群了。

                          前段时间,DeepSeek提出Super-Agent,强调Agent要能够主动服务,走进用户。今天,我在千问办公2.0看到Super-Agent的雏形。

                          真正有用的主动服务,是减少盯群的负担,同时把不确定的事情交回给人。

                          04 所有资料,汇集在一个地方

                          最后一个值得聊的,是“资料空间”。

                          千问办公以成果为中心,把收藏、文档、图像、视频、网站或应用、HTML,以及Office三件套等产物,汇集到一个入口。

                          过去,AI生成的东西和上传的文件散落在不同对话里,查找时需要反复翻阅,非常不便。

                          现在,千问办公直接在一个地方汇集了所有产物,这个功能很懂用户。

                          写在最后

                          把这些功能串起来,你就能明白为什么千问办公会瞄准「Team Agent」。

                          从Coding Agent、Work Agent到Personal Agent、Team Agent,Agent的比拼正在从“谁能帮我干活”延伸到“谁能更深入地连接上下文和业务流程”。

                          行业也在往这里走。微软10月更新的Work IQ检索工具,把邮件、文件、会议和Teams消息纳入工作上下文,并强调授权边界;Anthropic的Claude for Small Business把连接现有工具与发送前审批放在重要位置;Perplexity也在11月推出Teammates,让Agent并行处理营销、销售、客服、运营等职能。

                          当然,拉Agent进群并不自动等于团队智能。真正的Team Agent,还需要明确身份、权限边界、操作留痕,以及人对关键决策的责任。

                          千问办公2.0,让我看到了一种新的分工雏形:人负责目标、取舍与承诺,Agent负责搜集、修改、跟进和归档。

                          过去,办公数字化让人学习软件。下一阶段的办公智能化,让软件开始理解工作。

                          或许,过去人们心心念念的AI员工,今天在千问办公2.0里更具象化了。

                          跳转微信打开

                          即梦Seedream 5.5来了,分享13个超实用的玩法

                          2026年11月9日 17:44

                          原创 冷逸 2026-11-09 17:44 四川

                          实测+干货

                          大家好,我是冷逸。

                          今天,Seedream 5.5发布了,目前在即梦已经可以体验,而且免费。

                          一句话认识这个模型:支持原生RGBA透明分成生成、单/多轮精准编辑、高信息密度文字渲染以及人像真实感提升。相比前代模型,5.5更偏商业设计和交付了。

                          Ps,本文所有配图,均由Seedream 5.5生成。

                          周末我被灰到后,连着测了两天,真的很好玩。下面,给大家分享我的实测总结,以及我提炼的一些有趣玩法。

                          1)生成、提取透明背景素材

                          目前,RGBA生成支持显式和隐式。显式就是直接在即梦的对话框旁边,把「透明背景」打开。

                          隐式就是通过提示词唤醒,只要在提示词中提及【透明背景、半透明、PNG透明底、无背景、alpha通道】就会自动触发,生成带alpha通道的全透明或半透明图像,无需后期抠图。

                          比如,我就批量生成了一批。

                          体验下来,像Logo、图标、UI、商品、物品、人物和表情包这些素材,它都可以生成。它不是生成后再抠图,而是模型在生成阶段就理解了背景不应该存在,所以,素材抠得非常丝滑。

                          这里面,半透明是最难的。传统抠图工具处理玻璃杯、透明包装、薄纱时,必然会产生边缘光晕。现在模型原生RGBA生成,就可以很好地规避这个问题。

                          除了生成(文生图),它也可以提取(图生图)。

                          透明素材拿到后,就可以跟其他场景结合设计了,我给大家录了个屏演示。

                          这个功能,对很多设计场景都是直接受益的。比如贴纸或表情包素材,设计好后可以直接上架;logo、UI、UX生成好后,可以直接放进网站开发;电商产品抠图后,可以直接进入生产环节。

                          2)单/多轮精准编辑

                          Seedream的图像编辑能力一直都很强,但5.5这次又进化了。主要体现在三个方面:

                          • 指定区域编辑,一致性很稳;

                          • 多轮编辑,画质不塌,可以一直改到三十多轮;

                          • 指令遵循,精准理解,包括像复合指令(位置+对象+属性+保持项)都能理解。

                          给大家看个官方Case。

                          注意!这不是代码跑出来的,是一张一张图画出来的。提示词只有这一句“将图中XX形态/动作改为XX形态/动作,其他部分保持不变”,一直改到第三十七轮,画面都没有崩。

                          那这好玩了,比如让两个人手挽着手在陌生的街道合影。

                          让九个人按固定姿势合照。

                          以及让模特住进新家。

                          还用我「银光」网站的色卡,重新给OpenAI官网做了配色和UI。

                          这几个Case,我实测中都是One shot直出,Seedream 5.5的单/多轮图像编辑能力属实离谱。

                          模型做图像编辑,基本上每轮都是一次有损编码。如果没有专门的稳定性约束,第10轮后通常就会出现色彩偏移、纹理塑料化、边缘振铃等。

                          能明显感觉到,Seedream 5.5在这方面做了重点优化,也让这个模型有了更大的工程价值和商业场景。

                          3)高密度文字生成

                          自GPT Image 2发布后,模型能生成文字并不稀奇,各家比的是能不能在高信息密度中依然能保持文字准确、结构合理、排版与配色协调的能力。

                          关于这方面,即梦关于Seedream5.5的使用手册介绍,复杂场景下小字准确率能做到95%。

                          在这里,我测了一个最复杂的case。我把自己整理的万字Model card发给了它,让它根据参考资料设计一张大字报海报。

                          尺寸和分辨率,我几乎选的是模型能支持的最大的了。最终出来的效果,确实还不错。

                          也欢迎大家来纠错,看看海报中的文字有没有错的。

                          然后我又试了一个GPT那边经常出错的中文字,我的“垠”和“逸”字,十有五回都是错的。每次我生成带这两个字的海报,都很苦恼。

                          这次,我让Seedream 5.5把这两个字都设计进来。

                          完成得还挺不错的,而且海报设计得也很有水准。

                          又试了一个户外的封面海报。

                          提示词:

                          生成一张高质感的户外生活方式主题封面,主文案「在沃垠 新生活」,辅文案「冷逸的懒人文案」,以春日田野、自然探索、自由出行为核心概念,呈现自然、松弛、自由且充满生命力的春日氛围。画面主体与摄影场景以真实户外摄影作为整张海报的背景。场景位于户外草坪,画面中央偏下是一位年轻的东亚男性,黑色短发,面容清秀。

                          海报质量还不错,“懒”字也写对了。

                          我也让Image 2.5跑了一遍,抽卡两次,两次的“懒”都写错了。

                          看来,中文字渲染,还得是中国模型。

                          体验下来,感觉Seedream 5.5这次的文字渲染能力又提升了,从高信息密度文字渲染到大标题海报文字设计,模型都能接得住,排版与配色也很协调。

                          唯一有点遗憾的是,目前不支持4K,在极宽、极高比例的图像里,还是会有部分小字模糊。

                          4)人像更真实

                          人像这块,我测下来,进步也很大。

                          主要来说,就是人像更真实了,包括皮肤质感、光影逻辑和面部结构都更加真实,强调随机感、自然感和多样性。

                          前面给大家展示的这张图,就是5.5直接生成的,有点向Midjourney看齐的意思。

                          搞短剧的人,这回人脸建模终于有救了,不再是塑料脸了。

                          给大家再看看Image 2.5生的图,真是一言难尽。光影、脸型和妆容,都很糟糕。

                          除了文生更真实外,图生也更容易改了。

                          提示词:去掉脸上和颈部的皱纹。

                          提示词:去掉她脸上的小痣。

                          提示词:把女生的嘴唇变厚一点,涂上淡淡的口红。

                          提示词:让她穿着苗族服装,在西江苗寨自拍。

                          提示词:看她适合什么发型、发色?根据她的脸型设计出不同风格的效果示意图。

                          以前,用过很多图像模型美颜修图,它总会在一些细微的地方悄悄改变你的容貌,导致修复后的人看起来很怪,一点都不像自己。

                          Seedream 5.5是我第一次体验到AI美颜修图,修得这么丝滑的模型。像脸型收窄、去痣、去痘、去皱纹、双眼皮、补妆这些,它都可以做到。

                          最后,想给大家强调一下提示词。本身,Seedream 5.5是不怎么吃提示词的,但如果你有更好的提示词,明显能出更好的效果。

                          主要强调四点:

