跳转到内容
主站 新闻 控制台

奥特曼与 Dario 同台唱 Rap!Genspark 上线视频 Agent,零基础也能拍短剧

· 量子位
国内AI

All in one,任何人都能用。

Genspark 的视频 Agent 工作台——Genspark Media Studio,正式发布了!

Image 3

这一次,它把一众前沿模型汇集到一起,组建了一支全能的“AI 剧组”。

负责担当“导演”角色的大语言模型有三档可选:DeepSeek V4.1 Flash、Claude Opus 5.5,以及 Claude Fable 5.1。

没错,在这里甚至可以使用 Fable 5.1……

Image 4

说实话,因为某些众所周知的原因,我已经很久没有用过了……

具体负责干活的模型涵盖:视频生成由 Seedance 2.5、Kling、Veo 负责,图像生成由 GPT Image、Nano Banana 负责,声音制作则接入了 ElevenLabs 等音频模型。

平台总共接入了 20 多家厂商的 70 多个模型版本。

而且最近还在打折!

北京时间 10 月 27 日 18:00 至 11 月 4 日 18:00,Plus 与 Pro 会员在 Media Studio 中的积分消耗直接打五折,涵盖任务规划、图片、视频、音频以及 3D 生成等全流程。

6G 冲浪的量子位也在第一时间获取了实测资格。

我们直接上手实测~

实测 Genspark Media Studio:奥特曼唱 rap、拍商战短剧,都安排上了

一键 get 同款

在首页的 Genspark Magic 分区中,内置了许多爆款视频模板,点击即可一键制作同款。

Image 5

我精心挑选了一支 rap 视频模板,并上传了奥特曼和 Dario 的照片。

美股 IPO 两兄弟,非你们莫属了!

Image 6

但我之前忽略了一个细节:直接上传真人图片会被视频模型拦截。

Genspark 还贴心地提醒我在开拍前确认版权问题,确实十分细致。

Image 7

随后系统提示选择生成“半写实版”还是“卡通版”,我选择赌一把半写实版。确认选项后,系统便正式开始运转。

Agent 调用了 Seedance 2.5。虽然界面提示需要 8~14 分钟出片,但实际体感仅两三分钟视频就完成了。

Image 8

第一版生成的视频没有配乐,只有两人干唱,于是我让它继续寻找伴奏。

这个画布界面很有特色:系统挑选了三首备选伴奏并排平铺在画布上,点击哪一首即可预览哪一首:

Image 9

(虽然我也不太理解为什么伴奏 C 会被排在那么远的地方……)

不过这三首 BGM 都没有人声歌词,最终我让它调用 ElevenLabs 生成了一段原创 rap 伴奏,并完成了口型对齐,让两人同框合唱。

成片效果如下:

确实不错,终于见识到了奥特曼和 Dario 同台飙 rap,看起来练习时长已有两年半。

值得一提的是,初次生成的视频规格均为 480p,如果不满意可以反复调整,定稿后再一键升级至 1080p。

秒出知识讲解视频

接下来,我尝试让它制作一条知识讲解短片,用于解析电影《彗星来的那一夜》。

从首页输入框下方的“Knowledge Explainer”卡片即可直接进入,也可以直接用自然语言描述需求。

Image 10

系统随后提示我选择片长、视觉风格及解说切入点,并挑选音频模型,这里默认使用了 MiniMax TTS。

Image 11

Image 12

我没有上传任何外部素材,完全交由它自主生成。

生成速度称得上秒出:我还在处理另一条视频,转头看时它就已经渲染完毕了。

不过第一版的效果嘛……略显普通。

文案较为平淡催眠,画面也像播放 PPT 一样略带卡顿。

于是我提出修改要求:文案必须铺设悬念、突出悬疑感以抓住观众注意力,画面镜头要更加丰富多变,并调用 ElevenLabs 补充一首背景音乐。

令人惊喜的是,这首 BGM 是严格按照时间轴拆分为 6 个段落创作的原创暗黑风格,颇有水准。

Image 13

最终成片效果如下:

整体表现令人满意。在没有任何人工干预的情况下,解说文案与配乐契合到位,完整清晰地交代了剧情脉络,整体悬疑氛围也营造得相当到位。

尽管画面质感依旧略带 PPT 感,但在完全未上传参考图和素材的前提下,模型仅靠抓取电影截图拼合,能达到这个水平已属难得。

零基础也能做短剧

更有意思的是,我还发现了内置的“故事圣经(Story Bible)”功能。

Image 14

起初不太清楚具体用途,体验后才发现,这完全就是一整套短剧孵化工作流!

