周末和一位在字節(jié)做視頻 Agent 的 PM 聊天，想到了一個好問題。

這兩天 Lovart、Medeo 等圖像、視頻 Agent 接連冒頭。

但，除了讓人人都能“一鍵做爆款”、“數(shù)字人生成”、“出大片”這些很有用，但離生活很遠(yuǎn)的生產(chǎn)力應(yīng)用以外，「視頻 Agent」還有什么現(xiàn)實意義？

對此，我有些個人想法，既有技術(shù)應(yīng)用，也有人文思考。想以一種更輕松、更直接的對話風(fēng)格，和你探討。

請先看一支印象非常深刻的視頻

這是一支在 B 站有 227 萬播放量的 Vlog，片名為《我用十年積蓄，拍了獨屬于我的 One Last Kiss》。

普普通通的素人 UP，用他自己普普通通的日常素材，做了一支并不普通的視頻，拿下了全站的「每周必看」。

它的彈幕區(qū)是這樣的，可以感受一下：

評論區(qū)是這樣的：

充滿了人與人之間的真情連接與感動。——「Peace & Love ！」

我不確定你們看完后是否有所觸動？

會覺得這個視頻絕了嗎？（如果是 EVA 粉的話，可能震撼效果會翻倍吧

反正我每次回看這支視頻時，總會覺得內(nèi)心某處被狠狠擊中。

尤其是，片子中 03:33 開始的快速閃回的畫面，有種莫名的感動。（但請不要跳著看，效果會差）

甚至還想，要是能給自己做出這種視頻，那該多好？

強(qiáng)烈建議先前往 B 站，在原版視頻中，感受彈幕和評論區(qū)的真實氛圍，再繼續(xù)閱讀本文。

原視頻地址：https://www.bilibili.com/video/BV1pX4be5EJ3/

當(dāng)推薦算法與 AI，對“人”發(fā)起沖擊

相機(jī)的發(fā)明，旨在捕捉和保存現(xiàn)實世界的影像，使人們能記錄和回顧那些瞬間。

有誰還記得「抖音」、「視頻號」，這兩家的 slogan 是“記錄美好生活”和“記錄真實生活”？

經(jīng)過這兩年的市場和算法的調(diào)教，現(xiàn)在提到“做抖音”、“做視頻號”，我腦子里的刻板印象只剩“爆款對標(biāo)”、“立人設(shè)”、“擺拍”和“擦邊起號”。