                          • 先写任务,再写风格。一开始要先说生成什么、修改什么,再补充风格词。

                          • 先说目标,再说细节。是海报还是信息图,是主视觉KV还是角色/道具/场景图,是PPT单页还是杂志内页,开头就要先定好视觉体裁。

                          • 文字必须逐字给全、分层级。按具体需求写清字体、字重、颜色、对齐方式、行数。

                          • 结构比形容词更重要。写清位置、层级、构图、模块关系,而不是只写“高级感”“氛围感”。

                          详细的提示词技巧,可以看这张由Seedream 5.5生成的长图。

                          推荐提示词骨架:

                            【任务】生成 / 编辑:<一句话目标>
                            【主体】<谁 / 什么 / 数量 / 状态>
                            【场景】<环境 / 时间 / 天气 / 空间关系>
                            【构图】<画面比例 / 版式分区 / 视角 / 景别>
                            【光影与风格】<光源方向 / 色调 / 质感 / 参考风格词>
                            【文字】"<逐字内容>" — 位置 / 字体倾向 / 字重 / 颜色 / 对齐 / 行数
                            【保持项】<不要改变的部分,明确列出>
                            【排除项】<不要出现的东西>

                            编辑任务专用骨架:

                              将图中 <精确定位:红圈内 / 左上角 / 第 3 个对象> 的 <原状态>
                              改为 <目标状态>,
                              其他部分(主体、构图、光影、背景、文字排版)保持不变。

                              简短一点,推荐这条你能直接用的句式:

                              生成一张【体裁】,用于【载体/用途】,【版面结构】,主体是【……】,【光影风格】,文字“【逐字】”放在【位置】。

                              举例:

                              生成一张小红书竖版封面(3:4),用于美妆笔记,上 1/3 纯色留白放标题、下 2/3 为手持产品的手部特写,柔光、浅米色背景,标题“早八不脱妆”。

                              整个体验下来,我感觉Seedream 5.5是毫无疑问的国内图像模型SOTA。现在即梦还有针对新模型的专属福利活动,Seedream 5.5 全员7天无限用,会员还可解锁 Seedream 5.5 30天无限用和5.0 flash 365天无限用。

                              除了图像模型外,即梦这个双十一福利拉满,短剧工作室、动效工作室也相继上新,Seedance2.5迎来超低价,现在入手真的很值。

                              以上,就是今天这篇文章的全部内容,希望能够对你的创作有所帮助。

                              如果觉得这期内容不错的话,欢迎帮我点个三连,感谢。我们下期再见。

                              跳转微信打开

                              实测Vivix的两个新模型,我体验到了下一代的视频内容

                              2026年11月6日 16:33

                              原创 冷逸 2026-11-06 16:33 四川

                              一手实测

                              大家好,我是冷逸。

                              现在,AI视频的技术路线大致有三条。一条是以Seedance2.5为代表的DiT扩散视频生成模型,一条是以Opus 5.5为主的Code-to-Video路径,还有一条是实时交互视频模型。

                              这里面,第三条路线最难,但也最有可能成为AI时代的增量场景。

                              以SD为例的视频生成模型,它主要为上一代成熟内容格式做降本增效,已经有成熟的产品和收入;Code-to-Video是最近兴起的新路径,本质上还是在用现有工具链拼装;而实时交互视频模型是AI时代的新产物,有机会让互动内容成为可以被消费的技术基座。

                              Vivix(灵动时刻)正是这条路线上的一个具体样本。它由商汤系创业者刘宇创立,成立约一年便估值13.2亿美元,背后站着IDG、红杉、阿里、京东等机构。

                              目前,Vivix发布了两款支持流式原生多模态的模型,均是30B左右的参数。其中A1负责让角色动、演、说和与身边世界互动,W1负责叙事世界的持续生成与交互,可以生成短片,也可以直播live。

                              A1演示案例

                              W1演示案例

                              而且,他们把延迟和价格压得非常之低。

                              可见反应延迟平均0.6秒,流式调度器响应新输入最短300毫秒,端到端首次反应延迟低于1.7秒。价格方面,A1是$0.22/分钟(¥1.47/分钟),W1是$0.18/分钟(¥1.2/分钟)。

                              A1价格只有同类模型的1/2,W1是Seedance 2.5的2.5%。而且,他们创始人表示,Vivix的推理成本还要降,争取再降一到两个数量级,希望能够接近CDN带宽成本。

                              冲着这个价格,我最近实测了一波。先体验的是A1模型,在Vivix官网上,A1模型有两种体验路径:一种是自己跟Agent对话,完全手搓;一种是基于现有模板来改编。

                              比如我选了一个比较热门的模板,魔改了一番。要求她扮演我的AI女友,全程说中文,专门催我起床,而且每次都要叫我“冷老板”,还给她配置了不同衣服的分身。

                              先看VCR。

                              整个互动过程还挺丝滑的,基本上指令(语音、打字皆可)发出去两三秒左右,她就能接上我的话开聊。5分钟体验下来,嘴型同步这块完全没有问题。

                              让她取咖啡,手部和肢体协调也都很自然,没什么畸变。

                              换装也很丝滑,切换后能继续开聊。而且,她记得上下文,知道前面聊了什么,能轻松接住我的话题。

                              我还测了一个Case。指定一张图,让她充当我的助理介绍我自己,一分钟的视频直接出。

                              A1模型能说会动,还会演,那基于它的应用场景可以有很多。

                              比如AI占卜,可以根据你的星座和你聊的内容,巫师实时给你推算命数。

                              还包括换装,你有心仪的衣服,都可以让模特帮你试穿。

                              再比如文旅导览。你让小动物给你介绍景区有什么好玩的,它不是干巴巴地背一段介绍词,而是拿起一张旅游地图,边走边指给你看。角色的动作和对话是同步发生的,而不是先想好台词,再硬贴一个动作上去。这种自然感,靠传统的“语音识别→大模型思考→语音合成→驱动画面”这套流水线,根本做不出来。

                              当然,A1依然有不足。比如一些高速动作或精细的手部抓取上,它偶尔还是会露馅。但它的方向很清晰:把AI角色从脸部表演扩大到全身、全场景的表演。

                              如果这个方向跑通了,以后你跟屏幕里的角色打交道,可能真的就像在跟另一个世界打视频电话。它不只是回答你,它还会走向你。

                              接着,我又体验了W1模型。W1支持Video Gen,也就是视频生成,能做到又快又便宜,质量也还不错。

                              有了视频生成技术打底,它能为实时互动视频提供基座。比如官方这个Live Stream,提供全球实时互动直播。

                              我一点进去,就是豆姐在大战水豚(Qwen的形象)。

                              作为观众,可以选择道具,也可以为角色助力。

                              我接连给豆姐递上了雷神之锤和美国队长的盾牌,结果还是没有干赢水豚。

                              这是官方建的Live demo。实际上,你完全可以自己接入W1 Live Stream的API进行定制,自己手搓一个类似的直播间。包括场景、人物、角色、道具和运镜,都可以开放给观众定制。观众的上一秒,决定着画面的下一秒。

                              W1的Video Gen,跟Seedance、H3类似。参考图最多可选5张,参考音频可选3段,可首帧也可尾帧,时长支持5-15s。

                              我接连用同一位女主制作了多段视频,请看VCR。

                              这效果,无论是物理遵循、空间连续性、音画一致性还是多镜头叙事,我觉得完成度都挺高的,都是One shot直出。

                              更厉害的是它的速度和价格。我给大家展示一个片段,从发出请求到最终出片全过程录屏,一帧未剪。

                              10s视频,总共也就13s左右就生成好了,非常之快。

                              而价格这块,W1是$0.18/分钟,算下来是人民币0.02/s。这个价格是真的离谱,这是我见过最便宜的视频模型了,没有之一。

                              它意味着,制作一部90分钟的AI电影,只要16美金(106元)。

                              为什么这么便宜?我在他们的技术报告里找到了答案,W1采用的是ultra-low-step distillation架构,模型从设计之初,就将交互信号的理解与流式生成结合起来,所以能大幅降低推理成本。

