TapNow:不拼自研模型,怎么靠画布跑通AI视频全流程?

资讯 品玩 全文 5073 字 · 约 13 分钟读完 配图 3 张

AI 创作的下一场竞争,是把作品做完

这两年AI视频产品比拼,常常被简化成看参数:画质谁强、镜头谁长、出片谁快。可图像、视频、3D和coding能力纷纷进了基础模型之后,行业的分界点就挪了位置。生成单个镜头不再是难事,真正难的是角色、世界观、素材、镜头调度和后期剪辑能一路接得上,最终交出一件完整作品。

TapNow 因此成了这轮AI视频创业公司里挺特别的一家。基础模型它没自研,却先把“画布”引入了视频创作,靠产品上的创新聚起一批用户,这批人对一致性、可控性和完整工作流的要求更高。顺着这条路,TapNow 把产品重心移向一个更实际的问题:模型生成的结果,怎么才算真正进了生产环节?

10月17日,CreativeOS2.0 上线。这轮迭代的关键,是让 Agent 通过写代码、跑代码来组织、生成和修改视觉内容。Code2Video 的用处不限于动画、演示视频和视觉包装,它还是 Cinemap 和 Monta 的底层能力:放到 Cinemap 里,代码能力被拉长成对3D世界、角色、行为规则和镜头调度的组织;放到 Monta 里,它负责素材编排、剪辑包装与交付。

把 Code Video 仅仅当作一种视频制作手段,并不是 TapNow 的目标;它想借这个能力搭出一种新的AI原生创作产品形态。

模型能力慢慢变成公共能力之后,Code2Video 怎么跟 Agent、资产和专业工作流拧在一起,长成一套能持续把创作任务往前推的系统?

我们拿真实任务试了这套系统:把一篇含六款硬件的项目推荐做成产品讲解视频,再在暴雨夜的港口调度一座3D虚拟片场,看 CreativeOS2.0 能不能把一次生成,变成一项能反复修改、调度和交付的生产任务。

从生成到生产,AI创作开始走进真实工作流

Fable5.2 这类模型的 Coding 能力越来越强,基础模型用 Coding 生成视频的边界也在往外扩。CreativeOS2.0 这次更新里,硅星人最感兴趣的是 Code2Video:对我们这些并非专业视频工作者的人来说,用代码生成结构化讲解视频,等于给内容开了另一种可能,确定性和可编辑性也更强。

“每周项目推荐”是硅星人的固定栏目。我们挑了一期偏AI硬件的,把文章内容和七张真实产品图交给 TapNow Agent,请它用 Code2Video 做成一条产品讲解视频。

这一回 Code2Video 的路子是让 Agent 写代码:文字、真实产品图、布局和动画规则先被组织起来,再渲染成视频。产品图来自我们给的素材,标题和参数按文字排版,位置、颜色、出现时间和运动轨迹都能明确指定。做信息讲解,这就意味着确定性更强——我们要的是一个数字准确落在指定位置,而不是模型画出一个“看着像数字”的画面。

从成片看,结构化排版这块它做得不错。我们给的三类内容落成了三幕,每一幕版面一致:顶部说明类别和判断,左侧摆产品名称与关键参数,右侧放真实产品图。六款硬件、尺寸和背景各不相同的图片,被收进同一套视觉秩序。观众换到下一个产品时,不用再找信息在哪儿,注意力可以留给内容本身。

稳定归稳定,这可不是六张静态卡片轮流播。数字高亮、产品切换、机械臂的运动示意,加上结尾的聚合连线,让信息有了先后顺序。文章的分类逻辑留住了,单屏要读的字也少了。作为一条科技产品的视觉讲解初稿,这比一味追求电影感更贴任务:产品认得出来,重点看得明白,不同项目之间还能比。为了让它变成能直接看的讲解视频,我们又把这按三类内容写好的中文旁白交给 TapNow Agent。它调 ElevenLabs V3 生成了约39秒的配音;我们再照着旁白节奏调各产品画面的停留时间,合成了下面这条40秒的配音版。文字负责解释判断,真实产品图和参数承担信息展示,原先要逐屏读的内容,开始有了连续讲述的节奏。

