AI news

告别“剪映模式”:一位前字节负责人对 AI 视频产品的终极思考

By 林白1 viewsSource: 硅基观察Pro
告别“剪映模式”:一位前字节负责人对 AI 视频产品的终极思考

短视频平台把创作门槛压进手机屏幕,完成了一次“即创即消”的效率革命。

The full text has not been translated yet. The Chinese original is shown below.

短视频平台把创作门槛压进手机屏幕,完成了一次“即创即消”的效率革命。

生成式 AI 的到来,则正在把视频创作从“操作工具”,推向“直接表达想象”。

从“现实切片”走向“虚拟构建”,创作范式正在换挡。站在这个转折点上,前字节跳动智能创作工程与研发负责人黄严,给出了自己的答案。

今年10月,他创办的 ArtArch 发布了首款产品——Skira。在Skira中,复杂的剪辑与编排被封装成“玩法”(Gameplay)。用户只需输入简单指令或素材,就能调用底层能力,一键生成爆款作品。

Skira 的目标只有一个:让 AI 创作真正走向平权,实现“所想即所得”。

2025 年初,ArtArch 已完成种子轮融资,投资方包括锦秋基金、九合创投和 BV 百度风投。

/ 01 /

从即创即消,到所想即所得

硅基君:Skira的核心定位是什么?

黄严:我们想做的是一个AI Native(AI原生)的创作者社区。

以前的创作叫 NLE(Non-Linear Editing,非线性编辑)。无论是 Photoshop,还是手机时代的剪映、快手,本质都是NLE——基于轨道、图层进行编辑。

NLE 时代有三个角色:需求方(甲方)、设计师(操作者)、工具。这导致创作门槛很高,你需要先学工具。短视频时代把 NLE 搬到了手机上,同时加强了分发能力,实现了“即创即消”,大大加速了循环。

但AI Native 时代,由于 AI 拓展了从现实到虚拟的想象力空间,过去的创作更多基于现实,而现在创作空间可以完全基于一个想象的虚拟空间,比如爆改甄嬛。一个服务于现实,一个服务于想象力。

而且,现在我们不再需要一个专门学工具的“设计师”角色,工具可以直接服务于“想象力”。我们做的 Image Engine(想象力引擎),就是要让创作平权,即所想即所得。

硅基君:具体的变革体现在哪里?

黄严:以前我们拍片子,原素材必须来自现实(拍摄),后期再去拼接。现在,任何素材都可以由AI 生成或加持。本质变了:从“如何操作工具”转变为“如何拆解创意”。

为了让创作更顺滑,我们把创作过程变成了一套Workflow(工作流)。

第一步,让AI先理解创作者的“语境”与“世界观”。创作者心里其实有画面、有情绪、有氛围,但用语言说出来就困难。

AI 要解决的是:让机器理解“创作者真正想表达的内容”,而不是理解字面意思。这是整个系统最重要的一步。这就是他们说的 “所想即所得”。

第二步,用AI 把“想法”转成结构化的创作蓝图。比如拍一个 30 秒短片,传统流程包含:剧本结构、分镜、主体角色、背景转场、特效声音、音乐节奏、剪辑。

这些原本需要专业团队逐步完成的环节,现在在系统里是“一盘棋”编排的。你可以像编辑思维导图一样调整每个步骤。

硅基君:能不能展开讲讲用Skira和直接用视频模型有什么区别?

黄严:区别在于表现力,而这背后就是“理解语境”能力的差异。大模型生成的视频往往是“千人一面”的,它理解的是概率上的共识。

但创作往往需要“特异性”。比如,编剧写剧本:“一个男人回家,快速划掉手机屏幕。”这一句话就暗示了出轨、紧张、心虚,这是语境。

如果你直接把这句话给大模型,它可能就真生成一个男人划手机,平铺直叙。我们的系统里有导演Agent。它会理解这个语境,然后设计分镜:

镜头A:特写男人的汗珠。

镜头B:手机屏幕的特写,手指慌乱的动作。

配合心跳声的音效、昏暗的滤镜。这就是我们做的:把“语境”翻译成具有表现力的“视听语言”,而不仅仅是生成一个画面,用最大化的表现方式去击中观众。

硅基君:听起来很厉害,从技术上是怎么实现的?

黄严:我们底层构建了一套Image DSL(领域特定语言)。你可以理解为,我们为视频创作发明了一套编程语言。

这套语言里包含了生成类、主体类、渲染类、特效类等各种定义。通过这套语言,我们把一个感性的“剧本”,编译成了一套可执行的计算机程序。

在这个架构之上,我们有执行工作流的Agent 引擎。这里面有不同的 Agent 角色:

编剧Agent: 理解你的意图,生成世界观和叙事结构。

导演Agent: 负责分镜设计、镜头调度。

演员Agent: 负责角色的演绎和互动。

最上层是玩法引擎。玩法可以理解为一种特定剪辑方式,比如A/B Transfer(转场特效)或者比较火AI宠物视频。

我们把这些复杂的编排封装成“玩法”(Gameplay),用户只需要输入简单的指令或图片,就能调用这套复杂的底层能力。

硅基君:这里的Agent,具体是如何工作的,比如编剧 Agent?

黄严:每个Agent 都有独特的 ID 和背后的领域知识库,不仅仅是靠 Prompt 驱动。在训练过程中,也会通过强化学习,根据反馈(这个生成得好不好)来更新自己的策略。

硅基君:如果未来视频大模型(如Sora)变强了,还需要这套工程架构吗?

