可灵4.0实测：AI跳舞为何仍难逃挑片返工？

“AI省掉了不少拍摄环节，却没省掉挑片、改片和一遍遍返工。”

2004年，张艺谋在《十面埋伏》里拍下了一场令人难忘的水袖击鼓舞。

章子怡饰演的舞者站在鼓阵中央，随乐声腾跃、旋转，两条长水袖在空中翻飞，一会儿划出巨大的弧线，一会儿甩向四周的鼓面。人物的动作、绸布的轨迹和密集的鼓点咬合在一起，至今仍是影片里最有辨识度的场面之一。

这场表演本身就难以复刻。舞者、水袖和鼓阵得配合得恰到好处，电影还能靠镜头调度与剪辑，让每一下击鼓都显得干净利落。如今要把这套要求压进一段提示词，让AI一次生成15秒，听起来多少有点为难它。

不过我们还是想试试。可灵4.0这回重点升级的能力之一，正是复杂动态的生成。

10月15日，可灵4.0正式上线，原生生成时长延长至30秒，复杂动态、参考控制和视频编辑等方面也有更新。除了这场水袖击鼓舞，我们还找来了《雨中曲》的经典独舞，让它拍一条普通女生逛旧街区的30秒生活短片，并试着修改已经生成的视频。

这次实测，我们想看的是可灵4.0能把这些要求做到什么程度，以及实际用起来，是不是真有官方样片看上去那么轻松。

01

让AI复刻水袖舞，我们改了七八轮

水袖击鼓本就是难度很高的表演，搬进电影里，还得兼顾人物身法、布料运动、鼓阵位置和摄影机调度。对视频生成模型来说，它要解决的是如何让这一连串动作在同一个场景中成立。

我们原以为真正难的是舞者的腾空翻跃，结果几轮生成下来，最让人头疼的竟然是怎么让她正确地击中鼓面。

我们先备好人物造型和鼓阵的参考图，向可灵交代红色舞服、浅粉色长水袖，以及旋身、腾挪、跃起、甩袖击鼓等动作，指望用一次15秒的生成还原这场舞蹈的主要特征。

单看画面观感，这一版表现尚可。红衣舞者的造型基本立住了，绸布在空中也有了舒展、回旋的动态，整个场景已经能让人联想到原片。可一到真正击鼓的环节，舞者会直接用手去碰鼓面，水袖有时只是跟着手臂飘，并没有承担击鼓的作用。

接下来，团队就这个问题一遍遍改提示词，把要求写死：鼓的位置不能动，只有袖尾可以碰到鼓面。他们又怀疑模型根本没吃透整段动作设计，于是把15秒切成起势、腾空翻跃、连续击鼓这几段，指望后一半能看出速度和力量上的明显变化。

可调了接近七八轮，我们还是没能做到全程用水袖末端击鼓。

有些版本里，舞者还是拿手去敲鼓，水袖压根没甩起来；有些版本倒是把长袖甩出去了，人却钉在原地慢慢转圈，想要的腾跃和空间移动一点没有。更离谱的是，部分画面里鼓身会自己挪位置，倒像是在硬凑提示词里那个“击鼓”的效果。

当然，这并非一次严格的专业动作指导测试。

我们没有像专业影视从业者那样绘制逐镜分镜，毕竟20年前的电影场景能成功，本身就和剪辑、分镜、特效脱不开关系。这不能说明模型没能力完成这条视频，只是在依赖参考图与自然语言描述的创作方式下，即使反复强调同一个要求，复杂动作也未必能稳定地朝预期方向修正。

对那些想用AI辅助制作影视内容的人来说，这是个值得关注的问题。

02

AI跳《雨中曲》，第一版最好看

相比之下，《雨中曲》的测试让我们看到了可灵更擅长的一面。

影史上最有名的歌舞场面之一，就出自1952年上映的《雨中曲》。吉恩·凯利一身西装、头戴礼帽，撑着伞在雨夜街道上独自起舞，跟着音乐旋转、踢踏，末了跳进路边积水里。人物的动作、音乐的节奏加上摄影机的调度，把一条再普通不过的街道变成了妙趣横生的表演空间。

