作者｜赖捷
编辑｜张洁
有句心灵鸡汤，叫“迈出第一步就是胜利”。
但对愈加火爆的AI视频行业而言，很多想入局的新人往往第一步都迈不出去。
虽然我们脑海里有故事，也知道可以用AI把它变成剧本、生成人物形象、做成提示词，但最后的生成结果大概率是绝望的三个字——不能用。更绝望的是往往不知道问题出在哪。
专业人士同样困扰，一部AI作品涉及非常复杂的流程，写剧本、做分镜、画人物形象、给每一帧关键镜头画参考图，然后把它们融进提示词，再检查这些提示词是否准确。
管理这些流程的难度，不亚于让一个人同时炒五盘菜。基础模型很重要，但管理创作流程同样关键。
有什么解法？千问最近推出的“千问创作”，集成了Wan 3.0、Wan 3.0 Prime视频模型能力，以及Qwen-Image 3.0的生图能力，更上线了新功能——拉群聊，把导演、编剧、美术、摄影、剪辑……统统拉进群，让各领域的Agent在同一场对话中，管理视频生产流程。而且，你可以在千问APP手机端、网页端，通过发语音直接摇人、管理后续流程。
想象下，韩国著名导演李沧东是搞文学出身的，他初入行时想拍电影该咋整？显然不是自己写镜头语言、设计美术形象，而是找家韩式烤肉馆，把圈内专业人士请来一起聊聊，你一句我一句，分工有了、工作流程也有了。
千问创作的“Agent Teams”，就是那一场五花烤肉酒局。而有了创意后直接语音摇人讨论，是更低成本的沟通方式。
有创意想做AI视频？
我用千问创作摇人
现在，我假设自己是制片人，看看千问创作能做啥。
最近“薛甄珠抓小三”的二创视频特别火，被AI魔改成了韩剧财阀版、日剧清新版……我是游戏迷，想做个游戏版。
直接去千问网页端或手机端，点进“千问创作”，用语音告诉它我的想法，然后千问的创作助手开始帮我摇人了，先邀请了一位叫“洛圣都”的导演加入饭局，让他专注于游戏GTA风格，然后编剧、摄影、剪辑纷纷到场，为我规划整部的剧情、画面。
与传统饭局“喝完大酒却没结果”不同，它们很快一次性为我生成了视频，编剧还把“打小三”改成了更为海派文明的“摔咖啡”。以下是前30秒的视频效果，总体来说，还算比较精确地还原了GTA游戏那种特殊的“机械感”：
AI创作领域里，中国风寓言故事是经久不衰的题材。而我自己觉得，“坐井观天”这个典故的内涵其实还没被充分挖掘。
这一次，我选择用手机端的千问APP，进入千问创作，直接语音输入。
它给我找来一位擅长寓言故事的编剧，一口气规划了十个故事，第一集，讲青蛙跳出井后，发现井上面还有井，这口井在一个封闭的动物园里，而动物园又在封闭的城市中，层层套叠，永远逃不出那片天；第二集，讲青蛙跳出了井，却一直背着井去远方，哪怕到了新世界也依然愿意住在井里，可谓“背井离乡”……
然后是一位擅长水墨画风的美术师，负责设计角色图、关键帧参考图。
千问创作设计的形象图
最后由摄影师把所有的道具、角色图融入到提示词中，哪一段必须引用哪张图，一清二楚。
最后生成效果是这样的：
可以看到，蛙跳出井后的转场以及随后无穷尽的“天井”，极具压迫感。
总结下来，千问创作的新模式有诸多好处。
首先，是真实还原了剧组创作过程。有了创意马上找人聊，然后编剧形成脚本、导演写出讲戏的台本、美术画出风格、摄影师把所有元素细化进分镜、剪辑则把零碎的视频拼接成几分钟的长片……所有的问题，都可以在群聊里完成，哪一帧出了问题、哪一段剧情要修改，都可以直接用自然语言解决，你甚至都不用像真工作群聊那样@某人，因为创作助手会自动识别摇人，它相当于你的超级助理。
出问题时，千问创作会规划解决方案
其次，创作者真的可以只动嘴，用手机说话也行——千问创作已经集成到千问APP，你有什么灵光一现的点子，可以先找创作助手聊聊，它帮你规划，你来选择。而传统创作大部分情况得用电脑，得储存拖动各种资产素材，非常麻烦，而且大部分人其实没有日常背着电脑出行的习惯。这种手机创作模式，非常适合哪些没有复杂剧情的轻量AI视频。
最后，是成本透明可控。Wan3.0模型在千问首发上线时，提供的是会员四折起优惠，理论上720p视频可以低到0.26元每秒，价格相比市面同帧率视频几乎砍了一半。但熟悉AI视频创作的朋友肯定知道，价格不等于最终成本，它还取决于你抽卡成功率。而千问创作，恰恰会指引大家控制成本。我做视频时，导演会反复提醒，剧本中涉及到复杂画面，最好先出几张关键帧参考图；每次生成消耗积分前，它会弹出提示，这样可以让创作者再检查下提示词；生成视频后不满意，可以对关键帧进行编辑修改，无需整片重抽卡。