黄严:这涉及到一个核心判断:大模型变强,能解决局部复杂度,但解决不了整体创作的复杂度。

举个例子,主体保持(Consistency) 目前大模型做得还不够好。为了让一个角色在不同镜头里长得一样,我需要在模型周围打很多“补丁”,用工程化手段(比如特有的渲染引擎、LoRA等)去约束它。

如果大模型变强了,这部分工作会被简化。但是,人的审美天花板永远在提升。就像小时候看《大闹天宫》觉得很牛,现在觉得太简单了。当模型能力提升,人类会要求更复杂的叙事、更精细的控制(比如希区柯克式变焦、蒙太奇剪辑)。

所以,工程架构是连接“人类无限的复杂想象力”和“模型有限的能力”之间的桥梁。这种沉淀下来的系统设计能力,才是壁垒。

硅基君:所以,工程也是一种壁垒?

黄严:短期来看,工程不是壁垒,工程师只是负责实现。工具本身可以很快做出来。

长期来看,随着时间积累,构建起来的这套体系和沉淀会成为壁垒。只有当系统跑起来,随着服务的人群越来越广、时间越来越长、场景越来越复杂,你沉淀下来的那套“如何支持复杂创作”的经验,才是真正的技术核心。

/ 02 /

剪映之外:一个面向“表达”的 AI 原生创作社区

硅基君:Skira的用户是谁?

黄严:我们把用户分为两层,形成一个对流:

P层(Producers,制作人): 技术流大神、艺术家。他们懂镜头、懂审美、甚至懂一点技术。他们利用我们的底层工具(DSL、工作流)去创作“玩法”和“模版”。

C层(Creators,普通创作者): 大众用户。他们有表达欲,但不想学复杂工具。他们直接使用 P 层创造的“玩法”,上传自己的照片或素材,快速生成高质量内容。

我们作为平台,连接这两端,让大家的思想、创意流转起来。

硅基君:怎么实现这种流转?

黄严:核心在于平台如何分配利益,我们通过“收益流转”来解决这个问题。

平台会给制作人提供收益:越多人使用你开发的“玩法”,你就能拿到越多的收益。

1. 经济收益:包括平台的基础点数(Credit),以及未来的分佣分成。

2. 声誉归属:这个玩法是属于该制作人的,他的 Profile(个人主页)会展示这些成就。

所以,无论是制作人还是C 端用户,他们都在同一个社群里。制作人通过提供玩法获得分成和声誉,大众通过使用玩法获得流量和表达。平台则作为一个放大器,让热点和创意在两者之间高效流转。

硅基君:目前,这个创作者群体够大吗?

黄严:AI硬核创作者是小众的,但“泛创作者”(发抖音、做号的人)体量已经很大了。这些泛创作者没有平台忠诚度,哪里能帮他们“快、好、追热点”,他们就去哪里。

硅基君:Skira的付费模式是什么?

黄严:C端为算力付费,为高级玩法付费。P 端则为创作工具付费,但目前更多是不仅不付费,我们还会给他们分成,因为他们是生态的供给方。

硅基君:在Skira上,有哪些内容会比较火?

黄严:从我观察来说,目前主要有三类内容比较火:

一类是AI萌宠类:拟人化的宠物内容;第二类是AI Me(AI自我): 平行世界的变装、风格化,展示“外人眼中的我”;第三轮是虚幻/IP共创:基于某种IP或意识形态的延展(比如基于《甄嬛传》或《三国》改出的幽默/奇怪剧情)。

硅基君:这些火了的“玩法”,如果大平台复刻,我们的护城河在哪?

黄严:第一,供给的多样性,比如“疯狂动物城”热点,抖音上可能只有 2-3 种官方玩法,但我们平台上有海量制作人提供各种不同的风格。

第二,交互形式的演进。“玩法”不仅仅是模板,还在进化出新的交互形式。比如,用户与 AI IP 的互动(@某个角色)、合拍、共创。这些带有社交属性的新玩法,大平台不一定能迅速兼容或覆盖。

第三,定位的不同。大平台需要关注最广大基数用户的基本诉求(如剪辑工具的易用性)。而我们可以作为一个创作社区,专注于创作范式和玩法的独立演变,把我们作为“生产端”,大平台作为“分发/消费端”。我们是连接的桥梁,不完全冲突。

硅基君:市面上很多AI公司也在做“一站式创作平台”,Skira和他们的差异在哪里?

黄严:“一站式”是行业趋势,大家都在往自动化方向走。但我们的本质区别在于对“创作”本身的理解深度。

我们不仅仅是做自动化,而是深入到创作者语境、元素拆解、表现力合成。如果只是单纯的工程自动化,做出来的东西往往“牛头不对马嘴”,缺乏灵魂。

硅基君:作为一个AI产品,您最关心的指标是什么?

黄严:是创作量,或者叫Creation DAU(日均创作用户数)。这是一个基于工具演化出的创作社区,最核心的是大家来这里产生创作行为。如果用户来了只是看而不创作,那他们应该去消费社区(如抖音/小红书)。

硅基君:关于用户心智(User Mindset),比如提到剪映大家就想到“剪辑”。你们希望占据什么样户心智?

黄严:如果用一句话概括,Skira 是一个以“表达”为起点的 AI 原生创作社区。

当用户脑子里出现一个画面、一个情绪、一个想法,却不知道该怎么把它变成内容时,他会想到 Skira。Skira核心的Slogan就是“Worlds in your mind”

文章来自于“硅基观察Pro”,作者 “林白”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)