小云雀

让它试着生成一版，我就尝试输入提示词，给了一张跟朋友聚会的图，这是我和朋友们在一个餐桌上一起聚会的画面，让他去生成相关的一些视频。结果发出来视频，朋友们都评论这也太诡异了，确实是无中生有了一只手，忽然一个乱七八糟的一只手鼓掌，这样整个画面看起来就毫无逻辑。毕竟是免费的，肯定是用不到生产环境上的，只能做一些小电脑去玩一下嘛。目前还是免费的阶段，感觉后面还是有很多的一个成长空间的吧。

然而！这不是我们一直期待的视频Agent吗？一句话生成你想要的内容！ 如果你对一句话生成视频感兴趣的话，你完全可以尝试一下这款国利的软件。目前还在推广期间，每天都有免费的Token使用，收费模式跟即梦很像。这个平台上还有很多精彩内容，值得你去探索。

首先说说交互：

1. 设计上是简约风格，分页为灵感信息流、工作流和历史记录。传统二级功能放在chatbox里面交互（也是AI应用应该做的，将工具融入到AI里交互来简化界面）；

2. 在Chatbox里面有一个很便捷的设计，长按历史消息就可以直接在输入框复用历史消息（包括文件和文字），不需要再多一步复制粘贴；

其次是实际功能：

1. AI智能视频：视频分镜不连贯，最终观感一般。工作流设定是 【用户输入视频需求 -> AI分镜、补充台词背景，依序给出单次1-2s视频的提示词 -> 批量按提示词生成 -> 用一个剪辑AI将生成的1-2s 视频审查和串联】。 这就会导致提示词无法保证分镜和分镜之间对象的一致性，比如上一个镜头的人穿着白衣服，下一个镜头切成了黑衣服。为什么观感一般呢，一部分原因是有点AI的唐味儿，但是为了能够用于实际生产又不得不做了控制，却又保留了一些不似人的唐味，最终呈现出不自然、刻意的感觉，另一部分原因是配音非常AI，没有sora生成的真人音频和环境音，以至于左脑攻击右脑，一边画面要去AI一边音频纯AI。

2. 静态转动图：放在前面讲，因为猜测后面好几个功能的工作流都是基于静转动的功能，静转动没调好后面也不必说了。小幅度动作完成的差强人意，不太自然，做一个低头的动图，脖子有一段是垂直掉落真的有点唐了。物理学后继无人了物理学后继无人了。

3. 图片转场：预期是像抖音图像动画渲染转场，配一个很炸的BGM。但是没啥动画，效果是静态图先转动态图（让照片中的对象形成live图的简单动作效果），然后像一个全景相机一样从左到右用AI把边界给你缝起来，甚至智能配乐是0个音乐出现。

4. 照片会说话：更唐了。AI音色+不合实际的嘴，一致性保持很一般。感觉就是静转动加个配音，因为两个功能耗时相近。

5. 数字人讲解：口播是所有功能表现最好的，表情、音色、样貌一致性。毕竟直播业务放在那，且已经有很多实践了，能不能允许像sora一样形象授权生成数字人，这样能进一步扩展自媒体视频的应用。

6. 美图功能：换背景、提升分辨率。可能是一个基础工作流单独提出来收集一些数据，也可能是对视频能力不自信的一个引流手段，但是换背景效果还挺ok的，分辨率提升是1728*2304，接近2K。

结论先行：在免费额度内可用性较高的一款图像和视频生成工具。

上半年的时候，字节刚推出小云雀。作为第一批内测用户使用，当时小云雀的基本功能就可以确立了，主要是视频生成、背景更换和图片设计。使用过程中也可以看出有一步一步推进的工作流，就是当时使用的人一多就容易崩。比较好的地方在于上手简单、界面简洁。虽然给了好评，但是我觉得问题也很明显。

首先是创意相对有限。我觉得小云雀很适合那种一个爆款模板出现了，迅速利用这个产品进行内容复刻。当时利用Veo3做出的一系列有梗的小视频，小云雀基本上都能迅速进行复刻。但是小云雀却很难通过自身打造出下一个爆款内容模板，究其根源还是创新力不足。

其次是理解能力不足。和字节家的即梦比起来，小云雀在使用的时候对Prompt的理解会有欠缺，导致生成的内容往往会难以满足需求。然后就继续痛点循环：生成内容不满意、继续生成花时间花钱、又不满意继续生成。如此循环直到满意为止。

不过对于一款更加面向大众，而非专业内容制作者的工具，我觉得还是可以给到Good的。毕竟，依靠字节的模型，还是背靠大树好乘凉啊。

这个也是字节的产品，功能方面做的都很好了，对体验用户也友好，每天都有积分可以领取，积分可以用于产品大部分高级功能的使用，不局限于免费功能

很早就体验到了字节的这款产品， 就如很多产品一样的 演示：“要改变世界了” 用后：“纯纯玩具”（也是很多aiagent产品的通病了）
人物会穿模，字会乱码，甚至有的时候 直接来一个失败 直接蚌埠住了，时不时又来个违规。
要真和最近放出来的 Sora2 比，那简直不是一个维度，物理效果、人物一致性直接把小云雀吊打。一个是随便糊弄短视频的玩具，一个是真能当未来生产力工具的东西。小云雀现在唯一的优点就是：免费。（也快要收费了