                              最近,著名科幻作者Scene Forge连续发布了三条长视频科幻作品,其中动画、角色和场景音效都是用的Vivix W1。

                              海外很多博主,也都说他们家这个价格是真的夸张。

                              写在最后

                              从A1到W1,能看出Vivix在实时交互领域的不断探索。

                              A1,专注角色的实时全身表演,不只是对口型,角色还可以行走、说话、拾取物体以及与身边世界互动。

                              W1,专注原生多模态的流式交互,可与视频世界实时交互,也可以生成片段视频。

                              更重要的是,他们通过自身的技术迭代,直接把价格拉到了几分钱每秒的价位。同时,速度方面也丝毫没有懈怠,端到端延迟做到了1.7s。

                              这是我少见能做到同时在质量、成本和速度三个维度一起发力的AI Native公司,而它来自中国。

                              这还不是终点,他们创始人的野心更大,试图将AI视频的成本逼近视频网站的CDN带宽成本(0.2美金/小时)。因为他认为,只有这样,视频模型才有可能成为新一代实时交互内容的基座。

                              期待Vivix的努力,我们早一点见到那天的到来。

                              跳转微信打开

                              一下午、三毛钱,我用代码给自己做了条个人介绍视频

                              2026年11月4日 19:19

                              原创 冷逸 2026-11-04 19:19 四川

                              三步复现

                              大家好,我是冷逸。

                              今天给大家分享一个好玩的Code to Video场景,用代码制作自己的个人简介视频。

                              先看VCR。

                              以及竖屏版(换了个音色)。

                              不需要Opus 5.5,也不用Codex,国产的M3.1-flash、V4.1-flash以及刚刚发布的Hy4正式版都可以做。我是在MiniMax Code里用M3.1-flash跑的,非常便宜,这个视频只花了3毛钱。

                              同样,我也在Workbuddy里用V4.1-flash跑了一遍,花了8毛钱。感觉最近的V4.1-flash一点都不便宜了。

                              下面,简单三步教你做出同样的视频。

                              第一步,把你的个人简介和这段提示词一起发给Workbuddy、MiniMax Code、豆包工作这类Work Agent(发给DS/Kimi/Qwen Chat的网页端也行)。模型推荐用写作能力较好的K3.1-Pro、V4.1-flash或Qwen3.8-Max。

                              全部提示词如下:

                              你是一名擅长个人品牌商业包装的资深文案与配音编导。
                              请阅读我上传的个人简介资料,为其创作一支约55秒个人介绍视频的中文配音稿。视频用于对外展示个人Profile、建立专业信任并促进合作,不是履历汇报。
                              【创作目标】
                              让观众听完后清楚记住:我是谁、我能为谁解决什么问题、我凭什么值得信任,以及如何与我建立联系。
                              【叙事结构】
                              1. 价值钩子(约0–5秒):从目标受众的需求、痛点或我能创造的价值切入,避免以流水账式自我介绍开场。
                              2. 身份定位(约5–12秒):自然交代姓名、职业/角色、专业领域和一句清晰的个人定位。
                              3. 核心能力(约12–22秒):提炼最重要的3项能力、服务或专业方向,突出它们分别能解决什么问题。
                              4. 实力证明(约22–38秒):选取最有说服力的代表项目、成果数据、作品、客户案例或资质,重点讲结果而非职责。
                              5. 差异化标签(约38–47秒):提炼我的独特方法、专业优势或工作风格,形成一个容易记住的个人标签。
                              6. 合作连接(约47–54秒):说明希望链接的人群、适合的合作类型或当前开放的合作方向。
                              7. 品牌收尾(约54–60秒):回扣姓名或个人定位,用一个自然、明确的行动指令收尾。
                              【写作要求】
                              - 用第一人称表达,使用短句、自然停顿,避免过多头衔、术语、长数字及密集信息。
                              - 采用“价值先行、证据支撑、差异化记忆、合作收尾”的商业表达,不要写成简历朗读。
                              - 语言专业、自信、真诚、简洁,有适当的节奏和情绪递进,但不要浮夸、喊口号或堆砌形容词。
                              - 只使用资料中明确提供的信息,不得虚构职位、客户、项目、成果、数据、荣誉或合作关系。
                              - 资料不足的内容直接略过,不用空泛套话补齐,也不要在成稿中解释资料缺失。
                              - 优先保留具体、可信、有辨识度的信息;删除与目标受众无关的经历。
                              - 姓名、英文词、数字和专业术语应写成便于配音模型正确朗读的形式。
                              - 以自然偏稳的商务语速控制在约55–60秒,通常约220–260个汉字,以实际配音时长为准。
                              - 可按照内容逻辑自然分段,但不要添加时间码、镜头描述或配音说明。
                              【输出格式】
                              仅输出可直接粘贴到视频/配音模型中的完整配音正文。
                              不要输出标题、分析、创作说明、分镜、时间码、角色名或任何额外解释。
                              【个人简介资料】
                              请读取本次对话中上传的附件。

                              这段提示词,主要帮我们生成视频的口播脚本文案。

                              它会按照“价值先行、证据支撑、差异化记忆、合作收尾”的商业逻辑来进行设计,帮助一个陌生人迅速判断:你是谁、你有什么价值、你是否可信,以及你是怎样一个人。

                              当然,最好是,你自己也手动改一改。要让观众看完后,还能不能说清楚“他是谁,擅长什么,为什么值得认识。”若观众说得清楚,那你这个文案就是成功的。

                              比如,我自己的文案就是:

                              如果你想把AI真正用起来,而不只是追热点,我可以帮你少走弯路。

                              我是冷逸,「沃垠AI」创始人,全国前十的AI技术博主,也是Github千星开发者。

                              我主要做三件事:研究并讲清底层技术,开发实用的提示词、Skill和Agent,分享实操经验。

                              这些都有据可查。「沃垠AI」公众号常年位居AI自媒体前十,全网粉丝突破15万;我开源了十多个项目,收获1000+Star;我研发的原创提示词和Skill超过一百个,全网传播超过100万;也受邀为律协、人大、国企和开发者社区做过上百场分享。

                              我的特点是,把技术深度和应用场景结合在一起。

                              如果你是人工智能的爱好者、从业者和创业者,欢迎与我交流。关注沃垠AI,和冷逸一起,用AI放大自己。

                              接下来,第二步,把这段文案和指定音色发给Work Agent来生成配音音频。我是在MiniMax Code里生成的,因为它有自己的Audio模型。豆包工作也可以,Seed的Audio模型一直都很强。WorkBuddy,我还没有试过能不能生成音频。

                              在MiniMax Code里,音色ID我推荐Chinese_casual_instructor_nv1,生成的音频比较符合这类口播视频。其他的,要么太播音腔了,要么太霸总味了。

