〈持械入宋〉爆火?深入分析AI短剧的技术大升级
- 2026-11-17 09:15:01
《持械入宋》值得先夸一句:它把现代小队置身宋朝的反差,做成了有辨识度的人物群像。仅看五人小队海报,面孔、发型、装备和气质就已有区分,人物设定获得了具体的视觉表达。
这种对角色设定的还原度,让AI影像多了一份代入感。人物有了让人记住的样子,观众才更容易进入故事。
把这部作品放回当前技术进展中看,我的判断是:AI影像技术迭代,又迎来一次大升级。这次,我们以Google、Runway和Adobe等厂商的产品生态为观察窗口,看看人物参考、音画生成、表演驱动与视频编辑,怎样改变短剧制作。
一、这次技术升级,发生在哪?
Google:参考素材与声音,进入同一条创作链路。
过去只描述“一个穿青衣的人”,每次都可能得到不同的脸。参考图让制作人员能把已经选定的人物、场景和道具交给模型,减少反复描述的偏差。
Google的Veo 3.1支持角色、物体和场景参考,并提供原生音频、首尾帧和片段延展等控制。对短剧而言,这些能力让同一角色进入不同镜头、让画面配上声音,多了一组可以操作的条件。来源:Google DeepMind
再看当前开发文档中的Gemini Omni 1.1 Flash:它能联合处理文字、图片、音频与视频,还支持通过对话继续编辑已有结果。创作者可以沿着一个片段修改,而不必每次都从空白开始。来源:Google开发文档
Runway:人物表演,可以由真人示范来驱动。
Gen-4.5承担文本或图像到视频的生成任务;Act-Two则提供另一条路径:输入一段表演视频,再提供角色图或角色视频,把示范中的表情、说话和动作迁移到目标角色。来源:Runway模型目录、Act-Two指南
例如,一场压低声音的劝说戏,可以先录下人的语气、停顿和神态,再尝试驱动角色。这里仍有人在表演,只是最终出镜形象可以由AI完成。使用角色图片时,Act-Two还支持手势控制;换成角色视频,控制范围会不同。
这也是成本和难度的变化:提示词之外,开始需要合适的表演素材、清楚的面部画面和可复核的口型。
Runway与Adobe:修改镜头,逐渐成为独立工序。
Aleph 2.0支持以编辑后的单帧指导视频修改,并将调整应用到相关镜头。衣服颜色或某个道具需要修正时,可以尝试保留已有表演,只修改指定内容。来源:Aleph 2.0官方介绍
Adobe Firefly则把提示词编辑视频接入制作工作区。这里要区分平台和模型:Firefly可以承载多家模型,具体能做哪些修改,取决于所选模型,不能把平台全部功能都归给Adobe自研模型。来源:Adobe帮助文档
这轮升级的意义,是创作者有了更多办法明确人物、传递表演、修正镜头。生成能力之外,控制与修改也在进步。局部编辑能否减少返工,还要检查修改后的人脸、动作和光线是否保持稳定。
二、把AI工具接成一条生产线
这类多人、古装、连续叙事的题材,首先需要一本能查的“设定册”:谁是谁,人物知道什么,上一场穿什么,身上的道具还在不在。
语言模型负责协助编剧和拆分镜头。例如,Gemini支持结构化输出,可以按照预先约定的格式,整理角色、场景、动作和台词清单。程序能读懂清单之后,编辑还需要检查剧情是否成立、镜头是否拍得出来。来源:Google开发文档
接下来,为人物、服装、场景建立参考素材,生成分镜图,再把确认后的图和动作要求送进视频模型。对白可以单独配音,也可以尝试原生音画生成;最终仍要剪辑、混音、上字幕。
如果做成系统,每个镜头都应有独立编号,保存所用素材、模型、版本、费用和审核结果。这样一个镜头失败,可以单独返工;更换角色服装,也能找到受影响的镜头。