Image 15

承接前文奥特曼与 Dario 的 rap 联动,我随手给项目起名叫“美股 IPO 两兄弟”。

点击“故事圣经”功能后,它便自动围绕该主题生成了一个全新的项目策划:

哥哥是主承销投行的董事总经理(MD),弟弟则是急于敲钟上市的创始人——一间会议室,一个发行价,以及一个只有哥哥知晓的惊天秘密。

不得不说,这妥妥就是当下爆款商战短剧的剧本架构!

“凌晨三点的冷,像一笔还不清的账。”

台词甚至让人有些欲罢不能。

我发誓,剧本完全由 Genspark 纯 AI 生成,自己毫无干涉。

系统先自动生成了部分参考场景:

Image 16

角色设定方面,我给出了具体指引:设定四位核心主角,外形分别神似梁朝伟、吴彦祖、安妮·海瑟薇和章子怡。

最终生成的人物如下:

Image 17

受版权机制限制,生成形象与真人并不完全相像,但气场完全符合金融精英的人设。

Image 18

紧接着,系统生成了详尽的角色设定、服装、道具清单以及定妆照,需要人工审批确认的条目多达 35 项。

对于专业导演或剪辑师而言,这里可以进行非常细致的把控和微调。

而小白用户则可以直接选择全部批准。

不过目前流程略有不便:部分确认按钮较为隐蔽,其中一项我甚至找了十分钟才定位到。

Image 19

此外,一旦修改了某项设定,此前已确认的内容也会随之回退至待审批状态。

Image 20

经过反复审批,终于成功提交进入下一阶段。

当对话上下文过长时,系统还会提示将其打包保存为技能模板(skill),我便顺手存了一套“金融/商战短片”的 skill。

Image 21

设定固化后,系统将原本的 5 场大戏拆解为 84 个具体镜头,并组合成 12 个视频生成单元,自动写好 Prompt 后调用 Seedance 2.5 批量生成视频片段。

Image 22

对于画面中出现的穿帮或违背设定的瑕疵,它还会自主发起修补,并提示用户重新运行草稿。

所有片段运行完毕后,便进入了剪辑、配乐与字幕合成阶段,该环节的处理速度显著快于早期的草稿修复。

以下便是最终成片——《定价夜》:

作为一个短剧小白,想不到自己也能从零做出一支完整短剧。

第一印象是画质相当细腻,人物微表情十分到位,前后镜头的主体一致性保持得相当好。

在未作额外要求的情况下,系统还自发合成了中英双语字幕。

不过不足之处依然存在,例如片子后半程出现了轻微的音画不同步,部分镜头仍有跳帧和穿帮瑕疵……

比如哥哥佩戴的眼镜,在某个瞬间突然就从脸上蒸发了。

粗略统计了一下,跑完上述 3 个完整案例后,初始赠送的 50000 积分大约消耗了 45000 点。

意料之外:连游戏也能做

还剩 5000 积分,我决定测试用它生成一款《超级马里奥》风格的网页小游戏。

Image 23

这一项堪称秒级交付,无需复杂的提示词,一个纯像素风格的 HTML 游戏就直接构建完成了。

踩踏怪物、吃蘑菇变大、撞击砖块、终点旗杆结算等核心玩法机制一应俱全。

出于版权合规考量,音乐与关卡材质均为代码底层实时绘制的原创素材,仅核心玩法机制与原作保持一致。

该版本主打“合格、可玩”,任天堂法务看了恐怕也挑不出毛病。

而且整个生成过程仅消耗了几百积分。

若觉得游戏玩法单一,Genspark 还会进一步主动提供玩法升级的方案建议:

Image 24

测试到此暂告一段落——毕竟老板已经开始问我为什么上班总在打游戏了。

Genspark Media Studio 的拍片流程是怎样的?

实测了这么多案例,Genspark Media Studio 背后到底是如何进行流程调度的?