                              如果需要更多的音色,你也可以自己去MiniMax语音平台选,然后把音色ID复制下来,发给你的Agent就行。

                              这里,还有一个方法也推荐给大家。你可以让Agent根据你的内容来定制音色,然后用这个音色来生成新的音频。

                              前面,给大家看的竖版视频,其实就是我重新生成的音色。

                              这版听起来,就比较符合创业青年的身份,中低音域,语气真诚且克制。

                              第三步,把连同口播音频、口播文稿、个人简介、二维码、企业Logo在内的相关素材和这段提示词一起发给Agent。

                              【任务】
                              用代码制作一支个人品牌宣传片,用于给投资人与客户观看。目标不是"能看",而是"每一秒都让人觉得这是专业团队做的",动效要炸得住、细节经得起逐帧看。
                              【输入素材】
                              - 口播音频:口播音频.mp3(唯一语音来源,原样使用,不替换配音)
                              - 口播文案:口播脚本文案.txt(音频即按此稿录制)
                              - 个人资料:个人简介资料.txt(可量化的成绩必须被提炼成画面上的数据)
                              - 品牌素材:二维码.png(结尾 CTA 使用)
                              【一、内容与节奏】
                              - 每个镜头只承载一个信息点,不贪多;镜头切换跟随语义落点,而不是固定时长
                              - 先用语音转写拿到带时间戳的逐句文本,据此把画面精确对位到口播,禁止凭感觉估时间点
                              - 设计一条"信息密度曲线":铺垫 → 递进 → 数据峰值 → 情绪收束。允许有张力的停顿和留白,不要全程匀速堆信息
                              - 关键数据(数字、排名、次数)要有强调时刻:计数动画 + 光效/粒子/环形进度等对应动效,音画同拍
                              - 整体时长约 60 秒(含片头),片头 1-2 秒
                              【二、视觉系统】
                              - 基调:暗黑科技风 —— 深空底色、蓝紫光晕、粒子与线框构成 3D 空间,玻璃拟态界面,电影级暗角与胶片颗粒
                              - 建立一套克制的统一色板(背景/主色/辅色/强调色/文字层级各不超过 5 色),全片贯穿,不逐镜头换色
                              - 3D 必须是真渲染:自定义着色器的能量核心、轨道环、粒子场、网格地面等,由代码逐帧驱动;禁止用图片假装 3D
                              - 3D 与文字必须分工:3D 负责纵深、氛围与转场能量,文字负责信息;信息密集处 3D 主动后撤、压暗或移出画面
                              - 中文排版讲究层级:主标题有力量感,数字用大字号渐变强调,字重/字号/字距形成清晰节奏;正文行宽克制,保证可读
                              - 未揭晓的信息位用虚线轮廓等"待填充"语言占位,不留空洞
                              - 留白与呼吸:每屏都要有明确的视觉重心和安全的空场,不要把画面填满
                              【三、动效标准】
                              - 所有位移动画使用统一的缓动曲线族(快入慢出的指数/回弹类),禁止线性匀速;不同元素之间要有错峰(stagger),不要同帧涌入
                              - 镜头运动要有设计:推、拉、摇、环绕、焦点转移,与语音重音和场景情绪配合;同一种镜头运动不要连续重复
                              - 每个转场都是一次设计决策:硬切、叠化、光效扫过、闪白、粒子聚散、遮罩推移各司其职,不要所有转场都是淡入淡出
                              - 入场/出场成对考虑,注意"出场"同样需要设计感,避免元素凭空消失
                              - 文本动画逐字/逐词编排,与语音节奏咬合,必要时配合焦点变化
                              - 关键帧动效要有余韵:冲击之后留一点惯性、拖尾、粒子衰减或光晕呼吸
                              - 可以加少量转场音效/冲击音(whoosh、impact、UI tick)强化节奏,音量克制、不盖过人声
                              【四、工程与交付】
                              - 技术路线自选(Remotion / Three.js 等代码渲染方案优先),输出 1080p / 30fps,16:9横屏视频
                              - 性能要可控:着色器与粒子数量要能在合理时间内完整渲染 1800 帧,不能为效果牺牲可交付性
                              - 字体只用系统或可商用授权字体;背景音乐优先用生成式音乐,规避版权风险
                              - 源码工程结构清晰:配色、字体、时间轴、动效曲线、场景各自独立成模块,便于换文案/换品牌色/出竖版后一键重渲
                              - 交付物:最终 mp4、封面图、分镜预览图、完整可运行源码
                              【五、执行流程(按序推进,不要跳步)】
                              1. 读素材 → 转写口播并标注时间戳 → 输出分镜表(时间区间 / 画面内容 / 动效 / 音频落点)
                              2. 确认视觉系统(色板、字体、3D 元素清单)与节奏曲线
                              3. 实现工程 → 先渲染静帧与低分辨率预览逐帧自查 → 修正后再出全片
                              4. 全片渲染 → 验收 → 交付
                              【六、验收清单(逐条自查,不通过就返工)】
                              - 时间轴:每个画面落点与口播误差 ≤ 0.2s;口播全程无被 BGM 盖过
                              - 排版:无文字与 3D 元素重叠、无溢出出血、字距与基线统一、安全区内
                              - 动效:每处动画都有缓动与错峰;转场不重复单调;无同帧涌入、无突兀消失
                              - 画面:抽帧检查至少 8 个关键帧(含片头、数据峰值、尾板),每个都达到"可直接做封面"的完成度
                              - 成片:时长、音轨、码率、片尾留白符合预期,无黑帧、无卡顿、无音画不同步
                              - 反面清单(出现即返工):文字压在 3D 球体上、占位空洞、渐变文字读不清、字号过小、动效像 PPT、背景音乐喧宾夺主

                              它会直接交付包括视频、视频封面、分镜预览在内的所有产物。

                              最终出来的成片,有片头。

                              也有片尾,CTA(call to action)也会留够足够的时间,方便用户扫码。

                              整个流程就是这样,欢迎大家来复现,来给这套工作流提反馈意见。

                              同一套流程,我也用M3.1-flash、K3.1 Pro、V4.1-flash、GPT-6.1-Sol都跑了一遍,大家觉得哪个更好看?欢迎在评论区告诉我。

                              写在最后

                              最近,Code to Video的玩法非常火。要论最强模型,肯定是Opus 5.5,GPT-6.1也还不错。

                              但国内的几款模型,我体验了下来,效果也不赖。无非就是,提示词需要写得更细一点,动效、风格和元素要求更具体一点。

                              参考我今天的工作流和提示词,你也能做出类似的效果。

                              所以,我就花了一下午的时间,鼓捣出了今天这篇文章,教大家如何用代码制作自己的个人介绍视频。

                              希望它能够对你有所帮助。

                              如果觉得有用的话,记得帮我点个三连,感谢。我们,下期再见。

                              跳转微信打开

                              AI正在制造通缩

                              2026年11月1日 20:18

                              冷逸 2026-11-01 20:18 四川

                              大家好,我是冷逸。昨天在微信总部参加了一场AI闭门会,收获很大。完整听下来,有些观点想跟大家分享。

                              1、每个时代都有每个时代的入口,你得让你自己的产品长在这些入口上。比如AI时代,入口就是Codex、Claude Code、WorkBuddy、豆包、红果等。

                              2、红果,已经成为AI时代第一个跑出来的超级产品。它的月活和停留时长都超过了豆包,尤其是停留时长,远超过豆包。更重要的是,它已经跑通了商业模式。

                              3、最近的AI,像极了千禧年的互联网,那时人人都知道互联网很重要,但泡沫实在太大,刺破的代价也很大,纳指直接跌了80%。现在的AI,跟那时候很像。

                              4、AI,正在制造通缩。它降低了生产力成本,但并没有改善生产关系。反而因为企业裁员堆算力,市场需求减少了。不是因为东西变便宜了,而是因为人们买不起了。

                              5、创业前,先做几件确定性的事情:保险、体检以及健康作息和饮食。如果你的身体不允许,那就别创业了,还是好好上班吧。

                              6、个人、小团队,不要想着赚C的钱了,只能To B;赚C的钱,只能是大厂。

                              7、稳定性本身,是一种毒药。来到AI时代,一切变得不确定,要让自己适应这种不确定性。

                              8、内部数据:WorkBuddy用户使用最多的Top3场景:炒股、写论文、自媒体。

                              9、私域运营的大部分问题不在运营上,而在产品设计上。要把做社群当成一个产品,而不只是一个群。

                              10、AI时代,人味很重要,一定要有自己的标签和定位。比如,别人觉得冷逸喜欢分享AI干货,愿意跟着你走,那这就是你的IP价值。

                              11、IP经济,涨价反而是一种好的促销活动。

                              12、私域运营三个梯度计划:低价卖信息差与氛围,中阶卖陪跑与结果,高阶卖圈层与资本。

                              13、进群,必须得付出点什么,比如交份作业、Vibe Coding产品、Github链接。根据产物筛选后,再邀请。拒绝白嫖怪,只要行动派。

                              14、私域社群二维码,不要放在公网上(比如GitHub、公众号文章),极容易被黑灰产爬,然后炸群。已放的,尽快清理。

                              15、公众号最新引流逻辑:用户主动触发,不会被提示风险;让用户被动接受,皆不允许。

                              以上观点仅代表个人意见,作者完全不懂投资,不构成任何投资或决策建议。

                              跳转微信打开

                              豆包又发福利了,分享3种薅羊毛的方法

                              2026年10月31日 12:18

                              原创 冷逸 2026-10-31 12:18 广东

                              速来

                              大家好,我是冷逸。

                              刚刚,豆姐又来发福利了。

                              从今天起,豆包工作或豆包电脑版每天都可以免费领200额度,连续领一个月就是8800的额度,比一个标准套餐的订阅额度(8400)还多。

                              所有新老用户,都可以领。周一领,翻倍;赠送额度到500、2000、5000时,还会有额外赠送。合起来,每个月就是8800的额度。

                              为了领上这个鸡蛋,我直接让豆包工作帮我写了一个Python程序,每天到点自动帮我领额度。

                              可谓是loop上了,每日额度AI自己领,自己领完自己花。

                              提示词就这一句,你发给你的豆包工作也能轻松复刻。

                              它还挺聪明的(模型选的是豆包2.1 Pro),用了伪装客户端UA+无头模式帮我测、帮我跑,直接端到端完成了任务。

                              后续,定时任务都是Windows系统自动运行,也不会消耗我豆包工作上的额度。

                              对了,如果你是新用户的话,注册就能免费领一个月的体验套餐。

                              除了这2个福利,还有一个福利也可以薅。

                              点左下角的头像,找到“免费用豆包”。这里有很多的体验活动可以参加,得额度。

                              比如,让它给你整理一份文档,写一份PPT,操作一次浏览器,或者设置一个定时任务……这些体验任务都能领额度,属于是既把Work做了,还有额度拿。

                              关于额度消耗,我仔细看了一下官方规则。如果你本身就有会员,它会优先消耗赠送额度,用完了才消耗会员额度。所有赠送额度,除了生视频和Pro模型以外,其他所有能力都能用。