三、做出来不难,难的是持续交付
按制作任务判断,我会把难度分成三层。这是项目规划建议,并非模型跑分。
单人、单场景、旁白为主:入门相对容易。先用定妆图生成几个短镜头,再靠剪辑建立节奏,适合验证风格和故事吸引力。
固定角色、多场景、对白连续:难度明显上升。人物脸型、衣服、声音和视线都要连续,上一镜头放下的东西,下一镜头不能重新出现在手里。参考图能提供约束,还需要场记表和人工复核。用于中文短剧时,中文发音、口型、古装与道具的呈现,也应放进样片验收,不能从英文演示直接推定。
多人交互、骑马、打斗和连续调度:难度更高。这里同时涉及遮挡、肢体、物体关系和动作因果。遇到反复失败的镜头,可以改景别、分拆动作,或引入实拍动作参考、三维预演。

以一段虚构的城门冲突为例,可以拆成远景交代位置、人物观察、动作特写、对方反应。每一镜承担清楚的信息,比同时要求模型完成整段调度更便于检查。这是制作方案举例,不是对原剧镜头的复原。
连载还多一道难题:让几百个镜头服从同一份设定。可以先选Veo或Gen-4.5测试生成镜头;对白表演考虑Act-Two;修改片段考虑Omni或Aleph,再进入剪辑。按镜头需要选工具即可,无须把每种工具都塞进同一流程。
自动化适合提交任务、归档素材和记录版本;故事是否成立、表演是否可信,仍需要编辑判断。
四、做AI短剧,成本要看哪些项?
制作前,可以把成本拆成下面几类。这里梳理的是项目要考虑的支出,不代表原剧实际使用或发生过的费用。
剧本与前期设计。包括选题、改编、分镜、人物设定,以及必要的历史和服饰资料核查。AI能辅助整理,创作取舍仍需要人完成。 模型与工具。包括语言模型、图片、视频、语音服务,以及剪辑和协作软件。订阅、积分与API调用分别记录,生成时长、清晰度、所选模型和编辑任务,都可能影响消耗。项目说明参考:Runway 资产搭建。包括角色多角度图、服装版本、常用场景、道具、音色和素材归档。前期要投入,后续复用才有基础。 重试与返工。包括生成成功却不能采用的镜头、修改后重新生成的片段,以及废弃方案。模型产出一条视频,距离留下一个合格镜头还可能有多轮筛选。 表演与人工后期。包括需要时录制驱动表演、修图、连续性检查、口型复核、配音调整、剪辑、混音、字幕和整体审片。对复杂项目,这部分值得单独记工时。 授权与交付。包括实际需要的IP、音乐和素材授权,存储备份、版本管理、多平台适配,以及项目选择采用的发行与推广支出。
其中最容易被低估的是返工。生成素材里最终能留下多少,会改变模型消耗,也会改变筛选和后期时间。评估成本时,应看每一分钟合格成片消耗了多少素材与人工。
长篇连载还要观察资产复用:同一个人物、同一套场景能否稳定服务后续剧集。只要每集都要重新“找脸”、重新修服装,前期素材就还没有真正变成可复用的资产。
工具迁移也要预留工作量。OpenAI官方已将Videos API与Sora 2的关闭日期列为2026年9月24日,因此本文不把它们作为当前制作建议。选型时保留角色素材、原始音轨和镜头记录,才方便后续换工具。来源:OpenAI Docs

准备入场,先做60秒、两个人物、一个场景的样片。记录生成总秒数、采用秒数和人工时间,再决定是否扩大规模。
《持械入宋》让人看到人物呈现的吸引力,这轮技术升级则提供了更多实现手段。接下来值得拿样片验证的,是同一组人物换场景、换角度、换情绪之后,还能不能保持辨识度,并把故事接下去。
信息截至2026年10月15日(北京时间)。能力规格以厂商文档为准,不同入口、套餐、地区与账单可能存在差异。