剪映出品的视频Agent，其实这个出身+产品形态就注定了它一定会是个比较有争议的产品：

1. 大家对剪映的高期待：在过去很长一段时间的AI视频领域，你会看到很多短视频/长视频博主，教你用各式各样的工具去做AI视频，无论是出于个人喜好还是商业需要，总会给你在各个环节推荐不一样的产品：视频脚本/分镜、图片素材、视频生成、声音/口型搭配……唯有一个环节，99%的博主不会给你第二个选项，就是【最后用剪映剪辑一下】（因为其他高级的工具普通用户更玩不明白）。这件事既表明剪映做视频Agent是顺理成章，也代表着它从出生就一定是带着大家的高期待值。

2. 剪辑的高艺术性，一个精心剪辑、带有各种运镜/转场/蒙版等技巧的高级感视频，和一个纯片段拼接+配个字幕/BGM就完成了的初级视频，给人的感觉就是完全两个Level，而前者在现阶段，AI是不太擅长的（当然Sora2已经可以自带一些运镜和分镜了，是个好的开始）

3. Agent的形态，就是大部分环节都由AI自主帮你完成，便捷度和可控性天然就是成反比的。即便每个环节是95%的概率符合你的要求，多个环节组合起来也是很高概率的不符合，更何况如上面所说，单剪辑这个环节，能符合自身期待的概率就远低于95%

所以这个产品注定了就是给一些比较懒、对成片要求也没那么高，但是想用几张图或者视频片段拼成一个东西发发抖音，娱乐一下的普通人来用的，最好不要苛求什么高级感、不失误，个人认为这是种误区和不切实际的要求。

而恰好我就是这样的用户，没什么艺术细胞，不会设计运镜/转场，短视频只要别太离谱我就敢拿出来发抖音（此处有罗老师表情包：又不是不能用）

所以个人还是喜欢这个产品的，即便它的确还比较初级，但是毕竟做视频这件事，如果剪映都做不好，我们又该相信谁呢，对吧

做了一个数字人讲解产品的视频，整个视频质感很棒——包括每帧的图片、配乐、运镜等，可编辑性也比较强；但有个问题是：数字人的口型变化和字幕对不上，声音类型和数字人形象也对不上，很出戏

是不是因为它是app的原因，对比了一下快手的磁力开创的数字人网页端，效果可控性比小云雀强，当然小云雀的功能还是很好的，适合小白初级玩家，后续想更专业可能会跟不上

我本着用小云雀的应该都想要快捷生成视频的想法，单纯体验了一键生成视频，没有进行任何人工干预，全是自动生成。生成了3段视频，分别是孤独旅人、外星租客、曹操卖酒。

需要说明的是，生成视频有3个步骤：理解分析→创意策略→剪辑。每一步都开放了非常细节的修改。比如每一个镜头的台词、画面内容、配音音色、背景音乐、创意需求、风格、目标受众、主题、视频长度、视频语言等等，可以说灵活度非常高了。

但是，我这次就是替广大懒人网友试用的，测试下它的原生实力，纯自动生成的结果如下：

1.《孤独旅人》

提示词中提到的元素都完整展示了，包括不薄雾伦敦、人潮东京、沙漠日落和香港，还自动配了台词。任务一致性包括发型服装等都还保持的不错，台词也还契合画面的氛围。

但是人物一直是静态摆拍姿势，基本上就是站立背影不动，缺乏自然的肢体语言导致人物像是直接贴在背景上，另外画面虽然精美但是有一种数字塑料感，真实性差一些，细节失真就不说了。还有配音语速过快，没有调节语速的选项，声线业没有起伏，单纯念稿，让人无法沉浸。

2.《外星租客》

我寻思我这创意也还可以，奈何导演是艾德·伍德，直接给我一个史诗级科幻烂片。美术风格大乱炖，这萤火虫和蝴蝶像是从什么素材库里下载来直接拖上去的，强行跟外星人元素做了一个非常违和的拼贴画。还有这奇怪的人物比例，忽大忽小，唉没法看没法看......

3.《曹操卖酒记》

这个直接给我做成了一个二锅头广告，内容其实还挺完整的，就是色调忽冷忽热，开始画面很黄，曹操讲着讲着就变白了。人物五官也一直在进行肉眼可见的细微变化，有点恐怖谷效应了。最后，配音的口型对的不是特别好，挺出戏的。

总结：全自动的话只能当个玩具，而且像是泡面多出来的调料包、点外卖送的勺子牙签、超市开业送的扇子、买瑞幸送的贴纸、买蛋糕送的袋子，尽管质量不是很好，但是觉得扔了可惜，说不定什么时候能用上，或者出于习惯带回家放着。然后等到搬家那天，整理出来一大摞破烂，全都拿出去丢掉的那种。

数字人视频生成蛮快的，我的同学表示惊叹，就是口型匹配度可能需要再优化下，说起来当时下载小云雀还是用了降临派搜索数字人相关应用有哪些，然后搜到了下载使用到发给同学体验Demo视频，加起来十来分钟，而我同学原以为生成数字人视频需要很久。再次感慨字节的产品数量和相关APP制作能力