现在的AI 视频到底做到什么程度了？
刷到那些几秒钟的精彩片段。很容易让人觉得，用 AI 拍电影，好像已经不难了。
可真到自己动手时，才发现，脑子里想好的镜头，做着做着就缩水了。
比如人物的情绪演不出来，就用旁白补；动作接不上，就切个镜头。又比如镜头一转背景就变了，干脆换成固定机位。
折腾到最后，片子是做出来了，可脑子里最初想好的画面，也改得差不多了。
不过，随着可灵 4.0 的到来，这些在制作过程中经常碰到的问题，也开始有了新的解决办法。
今天就结合几部具体的作品，聊一聊可灵 4.0 到底是怎样让那些原本“想拍却拍不了”的画面，逐渐有了被制作出来的可能。
至于具体能够实现到哪一步，我们还是从下面这几部作品开始聊起。
首先来看韩国导演金性洙，《流感》《阿修罗》和《首尔之春》都出自他手。其中，《首尔之春》在韩国累计吸引超过 1300 万名观众，并在 2024 年百想艺术大赏上获得大奖。
这样一位长期拍摄商业电影的导演，这次也用上了AI，他与可灵 AI 进行合作，制作了一部名为《虫族列车》（Worm Train）的短片。
里面有一个挺特别的场景：早高峰的地铁里，巨大的昆虫和乘客挤在同一节车厢，身体不断碰撞，主人公置身其中，反而显得更加孤独。
这个想法写在剧本里不难，做成画面却卡住了。
难点就在“挤”和“撞”上。昆虫这么大的身体碰到乘客，得有重量，乘客也得有相应的反应。否则，画面里虽然有人、有昆虫，看起来却像各动各的，谁也没碰着谁。
当时的 AI 模型难以做出这种效果，项目因此一度停下。
直到用可灵 4.0 重新制作这个场景，停了半年的片子才得以重启。
对导演来说，原来是一个想好了却做不出来的场景，现在终于可以继续往下做。也不必为了绕开技术上的困难，先把最想表达的那部分改掉。
所以，可灵 4.0 的动态能力提升，不只关系到打斗能不能更激烈、动作能不能更大。像拥挤、碰撞这些看起来不起眼的细节，也可能决定一场戏能不能成立。
2.人物不用大哭，也能有戏
动作之外，还有一类更难描述的镜头：人物情绪。
当镜头逐渐靠近人物的时候，脸上那些细小的变化，也就更容易被看见。人物的眼神是不是符合当时的情绪，表情有没有接上前一句话，观众在观看的时候，其实很容易感觉出来。
比如，一个人在听到坏消息之后，最先出现的反应，未必就是哭出来。他可能会先愣在那里，然后还想勉强挤出一个笑容，等到对方把话说完之后，才慢慢地把头低下去。
这些反应幅度都不大，但少了其中某一步，味道就不一样了。
可灵 4.0 在人物表演上的进步，就体现在这些细微的情绪变化里。
拿玄海梨执导、MooAm 出品的《娜塔莎》来说，就更好理解了。它讲的是一位无法说话的诗人，爱上一个被称为女巫的女人的故事。
@MooAm出品的《娜塔莎》
由于这个角色没有办法说话，人物身上的很多情绪，就需要通过眼神和动作来进行表现。
换做以前，怕观众看不懂人物的心思，只能加句旁白解释。现在，可以试着靠人物的眼神和动作，把这些情绪表达出来。
下面这位创作者的作品，同样能够看到，人物是怎样通过眼神的变化，来传递自身情绪的。
@汗青 作品
要表现愤怒不只有皱眉这一种方式，难过也不只有流泪。有些时候，人物只是原本想要开口，却又停了下来，或者在听完一句话之后，把自己的视线稍微移开了一点。
人物心里在想什么，往往就能从这些小反应里看出来。
所以，大家以后写 AI 视频脚本时，可以开始把人物反应写得更细一点。比如想笑又忍住，或者明明难过，却装作没事，不用只写“他笑了”“她哭了”这类的。
3.镜头能动了，拍法也就多了
再聊一个做 AI 视频时容易让人头疼的地方：运镜。
有时候，固定画面看着挺好，镜头一动，问题就来了。人物还在，身后的环境却对不上了。或者镜头转过去，空间关系突然变得奇怪。
结果就是，明明想拍一个环绕镜头，最后还是退回了固定机位，省得反复重做。
下面看看创作者用可灵4.0创作的一组作品，里面是 360 度运镜中的背景保持。
@christianf369 作品
可以看到，镜头围着人物走，看到的角度会变，但人物所在的地方没有变。前面出现过的物体、建筑和空间关系，都得接得上。
动作戏也是一样。
接着，我们来看看用可灵 4.0 创作的打斗片段，可以看到人物出招、接招时，动作都能连贯接上。
@AI训练师大宇 作品
