The Frankenstein Shot: What's Left When AI Makes the Whole Take
极速生成背后的“弗兰肯斯坦”真相
近期，InVideo 公布了一项令人咋舌的 AI 制作案例：一部两分钟的商业短片，通过 AI 代理（Agent）流水线，仅用三天便从剧本到成片完成，而传统制作周期约为两个月。另一部 90 秒的恐怖短片，则生成了近 400 个独立的视频片段才最终定稿。
过去，人们常认为 AI 的进步意味着“一键生成”，即只需输入提示词（Prompt），即可获得完整场景。然而，InVideo 团队在案例研究中揭示了一个更为关键的数据：超过 40% 的成片镜头并非单次生成，而是由多个尝试中保留的最优片段拼接而成。InVideo 团队直言不讳地将其称为："Prompt, eight tries, Frankenstein the keepers（提示词，八次尝试，弗兰肯斯坦式保留精华）"。
这一数据比单纯的生成速度更具警示意义：它揭示了当前 AI 工作流的本质。
从“单兵作战”到“虚拟剧组”的架构重构
AI 生成短片的工作流并非一人一句提示词就能搞定，其背后已演变为一个分工明确的“虚拟剧组”：
- 制片人（Producer）：负责把控脚本与角色设定；
- 故事板师（Storyboard）：在生成前可视化分镜；
- 摄影师（Cinematography）：接收如“延长镜头时长”或“跟随演员穿过门廊”等具体指令；
- 服装与美术设计（Costume & Production Design）：各自负责特定视觉维度的执行。
AI 在这些角色内部执行具体任务，但角色本身的架构逻辑仍与传统电影剧组一致。因为无论技术如何迭代，总有人必须在生成前决定“这个镜头应该长什么样”。
判断力才是真正的瓶颈
生成画面的速度已不再是瓶颈，真正的瓶颈在于判断力（Judgment）。
在素材生成完成后，InVideo 的工作流中增加了一个关键步骤：将粗剪版本送回进行“审查（Critique Pass）”，专门寻找节奏问题、声音瑕疵以及情感基调偏差。InVideo 内部笔记甚至指出，这是人类剪辑师最容易忽略、也最容易出错的地方。
这句话听起来颇为荒诞：一个自动化的流程正在标记那些受过专业训练的人类编辑所遗漏的错误。但这并不意味着 AI 拥有了更好的审美，而是意味着审美的介入点发生了转移——从对单个镜头的评判，转移到了对“拼凑后的整体”进行评判。最终，是否采纳某条审查意见，仍需由人来决定。
结论：AI 无法替人做选择
创作者究竟在制作什么？他们制作的并非像素本身，而是导演所赋予的、将原始素材转化为动人场景的特定选择序列。
- 保留哪一个镜头？
- 为何要将两个生成片段拼接在一起？
- 审查意见中哪一条真正有效？
这些决策决定了作品是成为一部完整的电影，还是仅仅是一堆散落在文件夹里的 400 个生成片段。正如 InVideo 团队所言：
"The model can make the scene. It still can't decide, on its own, which version of the scene was worth keeping." （模型可以生成场景，但它无法自行决定哪个版本的场景值得保留。）
AI 赋予了人类前所未有的生产力，但决策的权力与艺术家的直觉，依然牢牢掌握在人手中。