                              不得不说,豆姐在发福利这块还是挺给力的。从豆包工作推出以来,这已经是他们连续第三次向所有用户发放额度福利了。

                              各位觉得这篇羊毛攻略还不错的话,欢迎给我点个三连,让更多人的看到,大家一起薅。

                              除了免费领额度外,豆包工作最近也是腹泻式更新,推出了很多不错的功能。我挑几个我认为还不错的,给大家结合场景仔细介绍。

                              第一个,就是这周刚上线的「录制操作生成技能」。

                              这个技能是真的管用,你把日常一些常用的电脑操作流程录屏下来(可以边录边讲),发给豆包工作,它会帮你把整个工作流程写成skill。后面再做类似任务时,它就可以直接调用这个skill了,不需要你再解释操作步骤。

                              完整的演示过程,请看VCR。

                              我是真的很佩服字节的产品经理,能把这个技能想出来的人是真的聪明。配合豆包大模型本就在线的Computer use能力,这个技能太有用了。

                              第二个,本地Office文件一键打开,直接编辑。

                              Word、Excel、PPT这些常见的办公文件,直接用豆包或豆包工作就能打开。

                              打开后,可以直接手动修改,也能让豆包工作帮你改。

                              保存后,修改会立即写入本地文件。再用office软件打开,也能看到改动后的版本。

                              第三个,任务消息排队提交。

                              有时候,任务时间会很长,在等待过程中,我们可以批量提交修改或优化需求。

                              豆包工作会按照提交顺序,逐条处理,电脑端和手机端均支持。

                              这个功能,我经常使用。在电脑端一口气提交多条需求后,出门吃个午饭回来,任务直接就完成了。

                              第四个,一键导入其他Agent的对话、skill和记忆。

                              这个功能,看起来有点像流氓,但真的好使。可以把我的Claude Code、ChatGPT、Trae Work、Coze等平台的项目、对话、skill、连接器和记忆一键同步到豆包工作里,继续使用。

                              包括像历史会话,都是可以导的。它会保留原有的上下文,导到豆包工作后,可以接着在原会话里继续对话,无需重新配置,也不用交代上下文背景,打开就能直接聊。

                              第五个,无限画布。

                              在skill中选择「创意设计」或「创意视频」,生成后的图片、视频和HTML产物会自动汇入一张画布。

                              在画布里,可以轻松地对设计产物和素材进行对比、编辑和延展。

                              生图,模型可以自由选择Seedream 5.0 pro或flash;生视频,模型可以自由选择SD2.0、2.0 fast和2.5;生音频,模型是Seed Audio 1.0。

                              豆包工作,是少见的在图片、音频、视频和Coding等领域都具备顶级模型的Work Agent。唯一有遗憾的是,目前语言模型不支持第三方。

                              不过,我听见有人说,好像快了,非常期待。

                              写在最后

                              所谓Work Agent,要的不就是既能干活又能省钱的AI。

                              豆包工作这两样都占:羊毛给得足,功能腹泻式更新,一批接一批给用户堆。

                              论互联网产品工厂,真没几家比得过字节。

                              所以,别客气,快让它给你写个程序,每天自动把额度领了。

                              领完就是一个月的会员。Work Agent的第一课,先学会给自己薅羊毛。

                              跳转微信打开

                              一键复刻任意视频,SD2.5免费畅用,OiiOii这个双11夯爆了

                              2026年10月29日 21:04

                              原创 冷逸 2026-10-29 21:04 四川

                              附教程

                              大家好,我是冷逸。

                              平常看到一些爆款视频,想复刻只能在评论区求提示词。现在不用了,今天推荐大家一个方法,可以一键复刻任意视频,批量替换、批量生成。包括像最容易翻车的复杂动效、产品展示、TVC,都能完美复刻。

                              这个神器,就是最近OiiOii上线的「一键替换素材」功能。我们只需要给参考视频和替换素材,通过对话就可以替换原片里的所有主体、物体和场景,包括文字、界面、动效都能换。

                              这几天,他们正在搞双十一活动。10.28-11.04期间,新用户开会员,不仅可以使用Seedance2.5等20款热门模型,还可以免费畅用7天。

                              我体验了一下,OiiOii用的是视频模型+Coding模型的组合模式,只需要跟它简单对话,就能一键修改、替换原片里的人物、商品、背景、文字和声音。尤其是批量出片,非常省成本。

                              比如,你做电商、TVC,可以参考原片的广告创意和镜头叙事,一键替换成自己的商品和模特;你做游戏、影游,可以参考原片的运镜和动作节奏,一键替换游戏的角色和场景;你做自媒体,可以选择喜欢的创意视频和叙事节奏,一键替换成自己的人物、素材和场景。

                              最主要是,它的Agent是真的聪明。

                              1、复刻创意广告

                              比如,我一开始的需求是这样。

                              我用OiiOii的一键替换素材功能,上传了一支参考视频和一张替换素材,以及复刻需求(主要是改字)。

                              它花了一点时间思考,分析了我的参考视频,并提出新片子的创作任务。

                              然后,写出了完整的视频生成Prompt。

                              完全参照参考视频的镜头运动、构图节奏与玩法:纯白无缝摄影棚背景,一镜到底,镜头从左向右匀速平移并逐渐拉远,最后静止定格。商品主体替换为参考图中的“农大山泉”550ml天然矿泉水(透明瓶身、白色瓶盖、白底标签上有绿色山峰logo、绿色“农大山泉”字样和雪山河流图案,外观必须与参考图一致)。所有人物与场景重新设计,围绕山泉水和户外健康生活。
                              0-1秒:左侧前景是一个巨大的绿色户外登山背包特写;中景三位穿冲锋衣、登山装的年轻人坐在原木长凳上歇脚,举起农大山泉矿泉水开心畅饮,脚边有登山杖和野餐垫;他们身后立着一个巨大的墨绿色立体汉字“水”。
                              1-3秒:镜头右移,一瓶巨大的农大山泉矿泉水从画面右侧滑入,占据右半画面,瓶身晶莹剔透,标签清晰正对镜头。
                              3-6秒:镜头继续右移并拉远,背包移出画面,巨型水瓶后方出现一排微缩生活场景:晨跑的人、篮球场上的学生、瑜伽、办公室白领、教室学生,每个人手里都拿着农大山泉;地面上露出墨绿色立体大字“到农大”。
                              6-8.5秒:巨型水瓶向左移出画面,镜头拉远成全景,所有微缩场景连成一排,人物站在铺在地面的墨绿色大字标语“喝山泉,到农大”上,画面底部中央出现小号绿色山峰logo与“农大山泉”字样。
                              8.5-10秒:全景静止定格:一排生活场景人物、地面大字“喝山泉,到农大”、底部“农大山泉”logo。
                              风格:明亮干净的商业广告质感,白色背景,墨绿与清透蓝配色,微缩模型感的人物布景。
                              声音:轻快活泼的电子流行配乐,带清脆鼓点,开头有一声清凉的开瓶“啵”声和倒水声,无旁白。
                              文字仅出现“水”“到农大”“喝山泉,到农大”“农大山泉”,不出现瑞幸、咖啡等任何原品牌元素。