再到在 AI 應(yīng)用領(lǐng)域，也能看到 Coze 里一溜的“爆款創(chuàng)作”，莫得半點真人感情。

coze 商店創(chuàng)作類的應(yīng)用排序

（也可能是我自己的推薦算法問題吧，保命+1

當(dāng) AI 能完整地生成一整支視頻時，我們只考慮用視頻 Agent ，無中生有地制造更多同質(zhì)的的“奶頭樂”嗎？

真人內(nèi)容社區(qū)，會演變?yōu)椴恍枰叭恕钡?strong>內(nèi)容快消品批發(fā)市場么？

至少我個人不太希望這樣。

“刷”短視頻這個字眼，已經(jīng)充滿了暗喻。

在內(nèi)容平臺中，每個人制作的照片、視頻，不再是獨一無二的個人印記，而是可刷可不刷的“消遣物”。

我們更多的不再關(guān)注作品背后的“人”、也越來越難找到作品背后獨一無二的“故事”，遑論被其所連接、觸動。

放眼推薦流，更多是“搞笑段子”、“爆款爽劇”、“可愛貓狗”、“擦邊卡點”等類目的“內(nèi)容快消品”。

那，不如把「關(guān)注」功能刪了吧？只要推薦算法能把“我所上癮”的內(nèi)容品類精準(zhǔn)地推到我面前，又要關(guān)注功能有何用？

那，不如把「發(fā)布」功能刪了吧？你看反正也快到 AIGC 批量生成的“新時代”了？

當(dāng)然，以上論述是有失偏頗的、不全面的。

也有很多 UP 在真實記錄自己的見聞，他們也有很多的忠實關(guān)注者。

我最近就很喜歡 B 站的 @安然Nadia、@理論派甜點師小魚、@陳師傅路亞，都很有自己的特點。（狂推 @安然Nadia 的碎碎念 Vlog）

從技術(shù)面來看，視頻 Agent 應(yīng)該能做到什么？

要理解視頻 Agent 的能力邊界，要同時考慮到 LLM 多模態(tài)理解、推理、文本生成，以及文生圖、圖生視頻、Function Calling 的能力。

之前在 2050 大會，我分享了一張「AI 輔助視頻創(chuàng)作」的框架，來呈現(xiàn)我理解的視頻 Agent 應(yīng)用：

拋開“爆款”、“數(shù)據(jù)”部分不談，可以關(guān)注以下這幾個關(guān)鍵環(huán)節(jié)：

• 批量理解素材：用戶打包導(dǎo)入要制作“故事”的圖片、視頻素材（比如某次旅游的素材、大學(xué)四年的照片回憶、孩子各年齡段的照片等），多模態(tài) LLM 通過音軌字幕 or 畫面圖像，理解每段素材的含義與質(zhì)量。
• 大綱分鏡設(shè)計：根據(jù)素材自動推薦，或根據(jù)用戶期望的故事，推理并生成作品的大致思路或分鏡腳本。可以是給用戶確認(rèn)，也可以免打擾直接進(jìn)入下一步。
• 自動剪輯：正式操作用戶的素材，通過 FC 操作剪輯功能，排布素材順序，剪輯素材長度，自動套用轉(zhuǎn)場效果，逐步完成剪輯。
• AIGC 補(bǔ)全：在遇到素材不足（比如需要把圖片變成一段漸遠(yuǎn)、人物走動的視頻，或生成一段配套抽象的 CG 動畫），利用文生圖、圖生視頻的手段，進(jìn)行 AIGC 補(bǔ)全。
• 配樂、配音：可以是在一段完整的音樂給剪輯上素材，也可以是為邊剪邊配上不同的音樂、語音片段。

——至此，不難發(fā)現(xiàn)，現(xiàn)有的 AI，在理論上已經(jīng)能“套殼”出相當(dāng)完整的視頻創(chuàng)作能力。

當(dāng)視頻 Agent 服務(wù)鋪開，我們都能擁有一支虛擬的視頻創(chuàng)意與剪輯團(tuán)隊。

甚至，視頻 agent 不僅提供視頻剪輯的服務(wù)，還能提供拍前指導(dǎo)。

“拍同款”不再是套用視頻卡點模板，而是利用多模態(tài)推理，把某條心動視頻，分解出拍攝取景點位和拍攝手法，形成完整的旅拍指引。

正如《One Last Kiss》的官方 MV，歌手 @宇多田光 本人 6 歲的兒子，在 @庵野秀明 導(dǎo)演下，參與了 MV 的部分掌鏡拍攝，獲得日本境內(nèi)最大音樂慶典的“最佳概念視頻”。

憑借視頻 Agent 的幫助，我們也能超出自身攝影、審美的限制，更好地創(chuàng)作視頻、傳遞我們的感情與經(jīng)歷。

【官方MV】《One Last Kiss》：https://www.bilibili.com/video/BV1Sg411w7T9/

視頻 Agent 的大眾化意義

所以，視頻 Agent 的意義，絕不只在于追逐流量或商業(yè)交付，也不只是套用爆款套路或進(jìn)行影視設(shè)計。

而是有更多機(jī)會喚醒不同用戶手機(jī)、云盤里，成千上萬的零散照片和視頻片段。

以往，當(dāng)我們在 P 圖時，比如：

• 美食攝影：我們會把照片的飽和度打高，色調(diào)更暖更濃烈；
• 傷心時：我們會把照片的顏色調(diào)得更藍(lán)、更灰調(diào)；
• 夏季日本旅行：我們會把影片色調(diào)，調(diào)得對比更加明亮清新（過曝）的狀態(tài)，以還原“日式風(fēng)格”。

這都是通過濾鏡手段，賦予照片更多特征點，把當(dāng)時的記憶感受更加完整地呈現(xiàn)出來。

那視頻 Agent 的意義就更豐富了。

每個人都能擺脫“剪輯的繁瑣、畫面導(dǎo)演的難度”，只需要用 AI 就能把自己記錄過的素材重組為更完整的回憶。

它會有恰到好處的音樂、更好的敘事邏輯與分鏡。

這些重組的“回憶錄”，會取代零散的、都不太會去翻看的數(shù)千張照片和視頻。或是美好豐富的旅行假期、或是一晃而逝的四年大學(xué)生活、或是淡淡酸澀味的半段戀情。