拉群之外千问还能做什么？
哪些必须创作者手搓？
当然，群聊不是万能解药。一个公司干事的人活不行，群聊拉再多也是白搭。在“Agent Teams”之外，千问创作也提供了单兵能力。
这是我在对话框输入简单创意后，让它直出的养生饮料广告视频，它会为我规划方向、设计提示词，生成效果也基本符合电商需求：
这是由作者用千问创作生成的史诗风格视频，我把它称为“文明起源”——一个猩猩最初只会使用石头，慢慢地进化为能使用弓箭等简单工具，随着大脑的进化，它们会慢慢学会造子弹、造火箭、造星际旅行的飞船。
这一切进化都浓缩到了30秒不到的视频里，一镜到底，这非常考验大模型对视觉细节的拿捏。
而千问创作调用的主力模型，是Wan3.0、Wan3.0 Prime，支持单段30秒的视频生成，人物场景一致性更好。Wan3.0 Prime满血版的生成速度更快，实测后发现，普通工作日无论是白天还是夜晚，30秒视频大概5分钟就能出片。
千问创作的图片模型则是Qwen-Image 3.0、Qwen-Image 3.0 Pro。图片模型，是新入局创作者比较容易忽略的功能，因为大家往往会觉得提示词足够好，就能生成好视频，但实际上，参考图往往最终决定了视频质量。
比如我想设计一个剧情——世界末日之后，人类纷纷到喵星避难，需要一个慵懒的橘猫作为签证官，这是千问创作直出的避难所造型和橘猫形象，审美基本在线，我全程只进行了语音指令以及选择风格两个操作。
这里面有个很重要的细节，就是文字准确性。AI视频的一大痛点，是直出时会经常出现文字错误，招牌、字幕等。Qwen-Image 3.0的一大改进，是提升了文字控制力，生成的文字基本没有错误，特别是小号字，下图是它生成的喵星签证文件细节，用设定好的图片去生成视频，就不会因为一个字错了而重复抽卡。
这是我用一句非常简单的提示词做的科普图，“请做一张脑机接口原理和发展历史示意图”。可以看到，它对关键技术名称的描述文字，哪怕是英语小字，乃至&等专业符号，都是准确的。生图模型领域经常出现的字词错误，以及忽略小细节的毛病，可能即将成为历史。
这些细节把控，有利于创作者去做科普、知识相关的视频。
当然，看完以上介绍，可千万别觉得做AI视频就是一键生成的事，说几句话做几个选择就能产出爆款，工具可以帮你降低入门成本，但关键细节需要自己控制。
比如我做“橘猫签证官”这个一次性生成的视频，画风、形象、剧情、配音都很流畅，但在生成视频时，我没有对手部文件细节等关键帧进行控制，这就会导致橘猫在签证时的文件动作细节出现问题：
这也是AI视频制作时的普遍痛点，画面比较单一的人物对话、打斗，现在几乎可以做到很惊艳，无需费神，但涉及到复杂的镜头转换、动作逻辑小细节，创作者就必须手动去审查、修改每一处提示词，任何一处细节错误都会导致重来。
所以，如果你想做一部精细完美的作品，依然得去学习影视创作基础，学习镜头语言，积累经验。这方面，千问创作也为专业创作者准备了画布功能，对镜头语言进行精细控制。
“千问创作”发布时，
AI视频工具正发生哪些改变？
AI视频有多火？根据中国网络视听协会的数据，二季度国内共上线的微短剧是23.9万部，其中真人剧8.6万部，AI剧15.3万部。
但普通人更真实的体感是，现在刷短视频，几乎一半以上都是AI视频，看到惊艳的视频，网友往往会本能反应——这是不是忘了标注AI生成。
大量普通人开始参与AI创作，一个重要的原因，就是视频模型的发展解决了场景不一致的问题，半年前还经常出现的穿帮，现在已经不是问题。而在AI视频工具层面，行业也在发生变化——从局部环节的优化，转换为全流程的辅助。
过往的工具，通常比较细分专业，它辅助创作者解决某个具体问题，比如虚拟资产的管理、后期的剪辑，而千问助手想要解决的，是影片从创意到最终落地各个环节的能力。
这背后，则是AI创作的全民化趋势，普通人把创意落地，是从0到1；成熟团队把已经落地的案例快速复制，是从1到100，而从0到1是最难的，需要一个相对普适的工具。
当工具越来越完善，成本越来越低，整个行业会更加比拼人的灵感和世界观，当整个剧组的能力都可以用Agent来实现，那人真正重要的能力，还是审美和创意。
欢迎分享、点赞、推荐一起研究AI