Code2Video 实测:本周 AI 硬件项目推荐,40 秒中文配音版

两种方式差别更明显的地方,是修改。这次我们真碰上了产品图裁切、图注与标签挤在一起、数字动画显示时机这些要调的地方。Agent 随后改了取景范围、文字位置和动画参数:CyboPal 的完整屏幕留住,Zilo 的图注往下移,Nirva 的“3 天”在阅读时能稳定显示。改动落在对应元素上,原来的分类、其他产品图和整条视频的风格都能继续保留。

传统生成视频也能靠参考图或编辑能力接着调,但碰上“只改这个数字”“只挪这一行字”这类要求,代码给出的控制对象更直接。确定性不是说第一次就不出错,而是错了能定位,修改有明确落点,不必为了修一个细节把整段画面重新赌一遍。返工也因此更有效率。当然,代码改完还得预览、渲染,最终的文字、参数和视觉效果也要人来检查。

所以 Code2Video 特别适合结构化的信息和知识:产品参数、概念之间的层级、步骤的先后、数据的对比,都能写成清楚的排版和动画规则。文生视频模型擅长的表演、质感和氛围,价值仍在;可到了“把一篇文章讲清楚”这类任务,Code2Video 的可控和可改更贴近编辑的工作习惯。两种能力也能搭着用:模型生产需要的影像素材,代码准确承载文字和信息。

这次的结果是一条没有旁白和配乐的视觉讲解初稿,已经能看出文章怎么变成视频,但还谈不上是配完音、混完音的发布版本。它让我们看到的生产价值在于,内容工作者可以先拿自然语言把知识结构变成可观看、可校对、可继续修改的内容。项目推荐、产品培训、研究报告、企业介绍,都有这样的需求。

Code2Video 把视频生成的可编辑性补上了,Cinemap 要做的则是把 2D 视频抬到三维。我们在 Cinemap 的 Agent 里敲进一段场景:暴雨夜的港口,旧仓库、通向码头的窄路、远处的货轮和起重机;打算安排一场追逐,先要一个能编辑的低精度场景。

建模没做,物体坐标也没一个个输,我们只是对 Agent 说:主角从旧仓库跑向码头,两名追逐者从两侧包抄,其中一人晚三秒出发。这句话被系统落成三条不同颜色的路线,外加一条 18 秒的动作时间线。主角的路线拆成四段,右侧追逐者的轨道先等着、再起跑。人物什么时候动、从哪里过、几时到路口,从此有了能播放、能调整的凭据。

三条人物路线对应三条动作轨道,右侧追逐者先等待三秒再出发。
三条人物路线对应三条动作轨道,右侧追逐者先等待三秒再出发。

接着给这场戏摆机位:高位俯拍交代包抄关系,低机位沿道路侧移,码头尽头架一台固定机位朝来路反打。二号机的取景界面里,28mm 焦段、沿动线移动、看向主角和中景这些设置都摆着;画布上标出相机路径和对应的时间节点。我们只提了一句“贴近地面跟着主角拍”,具体怎么在空间里落,交给 Agent 承接,再由我们盯画面,判断这个角度行不行。

二号机取景界面:沿动线移动、看向主角、28mm 焦段与中景设置。
二号机取景界面:沿动线移动、看向主角、28mm 焦段与中景设置。

所谓可控,比“再生成一个角度”实在得多。人物路线、摄影机动线、剪辑切点全在同一场戏里;三台机位记的是同一次追逐,不是三份各想各的画面。自动剪辑把 18 秒预演切成四段,在低机位、高位和反打之间来回切,时间线摆在那儿,还能接着调。白模用的是简化人物和场景,干的也是预演的活:先把空间关系和调度看明白,再决定怎么把它拍成最终画面。

Cinemap 实测:18 秒三人调度、三机位白模预演

白模做完,我们把二号机的预演当参考送进 Canvas,由 Agent 配好 Seedance 2.5,跑出一段 15 秒、720p 的效果片。集装箱有了金属质感,路灯在积水里留下倒影,简化人物变成有表情、会奔跑的 3D 动画角色。低机位跟着主角往前走,中间切到追逐者,再回到主角,港口追逐从空间里的走位,变成了一段能看的戏。