它們終將重新勾連，不僅是每個人獨特的完整回憶，也可能成為家庭內(nèi)、朋友之間傳遞情感和記憶的全新載體。

我們雖無“古代君王”之命，也不是擁有任何豐功偉績的、需要立傳的“重要人物”，但 AI 卻能幫助我們每個普通人，擁有了更好、更身臨其境的自我記錄方式與人生回憶。

——這甚至比 Apple Vision Pro 的 Live Photo、空間視頻會有更好的效果。

AI 視頻 Agent，恰恰提供了這個工具，讓我們能更好地“看見”自己的經(jīng)歷。

當(dāng)人們再想起某個經(jīng)歷的時候，自然而然會去看 AI 重組的那段“故事”，這是非常有價值的，能夠讓人更加身臨其境地回到原來的感動中。

而對于抖音、視頻號來說，它們終于能成為記錄“人”生活的社區(qū)。不再受剪輯技術(shù)、審美的限制，每個用戶都能全然地分享記憶，連接感情。

比如，同樣是《One Last Kiss》的風(fēng)格，B 站還有很多其他的優(yōu)秀 vlog 創(chuàng)作。

• 在東京，我拍出來了獨屬于我的《One Last Kiss》：https://www.bilibili.com/video/BV1AwYuegE5L/
• 含痞量極高 庵野秀明風(fēng)格拍攝剪輯 EVA主題曲 宇多田光 One last kiss：https://www.bilibili.com/video/BV18Z4y1C7Eu/
• 哪個女孩不想在日本拍 One Last Kiss 呢？：https://www.bilibili.com/video/BV1ZG41117qx/

在這些視頻中，不再是給一段 BGM 拼湊上一段段不明所以的過場動畫（短視頻的實質(zhì)是給快節(jié)奏 BGM 配畫面）。

而是曾經(jīng)經(jīng)歷的或美好、或酸澀、或苦痛的記憶瞬間，和一段與彼時 or 此刻心境契合的心情音樂交織在一起，讓照片、視頻不僅僅是回憶，更是一種可以被反復(fù)品味的情感體驗。

這是我在方向性上的判斷。

至于如何在技術(shù)上實現(xiàn)更加穩(wěn)定的效果、如何確保 AI 的審美能力？

你肯定聽過這類話：“上次去 xx 旅游，都半年了，還沒開始剪 Vlog，素材太多了”。

那實際上，對于大多數(shù)人來講（包括我們的父母、長輩），他們首先沒精力去操作剪輯工具，更沒能力去思考腳本。

即使是現(xiàn)階段的 AI 來做，出來的質(zhì)量也一定是比沒有 AI 更好的。

況且，AI 還能在制作過程中，補(bǔ)充一些缺失的內(nèi)容。它可以創(chuàng)作漫畫插圖，也可以直接用首尾幀的方式補(bǔ)全一段人物的動作過程。

這些都能比嵌套現(xiàn)有的簡單視頻過程有更好的效果，它會讓整個故事串聯(lián)得更加完整、沉浸。

我們應(yīng)該相信這個方向，因為這是我們都所需要的。

今年 AI Agent 與 AIGC 技術(shù)，已經(jīng)給出了去年做不到的水平。同樣的，明年也會有今年做不到的新性能和審美水準(zhǔn)。

只要方向沒問題， AI 技術(shù)發(fā)展符合我們的人文需求，且技術(shù)理論可行性已經(jīng)被驗證，剩下只要等好事水到渠成就行。

小結(jié)

我們總會樂此不疲地“刷”他人展示的美好生活，也會在發(fā)布朋友圈時，學(xué)學(xué)調(diào)色指南，打磨自己的文案。

其實想要的是什么呢？

也還是希望自己也去享受這種美好生活，并像盡可能地記錄自己的精彩生活，向朋友還原當(dāng)時的體悟。

AI 視頻 Agent 可以在這個方向，給予大多數(shù)人極大的幫助。

人生本身就是由一個個自己的故事交織而成，而不只是一張張終將“蒙塵”照片、視頻片段。

利用 AI Agent 的創(chuàng)作與剪輯能力，把它們串聯(lián)起來，人的故事自然回顯。

我們終于開始記錄故事，而不再是截取某幅碎片畫面。

這篇文章沒有以往那么完整的推理論述，但更注入了我的日常思考與偏好。不知道你是否喜歡這個新風(fēng)格？

如果它對你有啟發(fā)或幫助，歡迎點贊、在看、轉(zhuǎn)發(fā)分享，讓我知道你們喜歡這篇文章。

也期待在評論區(qū)看到你的思考。

關(guān)注下方賬號

獲取更多精彩內(nèi)容分享