前言

最近刷短视频，总能看到两类以前没有的东西：经费十足的 AI 短剧，以及看起来很高级的 AI 科普动画。

尤其是后者。

图形在动，公式在飞，旁白一本正经。看完评论区才发现：又是 AI 做的。

网上还有人说，用 Claude，一句话就能生成。

我甚至还刷到了相关的讨论帖子：

真的假的？现在做视频已经这么随便了吗？

说起来，2025 年那会儿，我就折腾过 AI 短剧。

怎么评价呢？

钱花了不少，满意的镜头没几个。

人物换个镜头就像换了个人，场景接不上，动作更是时不时给你一点“惊喜”。想得到一个能用的片段，就得改提示词、重新生成，继续抽卡。

抽到最后发现，自己的钱包 hold 不住。

当时我的感受是：AI 确实能生成画面，**但离“随便说句话就能做出一条像样的视频”，还有不小的距离。**你还是得懂一点分镜、镜头衔接和剪辑，才能把那些零散片段拼成能看的东西。

所以，这次再看到“一句话生成视频”，我本来是有点怀疑的。 但刷着刷着，我发现了一个熟悉的感觉：

这玩意儿，怎么这么像网页动画？

这批 Vibe 科普视频，大多以文字、线条、几何图形和示意图为主。画面里的元素会移动、缩放、变色，但几乎没有一个真人在复杂场景里连续表演。

这就绕开了当初做 AI 短剧时，最头疼的几个问题：人物一致性、场景连续性，以及复杂动作。

有些视频甚至不怎么切换场景，就在同一块画布上，让图形跟着讲解不断变化。

作为一个老 IT 人，看到这里，第一反应是：

这不会就是代码画图，再加一套动画逻辑吧？

如果是这样，就有意思了。

于是我决定自己试一下。这次用的是使用率更高的 Codex，题目也没整什么量子力学、宇宙起源，就从厨房里挑了一个：

我需要至少一分钟的科普视频，题材：为什么做饭时肉类要去腥。

就这么一句，没有分镜，没有素材，也没指定用什么技术。我就想看看它是怎么做出来的。

等了 10 分钟，就给我做出了第一版视频。

初版确实很简单，配音也很机械，一听就有明显的合成感。但作为一条演示视频，它已经有完整的讲解、画面和字幕，制作流程算是跑通了。

后面我主要调整了配音和语速，就得到了 👆 版本。

整个视频被拆成九段，从“肉为什么有异味”，讲到焯水、葱姜料酒和酸分别有什么作用，最后再补上食品安全的边界。

比如，红色肉汁不全是血，去腥也不等于杀菌，更不能用调料去挽救变质的肉。

虽然我没逐条核验它引用的资料，但单从观看体验来说，整套视频已经很像一回事了。

当画面、字幕和旁白都很完整时，外行很容易把“讲得像真的”，当成“讲的就是真的”。

这次我主要看的是制作流程。真要当科普内容发布，知识准确性还得单独把关。

到这一步，我已经从“它到底能不能做”，变成了“这里不好，再改改”。前后也就几轮对话。

随后，我检查了一下它生成的文件，果然，画面背后就是一套绘图和动画代码。

除了代码，还有分镜设计、字幕时间轴，甚至附带一份引用资料来源。

很有意思是吧？那具体用到了什么技术呢？我又问了一嘴：

简单说，就是 Python 负责绘制画面，配音工具负责生成声音，最后用 FFmpeg 合成视频。

看到这里，我觉得它和之前做 AI 短剧相比，一个特别明显的优势就出来了：

从“再抽一张试试”，回到了最熟悉的 “这地方有个问题，改一下”。

目前来说这种 Vibe 视频的制作，就如同网友所说，至少初版本几乎没有门槛，而且模型的审美能力越好，制作的就越好。

以前是有想法，不一定做得出来；现在是做出来了，得想想凭什么让别人看。

当越来越多人都能做出这种视频，后面大概就要开始拼题材、拼文案、拼节奏了。

开头能不能让人停下来？一个问题能不能讲得有意思？看完之后，观众有没有转发给别人的冲动？

这些已经是新媒体和内容传播里的问题了。

至于眼下这波热度，我猜测，视觉上的新鲜感占了不小的比重，视频到底讲了啥可能记不清，但这视频做得“好不好看”是所有观众都能看出来的。

最后

从 2023 年那波 AI 热潮开始，到现在不过三年，却像经历了一次世纪迭代。

对我，以及很多人来说，这三年应该都有一种相似的感受：一边觉得真方便，一边又很慌。

方便的是，以前不会、没时间做的事，现在真能试着做了。慌的是，看着别人的专业技能被一句话调用，也难免想到自己： 花了这么多年学会的东西，还能值多少？

毫无疑问，传统正在被打破，我们在享受技术带来的便利，也在重新寻找自己的位置。