这次我们给了四张经典片段的参考图片，要求模型生成一段带复古好莱坞歌舞片质感的雨中独舞，保留黑色雨伞、礼帽、路灯和潮湿的街道，同时安排转身、摆伞、踢踏和踩水等动作。

第一版做出来完成度已经挺高。镜头一直跟着主角走，背后的砖墙和街道没出现明显的场景跳变，雨夜的色调、灯光，还有西装被淋湿后的质感都算自然。爵士乐和最后踩水那一下基本踩在点上，整个片段因此带上了几分老式歌舞片的味道。

我们尤其喜欢一个很容易被忽略的细节：人物在路灯下舞动时，身后的墙面出现了随动作变化的投影。画面于是不只是一个人在雨中跳舞，人物与环境之间也建立起了联系。

细节上，可灵还是露出了破绽。有一回男主角抬头，帽子从脑袋上滑落，再抬头时，帽子又悄无声息地回到了原位。最后几次踩水，水花也规整得过头，几乎每次都沿着同一个圆心朝两侧对称溅开。男主角的笑容同样完美得过了头，缺了真人在连续动作里那种自然浮动的表情。

画质向来是可灵被夸得最多的地方，可Seedance一路迭代下来，画面漂亮早就不是哪一家的独家本事了。

7月，Seedance 2.5先一步支持30秒生成，多模态参考和视频编辑也跟着升级。不到三个月，可灵4.0面世，主打方向同样是30秒生成、复杂动态和参考控制。最近一些创作者做同题对比，评价并不一致：有人偏爱Seedance的人物真实感，有人更看好可灵的动作表现。两边各有强项，光靠一条好看的样片已经分不出高下。

快手这边，竞争还带着商业层面的压力。二季度可灵AI收入超过8.5亿元，同比增长逾200%。它想留住的，不只是来尝鲜的人，还有那些真拿它做广告、短剧的付费创作者。

可对这些人来说，视频生成完，活儿往往才刚开头。

03

只换一件西装，整条视频保得住吗？

《雨中曲》的效果还过得去，我们便想试试可灵4.0这次升级的视频编辑。假设一条视频的动作、构图、场景都满意，只想把人物身上的衣服换掉，能不能不用从头再抽一遍？

我们拿之前生成的《雨中曲》当原片，提了个不复杂的要求：男主角的深色西装改成酒红色，款式保留，人物的脸、舞蹈动作、帽子、雨伞，连同场景和声音都不动。

编辑前图片

编辑后图片

可灵4.0改完的视频里，替换掉的只有原片中男主的衣服，其余和原片一致。不过用的虽是视频编辑功能，这次修改消耗的积分跟重新生成一条视频差不多。

为了有个参照，我们把同一条视频交给HeyGen Video Agent，要求一字不差。

结果挺意外：西装是变酒红了，男主角却换了个人，连雨夜街景也跟着改了。我们本想留下的那段舞蹈，也没能完整保住。

再追问下去，HeyGen解释称，目前用的Video Agent工作流能截取原片、加文字或者重新生成素材，但没法只改上传视频里的西装，同时让其余画面保持原样。

这里的“编辑”得分成两种：剪短一个镜头、换段素材、加字幕，属于对视频内容的编排；给画面里正跳舞的人换件衣服，要动的是原有画面，还得在连续运动中守住别的细节。HeyGen Video Agent能办前一种，但在我们用的这个入口里，后一种没做成。

此前实测时，我们也经历了好几轮抽卡。放到商业制作里，这就不是个人耐心的事了。《第一财经》早前采访漫森文化，创始人黄浩荣提到，团队做精品AI短剧大概要10个人，其中约一半人力花在抽卡上。按团队当时的数据，平均生成5次才有一条满意画面。