Cinemap 渲染效果:「成片·机位 2」,15 秒、720p

这里接上的是两段能力:Cinemap 先把场景、人物、机位组织成预演,视频模型再照着参考生成具体画面。创作者可以先判断“人从哪里来、镜头从哪里看”,再去调角色造型和画面风格。三维空间就这样成了视频生产里可以接着用的创作依据。

这样一来,它更像个虚拟片场,而不是单打独斗的 3D 生成器。市面上能做 3D 的模型和工具并不少,少的是把 3D 塞进一条具体创作链路:前头接住已有的角色、脚本和资产,后头还能进分镜、视频生成、剪辑,甚至继续长成游戏或互动内容。

产品要做的,就是不停创新和定义

基础模型会 coding 了,大家都知道;基础模型的 3D 能力上来了,大家也知道。市场上很快冒出一批产品,能写动画、做网页、生成 3D 游戏和虚拟世界。

可模型能力从来不会自动变成产品能力。模型告诉所有人“这件事现在可能了”,产品公司要回答的是另一套问题:它该在什么时候出现,以什么方式被用,解决谁的哪一个具体问题。

TapNow 坚持做“一站式”,原因也在这儿。它不是要在菜单里堆更多功能,而是因为创作最怕被打断:脚本在文档里,参考图在网盘里,3D 场景在另一款软件里,视频散在几个模型网站,剪辑又回到本地软件。每切一次,丢的不只是时间,还有资产、上下文,以及创作者刚形成的判断。

CreativeOS2.0 于是把画布变成人和 Agent 共用的工作空间。创作者可以开口说,也可以点、圈、拖,用空间位置表达“这里”“这个人”“这一段”;Agent Team 在后台拆任务、并行推进。用户不用管每一个 session,也不必先研究该挑哪个模型。

TapNow 产品负责人 Ethan 表示,团队希望用户把注意力放在整体创作上,不必再纠结提示词怎么写、模型怎么选。

这句话也点明了 TapNow 在“给人用,还是给 Agent 用”之间的取舍。它首先还是给人用的:方向、审美和关键判断归人,复杂执行由 Agent 接住;同时它也通过 MCP 把能力开放给外部 Agent。人不用迁就机器的操作方式,Agent 也不必锁在单一入口里。判断权留在创作者手上,执行权可以在不同 Agent 之间流动。

功能是很多,门槛却不一定高。用户说一句“把二号机压低”“保持这个角色,换掉环境”“把这篇项目推荐做成 40 秒视频”,系统再去判断调什么模型、要不要用代码、怎样继承已有资产。复杂度没消失,只是被产品吞了进去。

这也是 TapNow 不愿把自己框成影视工具的原因。企业营销、电商内容、产品介绍、培训、活动、游戏原型,行业看着不一样,里头都装着需求理解、素材组织、内容生产、反复修改和最终交付。TapNow 接入千问办公、与 WorkBuddy 合作,多出来的不只是两个分发入口,它的创作能力开始走进用户本来就在用的工作环境。

Cinemap 又把这条边界往外推了一层。Ethan 说:“Cinemap 是另一块无限画布,只是它是一块 3D 画布”。对导演,它可以是虚拟片场;对游戏团队,它可以是关卡和世界的起点;对品牌、展览和活动,它也可能变成互动空间。TapNow 的边界于是不再是“视频生成”,甚至不只是“视频创作”,而是所有要同时组织文字、图像、视频、声音、空间与交互的创作任务。

当然,AI 时代没有什么领先能一劳永逸。一个好交互被验证之后,很快会变成行业共识。对 TapNow 来说,壁垒不在某一个按钮,而在于持续定义下一种创作方式的能力:从画布、Agent 到三维预演,先把前沿技术做成创作者能直接上手的完整工作流,再在真实使用里不断迭代。

Ethan 把话讲得很直白:“我们最关心的是,明天最先进的生产力出现时,TapNow 能不能最早把它变成创作者真正用得上的能力,并且一直走在前面。”

创业公司不一定非得顺着大厂划好的赛道去追。换条路也走得通:不断把产品形态重新定义一遍,让所有人都能调用的模型能力,落进一条只有自己最懂的创作流程里。视频生成这块,TapNow 很早就用画布重新组织过;眼下它又想靠 Agent Team、Code2Video、Cinemap 和 Monta,把画布做成一套生产系统。