                              这个Prompt写得是真好,也就保证了最终的成片,肯定会高度还原原片。

                              略有点遗憾的是,第一稿出来的视频,6-10秒的人物是静止的,而且偏动画。

                              解决这个问题很简单,直接跟OiiOii说就行。

                              它会自己读取项目的工程文件,然后进行二次创作。如果你需要改的是文字、界面、动效等元素,它会直接用Coding模型来改,这样可以大幅降低积分消耗,而且速度也快。

                              改得越多,省得越多,而且速度也快。因为它是直接用Coding模型来改,这比“先用低分辨率生成视频再超分”的路径可省太多了。

                              比如,你用Coding模型修改5次只消耗215盒饭,而如果用Seedance来生成,则消耗1100盒饭,成本直接暴涨了5倍。详细的积分消耗对比,我做了张表,一目了然。

                              给大家看下修改后的视频,人物动起来了,画面也就自然了许多。

                              2、复刻可口可乐经典广告

                              然后,我还用它复刻了可口可乐的经典广告片《边界线》(Border)。

                              对,就是那支没有一句台词的广告片,堪称神级作品。由广告大神Wieden和Kennedy操刀,耐克的Just Do It正是他们提出来的。

                              我想用OiiOii复刻里面的经典镜头,把视频里的可乐换成瑞幸咖啡。

                              需求很简单,替换原片中的商品,并一次性生成3个视频。

                              看到所有视频出来的那一刻,这也太强了,感觉直接就是99.9%还原啊。除了雪山版有一个镜头被切成了远景外,其他地方我挑不出任何毛病。

                              比如这里,你仔细看,沟壑形状、饮料阴影、划剑方向甚至包括力度,这些细节都完全对得上。

                              这复刻能力真的太强了。

                              3、动效视频批量出片

                              动效类视频,过去一直是视频模型的难点,很难准确生成出文字,尤其是中文。更别说复刻了,很多时候,我们用视频模型生成就是一锤子买卖,生成后你想再编辑修改,根本不行。

                              但对于做电商、TVC、产品Demo、营销活动、游戏、图解视频的创作者来说,这又是一个非常刚需的场景。

                              这次体验了一下,发现OiiOii复刻这类带文字/界面/动效元素的视频,非常的擅长,而且成本巨便宜,还支持批量修改生成。

                              比如,我让它根据参考视频分别复刻WoYin牌的iPad和电视,完成得非常好。

                              体验下来,像产品宣传、带货视频、口播视频、文字动效、界面展示这些视频,都可以用OiiOii轻松复刻,轻松替换了。

                              比如,你一条原片,给五个话术,直接就能得到五条视频素材。可以一次性制作多人群、多语言的宣传视频,这效率直接起飞。

                              最关键是,完全不用担心积分消耗。你做10条视频,跟你做1条视频的成本几乎是一样的。

                              而且效果也很顶,基本就是Opus 5.5的效果。

                              4、替换视频人物

                              如果是纯画面的修改,比如改人物、改背景、改场景,OiiOii则会调用Seedance 2.5来生成。同样,也是支持批量修改的。

                              比如,我让它把原片中的两个角色人物给替换掉。

                              它分析一通,最终设计的提示词是:

                              古装武侠电视剧实拍质感。
                              只借用视频1的镜头结构、运镜和剪辑节奏,视频1中的核心人物都必须替换,不得出现视频1原演员的脸;画面干净,不要任何水印、台标、字幕。
                              场景:古风木结构酒楼二层,窗外绿树。
                              角色A=图片1的女子:深绿汉服,高马尾,银饰发簪,冷峻。
                              角色B=图片2的男子“田伯光”:黑色绣纹古袍,束发戴冠,散落长发,八字胡和山羊胡,邪魅笑容。
                              0-4秒:角色A与角色B隔木桌对坐窗边,桌上有菜肴,A的长剑横放在桌沿;镜头缓慢向A推近,A冷冷侧目看向B。约4秒,A一把抓起长剑迅速起身,镜头跟随甩动。
                              4-5秒:镜头横移,前景木柱划过画面作为转场。
                              5-8秒:酒楼全景,A站在中央,长剑平举直指画面左侧,背景有食客,A冷声质问:“你就是臭名远扬的田伯光?”
                              8-9秒:硬切到角色B(图片2男子,长发、八字胡、邪魅)的面部大特写,他抬眼邪笑,低沉回答:“不错!”
                              声音:女声清冷有力,男声低沉带笑,酒楼环境声,无背景音乐。

                              这提示词质量非常高,最终出来的视频效果肯定也不差。

                              写在最后

                              OiiOii这个「一键替换素材」功能,整体用下来,感觉无论是做电商、游戏、广告、策划、自媒体视频,包括影视剧制作,都非常好使。

                              它很聪明的用了多种组合生成方式,包括图片拼接、Code 2 Video、Seedance直接生成等,OiiOii会根据任务智能判断生成方式。

                              尤其是用代码生成视频,生成后的帧率、清晰度相较Seedance生成,不仅质量高了许多,成本也降了很多,速度还快。当然,你如果要改的是画面、人物,它也能用SD2.5生成。而且,都支持批量生成,可多对1,也可以1对多。

                              体验下来,感觉这个复刻效果就是目前业界的SOTA水准。

                              感兴趣的朋友,现在就可以去OiiOii试试,现在配合双十一还有优惠。

                              体验完后,回来评论区告诉我,你觉得它的复刻效果如何。

                              跳转微信打开

                              实测Kimi K3.1 Pro,离第一梯队还有多远?

                              2026年10月26日 09:30

                              原创 冷逸 2026-10-26 09:30 四川

                              不吹不黑

                              大家好,我是冷逸。

                              前天凌晨1点,Kimi K3.1 Pro正式发布了。从命名上就很有意思,这是Kimi第一个带Pro后缀的模型。

                              能力如何呢?在最新的AA指数上,K3.1 Pro直接从前代模型的44分飙到了55分,仅次于Claude的5.5系列和Meta家的Muse Wonder。

                              这事说起来还挺感慨的。

                              我一直在关注AA指数,自从fable出来后,AA榜前十基本都被Claude和GPT霸榜,从fable到Astra,从5.5到6.1,国产模型鲜有上50分的。

                              Kimi K3.1 Pro,是目前第一个杀进50分行列的国产模型。

                              一句话认识这个模型:K3.1 Pro基于K3后训练,3万亿参数,在3D建模、空间推理、长程编程和金融任务上有大幅提升,原生VLM(文/图/视频都能识别),1M上下文,依旧开源。

                              我也第一时间,把K3.1 Pro接到了Kimi Code里进行测试,下面是我的一些实测表现和评价。

                              首先,我让它参考贵州侗族鼓楼的外形,帮我设计一盏可以直接打印的3D台灯。

                              完全是许愿式的提示词,它直接交付了完整的源码和模型,还附带说明书。基本上,接上3D打印机就可以印制了。

                              过程中,我没教它任何细节(因为我也不会啊。。),它自己动手安装依赖、下载资源包、测试接口、交付零件……最终,端到端完成了整个任务。

                              我还让它写了一个HTML,进行模型预览,三维展示、分解动画和零件控制都设计得挺精致的。

                              整个任务跑了差不多1个半小时,说实话,任务时间略长,但好在效果不错。

                              体验来看,K3.1 Pro的Tool use能力有大幅提升。

                              任务需要什么工具,它就自己写工具脚本来完成素材的构建与细化,比如自己写Blender、CAD的运行脚本。

                              Blender、FreeCAD、Trimesh、SolveCraft这些建模工具,K3.1 Pro全都会使用;包括Unity、Unreal Engine、Godot这些游戏引擎,K3.1 Pro也能熟练使用。

                              所以,K3.1 Pro非常擅长参数化建模,比如机械零件、建筑模型、产品拆解、定制家具等。

                              另外,测试我还发现,在前端页面、Three.js交互和3D资产方面,K3.1 Pro的构图、排版、动效和细节打磨有非常大的提升。

                              给大家看一个我用它做的3D网页。我给了它一段《地心引力》的电影片段,让它自由裁剪,设计交互。

                              最终出来的效果,大超我预期。

                              整个网站背景、空间站、宇航员的建模,以及滚动叙事、浏览交互,都设计得很有电影感。对原片的选取和裁剪,也恰到好处,跟网站完美融合。

                              还包括让它设计的这份3D立体书,也很好玩。翻开书就是一本立体式的电子书,它会随着诗词内容而变化,非常适合给小朋友做课文科普。

                              这里面,最难的不是纸艺展开,而是合上。纸片收回去不能穿过书页,这对模型的空间推理能力要求非常高,K3.1 Pro完成得不错。

                              这个Case的提示词比较长、比较细,完整的提示词我放在下方了,需要的朋友自取。

                              用 WebGL2 + Three.js r160 做一本可以亲手打开、翻页、合上的 3D 纸艺立体书《早发白帝城》,以李白同名古诗为叙事主线。

                              【核心要求】

                              书页展开时,白帝城、江岸、峡壁、山峰沿真实的纸艺机关逐层立起;轻舟通过纸槽拉片沿江移动。必须能看见纸构件与底页之间的铰线、连接片和折叠过程;合上时,所有构件按各自折痕收回书页之间。

