上面的視頻，是小云雀一鍵直出，幾分鐘的事兒

這是剪映旗下的創(chuàng)作Agent

下面再放點案例

皆可帶貨：曹操帶貨地瓜燒

數(shù)字人口播：希望大家早點睡

趣味課堂：給小學生講講水循環(huán)

人所要做的，就是：給出一句話需求，剩下的交給 AI

前不久的 WAIC 期間，我跟相關朋友聊了聊，發(fā)現(xiàn)一些挺有趣的行業(yè)信息：

• ? AI 視頻工具的核心場景，已從營銷轉向故事創(chuàng)作（占比超 70%）

• ? 用戶大都不關心技術，關心質量、速度以及便捷程度

• ? 視頻制作從「割裂的流水線」走向「統(tǒng)一的代碼決策」

• ? 垂類場景（商家、本地生活、自媒體）將是下一輪的增長點

• ? 制作能力本身不再稀缺，更要拼的是想法

本文由此展開，來講講：
AI 視頻的現(xiàn)狀、背后的技術/市場邏輯、以及未來走向

誰在用「AI 視頻工具」？

過去很長一段時間，「AI 視頻工具」的用戶畫像都非常單一：搞營銷的

有個叫 HeyGen 的出海產(chǎn)品，2022 年底上線，很快爆火

它主打的場景，是品牌營銷：提供預設數(shù)字人、標準化的口播模板

Heygen 的首頁

靠這種清晰定位， HeyGen 在不到兩年，就做到了 3500 萬美元年營收

消息來源：24年的公開新聞

站在現(xiàn)在的視角，不難發(fā)現(xiàn)其定位獨到：

2022-2023 年期間，AI 生視頻還是相當早期：效果慘不忍睹，畫風崩壞，成功率感人

那時候拿得出手的東西，無非是“文字轉語音（TTS）+修正口型”，也就是營銷口播這一條路還能勉強跑通，其他場景根本沒法用

威爾史密斯吃面條

另一角度，當時視頻生成的成本高到離譜

只有高 ROI 的營銷場景，能養(yǎng)活團隊，其他場景玩法連試錯的機會都沒有，更別提規(guī)?；茝V了

24 年前后，AI 視頻賽道的開始加速

先是 pika 爆紅，靠著獨特的短視頻風格，帶來了一陣刷屏（但成功率依然感人）

緊接著 Sora、MiniMax（海螺）相繼出現(xiàn)：AI 從生成場景，變得理解世界

而最近，谷歌新推出的 VEO，讓普通人動動手指，就能做出難分真假視頻片段

技術門檻迅速降低、成本大幅下降 AI 視頻創(chuàng)作領域也開始轉變：從品牌營銷，溢出到個人表達

對于此時，「AI 視頻工具」的用戶構成，已經(jīng)完全不一樣了

營銷相關的需求迅速縮減，各種奇葩短劇、歷史人物科普、自媒體故事占到了 70% 以上

換句話說，AI 生視頻這事兒，已經(jīng)從「企業(yè)營銷」變成了個人用戶的「表達工具」

這也很好解釋，為什么最近 B 站、抖音、快手上涌現(xiàn)出越來越多的 AI 生成內容

在 ins 上 10 萬點贊的貓貓?zhí)?br/>

這些內容的背后，都可能是一個完全不懂剪輯的人，靠 AI 做的

小云雀正是看準了這個趨勢，嘗試讓普通人也能上手視頻制作

通過「一句話生成視頻」的極簡交互，去降低普通用戶制作 AI 視頻的門檻——不用學習剪輯、不用理解專業(yè)參數(shù)，表達即內容

背后的技術演進

在過去的 3 年里，AI 視頻制作的方法，也有不少改變

最早，是純「人工流水線」

ChatGPT 寫腳本，人力拆鏡頭、Midjourney 出圖、用圖片生成視頻、ElevenLabs 配音、修口型，最后剪輯拼接

流程大致是這樣

現(xiàn)在看來，這種做法相當?shù)托В汗ぞ吒髯元毩ⅲ耆咳肆頊?/p>

后來，有了 ComfyUI 這樣的節(jié)點工具

用戶可以自己拉線，把各種大模型和工具串聯(lián)起來，實現(xiàn)一定自動化

ComfyUI

但說實話，這復雜度，普通人根本弄不了

最近，Agent 模式開始流行

只要寫一句 Prompt，AI 就會自動規(guī)劃接下來的一切：

• ? 應該用什么劇情？

• ? 應該生成什么畫面？

• ? 需要怎樣的配音和背景音樂？

這些判斷，都會放進一段簡單的 JSON 文件里，由系統(tǒng)一次性完成

這段 JSON 可能是這樣的

{     "task":"生成一段黑洞科普視頻",     "script":{         "intro":"黑洞是如何形成的？",         "content":[             {"scene":"宇宙空間背景","animation":"星體坍縮形成黑洞"},             {"scene":"黑洞吸積盤特寫","animation":"物質被黑洞吞噬過程展示"}         ],         "voiceover":{"type":"專業(yè)男聲","tone":"嚴謹、緩慢"}     },     "video_style":"紀錄片風格",     "music":"史詩感背景音樂",     "tools":{         "video_generation":"Sora v1.5",         "tts":"ElevenLabs",         "background_music":"Epidemic Sound"     } }

順道著，Agent 也解決了工具太多、更新太快的問題

用戶不需要關心背后的技術，也不需要思考順序，Agent 會自動掉一切，并交付內容

更多用途的暢想

我最近在開店，分享自己的小觀察：

大多數(shù)商家的圖片，都比較粗糙，影響轉化

如果能用 AI 工具自動幫他們生成各種尺寸的動態(tài)視頻，比如熱氣騰騰的拉面、滋滋作響的烤肉、緩緩倒下的奶茶……可能會極大提升轉化

這是普通版蛋炒飯 這是高級版蛋炒飯

這或許是個巨大卻被忽視的市場機會：

大眾點評、美團、餓了么上有幾百、上千萬個商家，這類功能挺有用的

這里只是我的暢想：普通商家不需要懂技術，就能通過小云雀一類的工具，快速生成適合外賣平臺、社交媒體的營銷視頻。所要做的，只要描述"做一個熱氣騰騰的拉面"或"展示新品奶茶的誘人"

用這種方式，滿足本地生活商家"想用視頻但不會做"的訴求

最后

慢慢的，視頻制作在從「技能」降維成「想法」

稀缺的不再是制作能力，而是獨特視角、圈層洞察和敘事想象力

創(chuàng)作的競爭從「誰能做」變成了「誰該做」

而這，才剛剛開始