機器之心報道

機器之心編輯部

最近，一個完全由 AI 制作的廣告在社交媒體上爆火，在 X 上有三十多萬人觀看。

這是一個叫 Too Short for Modeling 的團隊發布在 LinkedIn 上的作品，不過它并不是一個商業作品，而是該團隊為一直想合作的品牌制作的概念影片。

距離 Veo 3 發布已經過去一個半月了，雖然此前模型視頻生成已經能達到很逼真的狀態，但 Veo 3 的「音畫同步」功能，引領 AI 視頻創作進入了全新的聲畫一體化階段。同時它也讓 AI 視頻生成進入了更有實踐意義的階段，極大地降低了視頻創作的門檻。

我們先來看看這個廣告效果怎么樣。

，時長

01:01

來源：https://www.linkedin.com/posts/arielyoriginal_veo3-aicreative-fakeads-activity-7346271275020902400-P9fd

人物1：下午好，小伙子。 (Good afternoon, son.)

人物2：想猜猜我為什么讓你靠邊停車嗎？ (Wanna take a guess why I pulled you over?)

人物1：哦，不是你想的那樣。 (Oh, it's not what you think.)

人物1：這是“液態死亡”。是蘇打山泉水。 (It's liquid death. They're sparkling mountain water.)

人物2：嗯。哇。你沒開玩笑。 (Mmm. Wow. You weren't kidding.)

人物2：確實很清爽。 (That is refreshing.)

人物2：但這不是我讓你靠邊停車的原因。 (But it's not why I pulled you over.)

人物1：哦，天哪。 (Oh boy.)

人物1：是因為破損的尾燈嗎？ (Is it the busted taillight?)

人物2：不是。 (Uh-uh.)

人物1：是因為車牌嗎？ (Is it because of the license plate?)

人物2：不是。 (Nope.)

人物1：該死，伙計。是那個死人，對吧？ (Shit, man. It's the dead guy, right?)

人物2：不，先生。 (No, sir.)

人物1：也許是人口販賣？ (Is it the human trafficking, perhaps?)

人物2：不是。 (Uh-uh.)

人物1：伙計，是卡車的事嗎？ (Man, is it the truck thing?)

人物2：我不這么認為。 (I don't think so.)

人物1：好吧，那到底是什么？ (Well, what is it then?)

人物1：搶劫案？ (The robbery?)

人物2：不。 (No.)

人物1：是保險杠貼紙？ (The bumper sticker?)

人物2：不。 (No.)

人物1：是被車撞死的動物，對不對？ (It's the roadkill, isn't it?)

人物2：沒聽說過。 (Haven't heard of it.)

人物1：是化學廢料？ (The chemical waste?)

人物2：不是。 (Uh-uh.)

人物1：是過山車座位嗎？ (Is it the roller coaster seat?)

人物1：是邪教的事嗎？ (Is it the cult thing?)

人物2：絕對不是。當然不。 (Absolutely not. Hell no.)

人物1：好吧，我放棄了。 (All right, I give up.)

人物1：到底是什么？ (What is it?)

人物2：因為今天是你的生日。 (It's because it's your birthday.)

人物2：生日快樂，凱文。 (Happy birthday, Kevin.)

人物1：爸爸，你還記得。 (Dad, you remembered.)

人物2：祝你生日快樂，祝你生日快樂，祝你生日快樂。 (Happy birthday to you, Happy Birthday to you, Happy Birthday to you.)

視頻字幕，上下滑動查看。

這個廣告的笑點密集，令人捧腹。但其真正的亮點在于驚人的「角色一致性」。在一分鐘內，視頻流暢地切換了10個場景，每個畫面的風格都保持了高度統一，核心人物和道具也完美銜接。盡管在車窗、內飾等細節上能察覺到微小的跳躍，但這絲毫未影響其出色的整體連貫性。

要知道 AI 生成視頻中經常出現容貌突變、物體錯亂等問題。

主創團隊分享了他們保持一致性的秘訣——超精細提示 (Hyper-specific Prompting)：為模型提供極其詳盡、具體且包含大量上下文細節的指令或問題。

這種提示的設計目的是為了最大限度地減少模型的自由發揮空間，引導它生成高度精確、符合特定格式和要求的輸出。

相關的提示詞優化方法，在我們之前的文章中也提到過，讀者可以參考：實測驚艷全球的 Veo3！音畫同步無敵，貴是有原因的

值得一提的是，創意、策略與審美依然由人類主導。從最初的靈感、腳本，到由剪輯師完成的最終效果呈現，人的價值貫穿始終。AI 是強大的「執行者」，但遵循的是概率而非遠見——至少在今天，這道邊界依然清晰。

AI為何總在細節上「翻車」？

關于「角色一致性」的問題，技術層面來講，并非模型「犯了糊涂」，而是主流視頻生成模型背后的核心技術——擴散模型本身的工作原理、訓練數據以及從圖像到視頻的技術跨越之中，主要是以下幾點原因：

• 模型沒有「理解」世界，只有「概率統計」：模型并非真正理解「人有五根手指」這類事實，而是通過學習海量數據，知道「五指的手」是最高概率的模式。當生成過程中出現隨機偏差時，由于缺乏常識性規則的約束，它可能會生成一個概率上雖低但仍有可能的「六指」結果。
• 局部生成與全局和諧的矛盾：模型更擅長生成逼真的局部細節（如皮膚紋理），但對整體結構（如完整的身體解剖）的把握較弱。它可能會因為專注于讓局部「看起來對」，而忽略了其在整體畫面中的邏輯是否合理，導致「只見樹木，不見森林」的結構性錯誤。
• 從圖像到視頻的挑戰：視頻的本質是連續的圖像序列，而模型在生成每一幀時都可能存在微小的隨機差異。這種幀與幀之間的「失憶」累積起來，就會導致角色外觀、服飾或背景等元素在時間線上發生不連貫的漂移和變化，破壞了時間一致性。
• 訓練數據的「不完美」：模型的知識完全來源于它所學習的訓練數據。網絡數據本身就包含大量錯誤、低質量和不合邏輯的內容。模型會將這些「壞數據」也一并學會，并在生成時復現出來，可謂「垃圾進，垃圾出」。

探索AI的創意玩法

當前，大量獵奇、同質化的 AI 視頻內容，正是 AI 技術被「降維使用」的體現。真正值得我們探索的，是 AI 作為「創意催化劑」的巨大潛力。

下面這些會不會是 AI 的正確打開方式？

• 為你喜歡的電影制作一個平行宇宙。

• 讓初音未來進入老頭環的世界，會不會是下一個爆款游戲的靈感？

• 為公司做一個網站。

• 或者做一個超炫酷的概念影片。

你覺得 AI 還能為我們的創意帶來什么驚喜？歡迎在評論區留下你的腦洞。