再看用可灵 4.0 创作的花样滑冰片段。人物旋转时动作舒展，到落地后摔倒，放到同一段镜头里，整套动作流畅连贯，
@SEIIIRU 作品
可灵 4.0 对大幅运动、物理交互的改善，给了这些场景更多尝试空间。这样，镜头的移动，才有机会成为讲故事的一部分。
动作连贯了，就不用靠频繁切换镜头来掩盖问题，也有机会把原本拆得很碎的场面，交代得更清楚。
4. 30 秒，让一段戏有时间演完
除了表演和动作，可灵 4.0 几项能力，做片子时很容易用到。全能参考、最长 30 秒原生生成，以及 4K 10bit HDR 输出，
先说 30 秒。
举个例子，比如：人物走进房间，察觉不对，停下脚步，再慢慢回头。如果想让这一连串反应在同一个镜头里发生，就得给它留出时间。
情绪也是一样。人物刚有点变化，片段就结束了，下一段还得想办法接上。
当然，能生成 30 秒不是每次都要用满，它主要是给创作者多预留一些空间，最后还是需要自己来决定怎么剪。
再说全能参考，简单理解，就是把你想要的人物、场景和画面风格作为参考交给可灵 4.0，让它照着这些要求生成视频。
这些参考素材可以是图片，也可以是视频和主体，主体当中还可以指定音色。单次任务最多支持 15 项参考素材，可以灵活组合。其中，图片最多支持 10 张，视频最多支持 5 段，主体最多支持 7 个。
在图片参考这一方面，能够使用的形式也比较丰富。除了主体图之外，还支持三视图、宫格图、信息图、关键帧和线框图等不同的图片形式。对于创作者来说，可以通过这些图片，把主体应该是什么形象、场景应该怎样布局、画面应该保持什么视觉风格，以及文字图形元素、镜头构图和关键情节等方面的要求，表达得更加直观，更加具体。
如果需要说明人物具体怎样进行表演、动作应该怎样完成，或者镜头应该怎样移动、叙事节奏应该怎样安排，也可以直接把视频提供出来，作为生成时的参考。除了普通视频之外，还支持白模视频、深度图视频等输入方式，让动作、运镜和节奏这一类动态信息，也能够通过参考素材，更加具体地传递给工具。
对创作者来说，以前要靠文字反复解释的要求，现在可以直接用参考素材来说明。
最后说说 4K 10bit HDR。
带来的好处是画面能保留更丰富的色彩层次和明暗细节，后续剪辑、调色时，也有更多调整空间。
光说大家估计不好理解，下面作品中，可以看到，人物面部清晰保留了皮肤纹理和细小的褶皱，看起来也更自然。
@loopmid77 作品
再看一个镜头更近的作品，眼周的皱纹、皮肤表面的细节都清晰可见，脸部也有自然的明暗层次。
这些能力，做视频的时候都可能会碰到。但是每一步少一点折腾，片子才会做到更完美。
5.最后算一笔账
最后，我们再来算一笔与实际制作有关的账。
前面聊完了画面效果，接下来就需要聊一聊，在制作过程中究竟要花费多少成本。
很多人在对比不同模型的时候，往往只看单次生成所标出的价格，但在 AI 创作里面，最大的消耗，其实来自反复“抽卡”。
Kling 4.0 在人物一致性、动作可控和画面稳定性这些方面，表现得更加稳定，在提示条件相同的情况下，单次生成就得到可用素材的概率也会更高，因此不必再通过大量重复生成来进行试错。
对于创作者来说，核算成本时，需要看的是最终制作完成的片子里面，每一条有效镜头总共投入了多少，而不能只看一次生成需要花多少钱。
除此之外，还有一笔在计算时比较容易被忽略的成本，就是一次次排队等待、反复调整提示词，以及来回修改和打磨的过程中，所消耗掉的创作时间。对于导演和剪辑团队来说，这部分时间成本，往往是更加珍贵的。
6.写在最后
回头看这几组案例，可灵 4.0 带来的变化，已经很具体了。
《虫族列车》里做不出的碰撞，让停了半年的项目重新启动；人物的情绪，可以通过眼神和动作来表达；换场景、转镜头时，也能保持角色和环境的连贯。
对于创作者来说，这些发生在具体制作环节里面的变化，才是他们真正关心的事情。
毕竟，观众在看完一部作品之后，最后能够记住的，仍然是作品里面的那个人物、那一段情绪，以及那个被清楚讲述出来的故事。
当工具能够完成的事情变得更多，创作者才更有机会，把自己的时间花在作品本身的制作上面。
如果你的手里，同样有一个已经搁置了很久的脚本，不妨在这个时候，再把它翻出来看一看。
看看当时被自己划掉的那一段内容，在这一次制作的时候，是不是已经有机会把它留下来了。