先把这条片子的最后一个镜头放出来看一下：

整条片一共包含三个镜头，像我这样没有系统学习过建模的人，现在在TapNow里面，也已经可以把这一整套镜头调度给排出来了。

做产品类AI视频的人，基本上都被同一件事情折磨过：产品到了不同的镜头里面，外形经常就不再是同一个产品，不仅容易穿模，而且机位只要一切换，产品的位置和状态就可能开始飘。

所以问题从来都不只是把产品拍得好不好看，而是站位、遮挡、走位、机位在三个不同镜头里面能不能互相对应起来，而这些又是单纯靠文字很难说得足够准确的。

这次TapNow更新的3D片场2.0，背后搭载的是6Astra模型。它不需要先花积分去生成，把产品、场景这些东西，全部先放进同一个3D空间里面，用灰白模的方式把这一场戏先排一遍，等到整个调度关系成立之后，再进入真正的视频生成环节。

因为如果出现错误，在白模里面进行修改，和等到写实成片出来之后再进行修改，两者需要付出的成本完全不是一个概念。

先把产品变成能调度的道具

我先拿了一张手表的产品白底图，然后在画布里面把它接到3D节点，再使用6Astra生成一个对应的3D资产。

原本只是一张平面的产品图片，在经过这个流程之后，就变成了一个能够进行位置摆放、大小调整以及角度旋转的真正道具。

后面三个镜头里面，它始终对应的是同一块表，对于产品视频来说，最容易出现问题的“跨镜头不一致”，从这一步开始其实就已经先被控制住了。

一句话让Agent先搭白模

2.0最大的变化之一，就是不再需要我自己从零开始一点一点摆这些东西。我直接在对话框里面，把这一整场戏需要发生什么尽量说清楚：

Agent随后起了一版低模。我进入片场之后，用WASD围着整个场景走了一圈，同时又打开了相机预览。这里我主要看的是空间关系到底对不对，并不去关心这一版画面最终是不是足够好看。

然后它还是翻车了，而且出现的三个问题都非常典型。

第一个问题是，手表悬在桌面上方一小段距离，并没有真正落到桌面上：

第二个问题是，那只手和手表根本没有对齐，手悬在半空里面，像是握了个寂寞：

第三个问题更加直接，我原本要求的是环绕手腕，结果它最后只是排了一个固定机位，实际上根本没有完成环绕。

这些问题如果是在白模阶段出现，其实一眼就能够看见，而且处理起来也相对直接。如果是等到最后写实成片都已经生成出来之后，才发现这些空间关系存在问题，那时候才是真的白白扣掉一次积分。

先把产品表落回桌面、把手对齐

比较明显的穿模隐患，我选择了直接手动修改。

选中那只手，把它拖动到手表的正上方，同时把高度压到一个刚好可以握住手表的位置。原本悬空这种问题，在这里其实一个右键就可以直接排掉。

既然现在已经可以直接选中场景里面的物体了，我就顺手尝试了一下它的“对话替换”功能：直接选中桌上的那只杯，直接跟它说“把这个杯子换成一个细口玻璃花瓶”，Agent 就直接把原来的杯子替换成了花瓶，并不需要我再回到底座里面重新把整个场景搭一遍。

我拖关键帧，改完它接着干

手出现得还是稍微有一点早，我希望让它晚半拍再正式亮相。这次我没有继续让Agent来修改，而是自己直接在时间轴上，把那个关键帧拖后1秒。

拖完之后，不需要再做额外处理，直接在预演里面就可以看到两个版本之间的区别，整个节奏明显更加符合我的预期。

比较关键的是我在手动修改完时间轴之后，继续跟它说加一个Orbit环绕相机，绕手腕一圈，它就会读取我刚刚修改过的最新状态，在这个状态的基础上继续往下做，而不是把前面的东西全部推翻之后从头再来。

这个地方也是我觉得2.0和传统意义上的“一句话生成”最不一样的地方，它是人改到哪里，Agent 就能够接着这个状态继续做到哪里。

环绕机位生成出来以后，我把相机预览进一步放大，又发现这个机位的位置稍微偏低了一些，等到镜头绕到桌子另外一侧的时候，会切到桌沿。

所以我又通过对话让它进行调整，告诉它环绕相机抬高一点。调整完以后再逐帧进行确认，确保整个环绕过程里面，表盘始终都保持在构图中心的位置。

到这里这版白模的预演才算是真正定稿，谁站在什么位置、主体到底什么时候开始移动相机究竟怎么进行环绕，这些关键的调度关系，到了这个阶段就已经全部固定下来了。

白模排完，才轮到生成

等到预演确认没有问题之后，我才把这些镜头交给SD2.5。第一步先开启草稿模式，用更短的等待时间先运行一版，主要是确认整体的运镜和节奏有没有问题。

等到这些基础关系确认下来之后，再补充风格提示词，保留原本已经确定好的调度和遮挡顺序，只是把灰白模进一步替换成木质桌面、柔光以及金属表的写实质感，最后再进行真正的精修。

同一套机位和调度，右边是白模，左边则是最终的成片：

不仅是产品广告，大的场景和人物走位也一样。

我又拿它跑了个带人的镜头，白模里先把整个空间布局、人物动线、相机怎么跟，全部摆好对齐，最后生成出来的夜景、灯笼、古建筑、走位都在。

只要你能在白模里把需求摆清楚，它带人物的空间镜头它照样能接。这也是我前面说的，先在低成本的白模里把调度钉死，再让后面的生成照着走，而不是直接拿一句提示词去赌成片。

写在最后

这一整圈流程跑下来之后，它提供的并不是直接生成最终成片的能力，而是开拍之前的那一遍“排戏”。

白模本身并不负责好看，它真正负责的是人物或者产品的站位到底对不对，机位在运动过程中会不会穿过去，以及产品在不同镜头之间到底会不会发生变化。

当然，精确的复合运镜，还是需要花时间去摸清楚关键帧的逻辑，只要你的镜头里面开始出现多个人物、多个产品，或者需要切换好几个不同的机位，那么这一层提前进行的预演，就是真正能够带来确定性的一个环节。

如果你不想从零开始，也可以到TapTV直接克隆项目，换成你自己的产品图和场景，按照同样的方式直接进行复做。

也可以使用「解读创作思路」，让Agent把这一块画布背后涉及到的调度逻辑进一步拆开给你看。