AI确实压低了部分影视内容的制作成本，但一条视频到底花多少钱，不能只盯单次生成的标价。反复生成、人工筛选，加上后续修改的花费，都得算进去。

这回可灵把西装换色做成了，至少保住了我们已经满意的那段表演，这点该认。可编辑一次消耗的积分仍和重新生成差不多，修改成本哪天能真正降下来，恐怕是这些视频模型接下来躲不开的一道题。

04

30秒，一个普通女孩的生活vlog

高难度动作之外，可灵4.0还有一项升级我们也想试：最长30秒的原生视频生成。Seedance 2.5此前也支持这个时长。可灵上一代最长只能生成15秒，相比之下，创作者还是能在一次生成里塞进更多内容。

我们出了个普通人也会有的点子：让AI拍一条带点文艺气的个人生活短片。

片子叫《今天也没有什么计划》。主角是个二十多岁的女生，戴着耳机，一个人走进中国南方的一片旧街区。一路上她看看墙边的花，瞅瞅晒太阳的小猫，又被一个骑车经过的年轻人勾走了目光。夕阳慢慢落下去，最后她偶然拐进一家旧书店，在窗边翻开一本书。

我们想要一点旧式DV的影像质感；色调得暖，带着真实生活留下的痕迹。人物也要真。片头还加了个小设计，让片名那几个可爱的手写字在画面上闪一下，像一条自己剪出来的生活日记。

成片的整体氛围确实不差。可灵读懂了我们要的旧街区味道，也排出了人物散步、街景细节、室内书店这些不同镜头。跟需要精确接触关系的水袖舞比，这类以观察日常为主的短片，显然给了模型更大余地。

可看下来，还是有几处让人出戏。上一个镜头女生刚回头，下一镜却忽然看向另一边，动作没接上。到书店门口，她伸手推开一扇门，旁边另一扇门竟也自己开了。书店招牌的字写错了，街道上虽有旧楼、小店和植物，却干净规整得过头，少了真实街区里随处可见的行人和杂物。

单看每个镜头，有些画面确实漂亮。可串成30秒的小片子，考验的就不只是模型能不能生成几张好看的动态画面。人物怎么从一个镜头走进下一个，人与环境之间发生了什么互动，这些细节都决定了整条视频看起来自不自然。

能不能拍出一条片子，和能不能拍出自己心里想要的那条，是两件事。

这些年聊AI视频，「人人都能成为导演」这句话被反复提起。各家放出的样片看下来，这话听着越来越站得住脚：以前得靠演员、摄影和后期一起搭出来的画面，现在一个人守着电脑，也有机会做出来。

真上手用过之后，我们对这句话又有些拿不准了。

科幻作家特德·姜在《纽约客》写过一篇文章，里面提到艺术创作里藏着大量很具体的选择。人拿一小段提示词让AI出作品，等于把很多没明说的决定权交给了模型。

这回测试，我们好几回都想把这些决定权收回来。我们本意是让舞者用袖尾去击鼓，模型却让鼓自己动了起来；想拍一个女生散步时自然回头的瞬间，前后两个镜头又没接上。

可灵4.0当然也有让人眼前一亮的部分。《雨中曲》的雨夜很有电影感，视频编辑也把原片里的表演保住了。可七八轮水袖舞下来，鼓还是没敲对，加上反复生成和编辑耗掉的积分，让人看清一件事：手里有一款生成工具，和能随心所欲地使唤它，中间还隔着距离。

眼下可灵和Seedance都在往参考素材、视频时长、编辑能力上加码。对普通用户来说，过去很难独立做出来的画面，现在有机会完成了；对真要交广告、短剧的团队来说，这是另一道考题——能不能在扛得住的时间和成本里，稳稳拿到想要的结果。

生成视频这件事正变得越来越省力。不过等到谁都能拍出好看的画面，能让人少绕几轮弯路、少返几次工的工具，大概才更容易被长期用下去。