                              山峰、城楼和云霞的“出现”必须靠折叠展开实现,不能从地面缩放长出来,不能通过透明度渐变冒充展开。

                              “轻舟已过万重山”通过舟的位移、前后错落的山层和连续镜头表达,不能靠整座山体平移穿过船只、替换场景或突然隐藏山峰实现。

                              整体表达清晨辞城、顺流疾行、穿越群山的轻快与畅意,不做成沉重险峻的探险故事。

                              【诗文与叙事】

                              全诗必须准确呈现,由代码排版:

                              朝辞白帝彩云间,

                              千里江陵一日还。

                              两岸猿声啼不住,

                              轻舟已过万重山。

                              全诗在扉页或固定诗文面板中保持原有顺序。三个跨页是对诗意的视觉分段,不擅自调整诗句顺序,也不将其解释成三个独立日期。

                              第一跨页:清晨从白帝城出发,对应“朝辞白帝彩云间”。

                              第二跨页:峡江疾行,以“千里江陵一日还”表现行程的迅疾,以“两岸猿声啼不住”表现沿途听觉与空间连续性。

                              第三跨页:轻舟穿过层层群山,江面逐渐开阔,对应“轻舟已过万重山”。

                              “千里”“一日”“万重”用于表达诗歌中的距离、时间与层山意象,不把它们机械换算成纸上真实里程、必须持续一天的动画或一万座模型。

                              第三页表现出峡后继续向江陵方向行进,不强行添加诗中未直接描写的抵达码头、迎接人群或登岸情节。

                              【第一帧】

                              暖色木书桌上放着一本青黛布面精装书,封面烫金“早发白帝城”,下方小字“李白”。封面压印一条江流与层山轮廓,书脊有织物纹理,书口、纸页厚度和赭红色书签可见。

                              点击封面或拖动封面边缘开书。镜头从封面连续移动到纸页侧面,先看见连接片受牵引,再看见城台与云霞逐层立起。

                              清晨暖光来自书桌左上方。封面图案不能在开书后变成另一套独立场景。

                              【三个跨页】

                              每个跨页至少 12 个核心纸构件,至少三层进深,至少两组由底页实际夹角驱动的折叠机关。核心纸构件指具有明确结构作用的独立山片、建筑折片、岸片等;不能用零碎装饰或复制小纸屑凑数。

                              1.白帝辞城

                              主动作:城台与城楼立起,彩云分层展开。

                              左页布置高处城台、唐代意象的城楼与江岸;右页展开朝霞、远山和通向峡江的水面。建筑采用克制的传统木构意象,不照搬现代景区建筑,也不声称复原历史原貌。

                              至少包括:城台一组、城楼一组、两组附属屋舍、三层云霞、两层远山、两片江岸和一叶轻舟。

                              前景是低矮岸石、泊舟与小型人物纸片;中景是城台和建筑;后景是远山与彩云。人物不依赖可辨认的面部细节表现李白,以比例和姿态建立尺度。

                              城楼用盒式立起或平行折,屋顶通过预设折痕收回;云霞用错层平行折,不悬空漂浮。拉片让轻舟从泊舟位沿短纸槽驶向出发位,人物固定在舟中,不进行上下船动作。

                              2.峡江行舟

                              主动作:两岸峡壁展开,轻舟沿弯曲江道前行。

                              至少包括:左右各三片峡壁、两片低岸、两片远山、两组枝树、一叶轻舟和一条分段式纸槽机构。左右峡壁采用不同轮廓与错位层次,不能只做两面相同的竖直挡板。

                              前景低岸、中景峡壁、后景山层共同形成可读的纵深。江水主要印刷在底页上,少量水纹可做低矮折片;不能用厚重的立体水体遮挡连接片。

                              两岸各设置小型猿猴剪影,附着在树枝或山片上,随其所属构件一起折叠。猿声是空间与行舟节奏的辅助,不设计成跳跃追船的夸张动画。

                              主机关至少包含两岸独立的折叠山组。轻舟由拉片沿固定江道移动,转向由纸槽路径决定;舟体尺寸始终不变。

                              跨书脊的江流在视觉上连续,但左右底页上的印刷水面和滑槽结构必须分开处理。船只不得直接跨越尚未形成通路的书脊间隙。

                              3.轻舟出峡

                              主动作:层山错落展开,前方水面显露。

                              至少包括:六片分属不同进深的山片、两片近岸、两片低矮水纹折片、一叶轻舟和一组远景云片。

                              前景保留两侧近山,中景形成连续的山口,后景降低山势、扩大留白,让江流向远方延伸。变化来自空间打开,不是把第二页换成更浅的颜色。

                              山组用 V-fold 与平行折组合。展开后形成层层相接的山势;合拢时按预先规划的方向交错收纳,不能把全部山片折向同一处造成堆叠穿插。

                              拉片让轻舟从近山之间驶向开阔水面。舟经过某一山口时,利用遮挡关系表达“已过”;山片保持原位,不为船只让路而消失。

                              第三页是同一趟行程的后续。三个跨页使用造型、尺寸一致的轻舟副本,每页只启用本页副本;副本切换发生在翻页遮挡期间,不伪装成船只穿过实体纸页。

                              【风格与比例】

                              精致手工纸雕 + 中国山水版画 + 轻微丝网套印偏差。山水依靠纸片轮廓、疏密线条和层次留白表现,不用写实岩石材质替代纸艺。

                              纸张有可见厚度、剪切边与折痕,纸片正反面都要有合理材质。三页共用人物、舟船和建筑比例,远景允许采用统一约定的舞台式缩尺,但不能让同一艘舟在运动中改变尺寸。

                              单页宽 240mm,页高约 288mm;主机关展开高度约为页宽的 0.4–0.6。纸片及其运动轨迹不得越出页边;闭合状态按真实纸厚与叠层预留封面内腔,不能假设所有纸片都能压进零厚度空间。

                              色板:

                              纸白:#F2E7CE

                              布面青黛:#263E46

                              近山墨青:#355D60

                              远山灰绿:#83998B

                              朝霞浅赭:#D39B76

                              江水青碧:#79AAA6

                              城台暖灰:#B8AA91

                              舟木赭棕:#986D4D

                              印金:#C6A365

                              三页分别突出朝霞、峡壁、开阔江面,但始终属于同一本纸艺书。

                              【机关与状态】

                              ·区分整本书开合角 θ、活动页翻转角 φ,以及每个机关两侧承载底页的实际夹角 α。θ 为封面开合,φ 为当前翻页进度;α 必须从该机关所属底页的实际变换计算,不能直接读取开合滑杆或用 θ 代替。

                              ·规定各角度的零点、旋转轴和正方向。机关通常以 α 接近 0° 表示收纳、接近 180° 表示平展,但最终收纳位置必须包含纸厚和铰线偏移,不能把全部纸片挤到同一平面。

                              ·每个机关明确所属跨页、底页连接点、铰线、折线、刚性面片、连接片和收纳层。采用经验证的折叠几何或约束求解,不能分别播放几个看似同步、实际会拉断连接的旋转动画。

                              ·先做一个 V-fold 山片、一座盒式城楼和一套单侧纸槽轻舟,验证连接、展开方向、纸厚与收纳,再扩展为三页。基础机关未通过验收,不继续堆装饰。

                              ·除折痕转动外,刚性面片保持边长不变;不以缩小模型、压扁模型或隐藏构件处理收纳。

                              ·两岸山组、云霞、城楼屋顶分别分配收纳区域。高构件错层,屋顶折回墙面,连接片不能穿过邻近构件。

                              ·拉片采用独立变量 s,不与 α 混为一谈。允许的拉片行程由当前展开角和碰撞余量限制;展开不足时只能部分移动或禁用,不能强行让船穿过未打开的山口。

                              ·轻舟进入停泊位后必须落在本页可收纳区域内。舟体采用低矮折纸结构,必要的船篷随所属机关折回,不留刚性高件顶住封面。

                              ·非活动跨页的机关保持折叠并参与页堆厚度计算。不能在翻页开始时直接隐藏旧机关;不可见只能是实体纸页遮挡的结果。

                              翻页顺序:

                              先收回当前拉片 → 确认轻舟进入停泊位 → 活动页抬起,旧机关随实际夹角折叠 → 在扫过相邻页之前达到安全收纳状态 → 新跨页随实际夹角增大展开。

                              合书采用同样的收纳前置流程。打开、翻页、合书、拉片归位和相机退出由统一状态机管理,不能同时争夺同一个角度或构件的位置。

                              【交互】

                              ·开合:拖动封面或角度滑杆,随时停下,从侧面检查机关连接。

                              ·翻页:前一页、后一页、拖页角;未越过 50% 松手沿原路径退回,越过 50% 完成翻页。

                              ·翻页取消时,所有机关由同一组角度重新解算,不能另播一段近似的“回退动画”。

                              ·动画进行中最多保存一个待执行请求,新请求覆盖旧请求;不堆无限队列。执行前重新检查页码与开合状态。

                              ·观察:环绕、缩放、书桌全景、纸边微距、进入书中。所有视角使用同一套模型连续移动。

                              ·在书中视角请求翻页或合书时,先沿安全路径退到书桌外部,再进行操作;退出期间不允许镜头被纸页夹住。

                              ·拉片:第一页离岸,第二页穿行峡江,第三页驶向开阔水面。拖动受当前机关展开程度约束,合书或翻页前自动归位。

                              ·导览或翻页过程中,用户拖动拉片不能与自动控制同时生效;接管前先暂停导览或拒绝当前拖动,并提供明确反馈。

                              ·自动导览:依次开书、展开三页、演示行舟、停留、翻页、合书,总长 70–100 秒。支持暂停、继续、重播;暂停冻结运动与导览时间,仍允许安全观察。

                              【镜头与光】

                              每页提供三种构图:

                              1.书在桌上的全景,交代实物比例与跨页布局。

                              2.机关展开的侧视,清楚看见山片、城楼和连接片的受牵引过程。

                              3.进入纸艺世界的低机位,以舟与山层的遮挡表现峡江纵深。

                              三种构图必须基于同一套模型连续移动,不能切换到没有底页、没有铰线的独立山水场景。进入书中后仍保留可辨认的纸边、印刷纹理或折线。

                              左上方宽柔光作为主光,纸片之间有清楚的接触阴影。第一页以朝霞印色表现晨光,第二页略加强峡壁层次,第三页提升画面留白与明度;不通过突然改变时间或加入夜景制造差异。

                              翻页声、折纸声、轻微水声与稀疏猿声用 Web Audio 合成。猿声仅为意象化音效,不声称是某种猿类的真实录音。第二页最清晰,第三页逐渐变远;不使用循环高频尖叫。

                              声音在用户首次交互后启用,支持静音;静音不影响导览与机关运动。

                              【平面素材】

                              可以用生图模型生成三组透明背景的平面印刷素材:

                              ·白帝辞城:城楼立面、屋顶纹样、彩云、远山、人物衣纹。

                              ·峡江行舟:峡壁纹理、岸树、猿猴剪影、舟船印刷细节。

                              ·轻舟出峡:疏朗山纹、云纹、水纹。

                              所有素材必须正面平铺、无透视、无投影、无文字。素材只是贴在真实纸面上的印刷图案,不能自带立体光影来冒充纸雕。

                              山片轮廓、折线、铰点、厚度、连接片、滑槽与收纳结构全部由代码建立。诗句、标题、页码、注释由代码排版,不让生图模型生成汉字。

                              【交付】

                              一个完整的 baidicheng.html,所有代码、Three.js r160、字体及采用的图片均内嵌。无需服务器,Chrome 双击打开、断网可用,不依赖 CDN、在线字体或运行时资源下载。

                              使用 WebGL2;不可用时显示明确说明,不以平面动画冒充完整实现。

                              目标为 1920×1080 下 60 FPS,并提供高、标准、低三档画质。画质调整可改变像素比、阴影分辨率、抗锯齿与装饰细节,不能改变核心机关几何、连接关系、碰撞判断和收纳逻辑。

                              支持暂停、复位、隐藏 UI、静音;触屏提供与鼠标等效的开合、翻页、观察和拉片操作。隐藏 UI 后保留可恢复入口。

                              复位必须回到封面闭合、第一页、拉片归位、相机在书桌外部的确定状态,不残留导览计时器或待执行请求。

                              【验收】

                              逐项测试:

                              ·开书到 60°,尝试拖动拉片,再合书:拉片只能进入当前安全行程,合书前自动归位。

                              ·在书中低机位请求下一页或合书:先退出相机,再执行书页动作。

                              ·翻页到 40% 取消:旧机关沿原折叠路径恢复,轻舟保持在停泊位。

                              ·翻页到 60% 松手:完成翻页,新跨页正确展开。

                              ·连续快速点击前后页:最多保留一个待执行请求,无错误页码、叠加动画或无限队列。

                              ·开合过程中反向拖动:机关连续回退,连接片不断开,构件不消失。

                              ·在不同开合角度从侧面检查:纸片边长不变,铰线位置一致,底页与连接片无可见脱离。

                              ·三页往返加合书连续运行 10 轮:状态、拉片位置、相机位置与初始状态一致,无累计漂移。

                              ·断网后从本地重新打开:模型、字体、素材和交互完整可用。

                              失败条件:

                              缩放长出山峰或城楼;平面图片冒充立体机关;用 θ 直接驱动所有跨页;船只穿过峡壁或书脊间隙;连接片脱离底页;纸片穿页;合书后构件凸出封面;反向操作时构件消失;旧页提前隐藏;相机留在合拢的书页里;进入书中偷换场景;三页只换颜色;诗句错字、顺序错误,或擅自加入抵达江陵的确定情节。

                              上下滑动查看提示词全文

                              我还让它给青花瓷瓶做了个展示网页,提示词就这一段话。

                              制作一个青花瓷花瓶三件套的交互展示网页。使用白瓷与青花釉料材质,配暖色逆光、柔和阴影和无缝弧形背景。画面以花瓶为主,不加入枝叶花卉。页面无需滚动,仅保留简洁标题和操作提示,支持旋转、缩放、平移与惯性,自动旋转在用户操作时停止。手机端也能完整展示三只花瓶。

                              出来的模型效果很懂中国文化,釉面、光影、背景和花卉搭配得很好,审美耐看。

                              我也用它还原了二向箔吞灭太阳的全过程。

                              4幕剧情讲清楚了二向箔降临 → 接触二维平面 → 约 30 秒圆形扩散 → 太阳沉入血色火海的全过程,演示动画做得还不错。

                              这几个案例的提示词都是非常简单的,K3.1 Pro都完成得很好。

                              最后,还试了我们的横测项目,让模型自己写代码给《我守城南一盏灯》做一支MV。我不预设故事、画风,全部让模型自己理解,自己生成。

                              最终,交付了一支1080P的视频。

                              全片采用雨青水墨、宣纸肌理与朱金灯火,依次呈现雨巷相逢、桥亭送别、关山相望、执剑守城、残骑夜归、空城银簪与春雨回忆。

                              写在最后

                              整体体验下来,我觉得Kimi K3.1 Pro确实摸到了Opus 5.5、GPT-6 Astra的门槛。无论是许愿式提示词,还是精细化提示词,它都能接得住。

                              唯一有点遗憾的是,任务整体时长仍然偏长,额度消耗太快。一个3D展示网页,它也能跑上个把小时,订阅套餐不经用啊。。

                              这个情况,我觉得对于国产模型来说,目前还挺无奈的。K3.1 Pro模型本身就偏大(3T),国内又缺算力,很多事情无解。

                              但能在这种情况下,做出可以媲美最新、最前沿的模型,而且它还开源。

                              这样的进步,值得肯定。

                              感谢Kimi,又把国产模型的天花板推高了一点。

                              期待下一次,Kimi不只是把能力的上限推高一点,也能让等待短一点、额度再经用一点。

                              跳转微信打开

                              ❌