据官方介绍,Media Studio 采用大语言模型担当“导演中枢”,负责解析用户需求、撰写剧本并协同各专用模型运作。

平台集成了来自 20 余家厂商的 70 多个模型版本,覆盖视频、图像、音频及 3D 等全流程维度。前文用到的 Seedance 和 ElevenLabs,都是该协同网络中的一员。

同时,中枢大模型还需要掌握成片的工序逻辑。

因此,Genspark 将各类制作流程抽象并沉淀为了不同的 skill。商业广告片有一套工作流,叙事短片又是另一套,Agent 会结合任务类型动态调用。

Image 25

以《定价夜》为例,必须依序经历剧本创作、分镜拆解、角色及场景定妆,最终才交由视频模型实拍。

“故事圣经”则在全流程中承担资产管理职责。角色外貌、服饰等关键要素被提前固化为基准资产,供后续分镜严格对齐。

这套人物设定与世界观还可以无缝跨项目复用。

这种机制就如同给 AI 剧组发放了统一的设定集,避免了各单元各自为政导致风格崩坏。

针对成片质量的把控,官方表示 Agent 会比对剧本与原设逐项质检,对不达标的内容自动调度重拍。前述制作短剧时的自发返工便对应了这一机制。

除 AI 自检外,用户也能进行精准的手动定向重拍。

例如在一条 30 秒的视频中,若仅对第 7 至 13 秒的内容不满意,只需打开“Reshoot clips(局部重拍)”功能,在时间线上框选该区间并补充修改提示即可。

Image 26

官方说明指出,该功能会锁定原片段的运动轨迹与摄像机机位,仅基于新提示重绘画面;单次最多支持框选 5 个片段,每段时长不低于 4 秒。

若仅需处理画面中的特定遮挡物或杂物,则可通过“Frame edit(帧编辑)”进行局部圈选,选择替换或消除,该模式支持 30 秒以内的视频片段。

Image 27

通过这种方式,修改需求得以精确定位至特定时间区间或局部对象,免去了每次都推倒重来、全量重新生成的成本。

值得注意的一个技术细节是:同为视频内容,知识讲解类视频与剧情短片采用了完全不同的技术路径。

Knowledge Explainer 主要基于 code-to-video 技术路线实现。通俗而言,即由 AI 编写程序代码,将文案、图表及动效统一编排后再渲染合成为视频。

当呈现数据可视化或概念演示时,无需将每一秒画面都交给视频大模型生成。

据官方说明,纯代码渲染过程不扣除积分,仅旁白语音以及少量环境氛围镜头按量计费。

不过,代码渲染长于版面表达但弱于视觉表现力,而剧情短片则更依赖对人物肢体与镜头视角的精细控制。

为此,Media Studio 还引入了 3D 白模预演流程。在最终出片前,Agent 先利用 3D 白模构建场景空间,提前敲定角色站位与机位构图。该环节完全不耗费视频模型额度,待机位完全确认后,再移交 Seedance 渲染出片。

Image 28

配合前文提及的 480p 低清草稿模式,产品逻辑非常清晰:尽可能在早期工序中暴露并纠正问题,避免直接渲染高清成片后再返工,从而最大限度为用户节省积分开销。

毕竟,谁的算力积分都不是凭空刮来的……

All in one,任何人都能用

Genspark 一直在传达一个产品理念:All in one,任何人都能用。

这也是贯穿我整场实测的最大感触。

所谓 All in one,即集成了包括文生图、文生视频、音频编排、字幕压制在内的全套内容生产链路,无需在多个独立工具间来回切换。

Media Studio 将所有工序整合在同一块无限画布内,中间生成资产全量保留,既便于 Agent 持续迭代,也允许人类创作者随时介入微调。

文中所呈现的全部案例,均是在 Media Studio 单一产品内独立闭环完成的。

官方同时透露,针对专业创作者,平台还提供了图层编辑器与多轨音视频时间线,支持将工程导出为 PSD、Premiere 工程文件或 CapCut(剪映)草稿,便于后期深度精修。

而对零门槛的新手而言,最深刻的改变在于:无需把市面上的所有 AI 工具摸索一遍,就能直接开始上手创作。

正如前文制作《定价夜》时那样,我仅仅随手敲定了一个标题,Media Studio 就能自动将整个故事徐徐铺开;接下来的流程,它负责提问推进,我只需负责挑选确认。