面对 AI 生成工具,人们问的是“能不能做出一个结果”;CreativeOS2.0 要答的则是“能不能把一件事做完”。从生成走到生产,或许就是下一阶段 AI 创作产品真正的分水岭。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 击败传统 K-pop 偶像,AI 辅助制作歌曲首次登顶韩国热门音乐排行榜

    IT之家 11 月 17 日消息,据日经亚洲今天(17 日)上午报道,韩国 AI 音乐项目 MEOMURU 推出的《你成为梦想中的大人了吗?》登顶 Melon TOP100,成为第一首登上韩国主要音乐榜单榜首的 AI 辅助制作歌曲。 该曲在当地时间 13 日登上 Melon TOP100 榜首,截至当地时间 16 日仍

    来源 AI 行业观察
  2. 刚刚,陈丹琦官宣兼职加入Noeri,新公司押注AI自进化

    普林斯顿大学计算机科学副教授陈丹琦,加入了一家刚刚亮相的 AI 公司。 今天凌晨,陈丹琦在社交平台透露,自己两个月前就以兼职身份加入了 Noeri。她对这支团队的研究方向颇为期待,尤其关注 AI 在科学发现中的应用,希望让每一位科学家都能把 AI 用在自己最棘手的研究问题上。 Noeri 由斯坦福大学计算机科学教授 Y

    来源 AI 行业观察
  3. 宁德时代独家投资子虔科技C轮:AI能否压缩工业研发前置环节?

    过去一个多世纪,制造业一直在解决“如何更快、更便宜、更稳定地生产”。从福特流水线到自动化工厂,这个问题已被回答得足够好。但另一个问题很少被摆上台面:产品走上产线之前,它究竟应该被设计成什么样? 如果说制造,是把确定方案生产出来,那么创造,就是从无数种可能里找到可行设计。制造有产线、节拍、良率等一系列参数可以衡量,创造却

    来源 AI 行业观察
  4. 高盛五份研报:AI增速2027上半年触顶,市场承压甚于经济

    数据印证了这一判断:AI仅贡献美国GDP增长21%,却撑起标普500盈利增长62%和峰值市值涨幅92%——增速见顶对市场的杀伤力将远超对实体经济。高盛认为,盈利增速将从36%腰斩至11%,AI发债潮致信用利差走阔,日元成最佳AI风险对冲首选,黄金看涨至4650美元,铜看至15600美元。

    来源 华尔街见闻
  5. Faster AI Does Not Mean Smaller Companies

    Tools that speed up reports and routine service cut the cost of both buying outside help and running a larger internal operation. Headcount, hierarchy, and scop

    来源 AI 行业观察
  6. 高盛:AI半导体篮子估值仅11倍,抛售是否已过头

    六周前,市场争论的还是AI仓位该持有多少;如今,问题已变成还有谁愿意接盘。AI交易从人满为患到无人问津,速度之快令人咋舌,而这一切恰好发生在本年度AI主题最关键的一周前夕。 据高盛资金流向策略师Lee Coppersmith在最新周报中指出,过去一个月,该行客户对AI主题的情绪已"急剧转变",悲观程度为近年来罕见,且这

    来源 AI 行业观察
  7. 赵本山《慌啥子嘛》全网刷屏,AI 翻唱玩梗背后有版权风险

    新华社转发,点赞破200万,全网都在循环赵本山唱的《慌啥子嘛》。 “慌啥子嘛,慢慢来,太阳下山有月亮爬上来。”这句歌词一出来,很多人不是单纯觉得好听,而是突然被戳中了。像是那些说不出口的委屈、焦虑、疲惫,都被一只温厚的手轻轻接住了。 有人在评论区写自己加班到凌晨的经历,有人说听着听着想起了老家的父母,也有人什么都没说,

    来源 AI 行业观察
  8. AI中转站超2000家:2026避坑实测,五款工具怎么选?

    2026年AI API中转市场鱼龙混杂,近半数站点存在模型掉包风险。本文基于CISPA安全报告与实测数据,梳理apiranking、AI Hvoy等五款主流评测工具。不吹不黑,从验真逻辑、适用场景到交叉验证方法,为开发者提供一套可落地的中转站选型方案,拒绝盲目比价,回归服务本质。

    来源 AI 应用前沿
向下滚动自动加载更多