文章核心观点 - 可灵4.0在复杂动态生成、30秒原生时长和视频编辑方面有升级，但实测显示AI视频生成在精确动作控制、镜头连贯性和编辑一致性上仍存在明显局限，拥有一款生成工具与能够随心所欲使用它仍是两回事 [6][39] - AI降低了部分影视内容制作成本，但反复生成、人工筛选和后续修改产生的费用都需计入总成本，修改成本何时真正降下来是视频模型行业绕不开的课题 [31] - 可灵与Seedance在30秒生成、参考控制和视频编辑上持续竞争，漂亮画面已不再是某一家独有优势，工具能否让创作者少走弯路、少改返工，才是长期留存付费创作者的关键 [19][39] 产品升级要点 - 10月15日可灵4.0正式上线，原生生成时长延长至30秒，并在复杂动态、参考控制和视频编辑等方面带来更新 [6] - 可灵上一代最长生成能力为15秒，4.0将单次生成时长翻倍至30秒，意味着创作者可在一次生成中放进更多内容 [33] - 今年7月Seedance 2.5率先支持30秒生成，并升级多模态参考和视频编辑，不到三个月后可灵4.0上线，更新重点同样落在30秒生成、复杂动态和参考控制上 [19] 复杂动态生成实测（水袖击鼓舞） - 测试以《十面埋伏》水袖击鼓舞为对象，准备人物造型和鼓阵参考图，交代红色舞服、浅粉色长水袖及旋身、腾挪、跃起、甩袖击鼓等动作，希望一次15秒生成还原舞蹈主要特征 [8] - 首版画面观感尚可，红衣舞者造型基本成立，绸布有舒展回旋动态，但击鼓环节舞者直接用手碰鼓面，水袖仅随手臂飘动，未承担击鼓作用 [9] - 围绕问题反复调整提示词，明确鼓必须固定、袖尾是唯一允许接触鼓面的部分，并将15秒拆分为起势、腾空翻跃和连续击鼓几个阶段，希望后半段有明显速度和力量变化 [9] - 经过接近七八轮重新调整，仍无法实现全程用水袖末端击鼓：有的版本舞者用手代替水袖击鼓，有的版本甩起长袖却原地缓慢转圈、缺少腾跃和空间位移，部分画面中鼓体会自行移动以达成"击鼓"目的 [10] - 该测试并非严格的专业动作指导测试，未绘制逐镜分镜；20年前电影场景的成功本身与剪辑分镜特效不无关系，这说明在依赖参考图与自然语言描述的创作方式下，即使反复强调同一要求，复杂动作也未必能稳定朝预期方向修正 [11] 人物动态生成实测（《雨中曲》独舞） - 测试提供四张经典片段参考图片，要求生成具有复古好莱坞歌舞片质感的雨中独舞，保留黑色雨伞、礼帽、路灯和潮湿街道，并安排转身、摆伞、踢踏和踩水等动作 [16] - 第一版完成度相当不错：镜头始终围绕主角，砖墙和街道无明显场景突变，雨夜色彩、灯光及浸湿西装质感自然，爵士乐与踩水动作基本对上节奏 [18] - 细节亮点：人物在路灯下舞动时，身后墙面出现随动作变化的投影，使人物与环境建立联系 [18] - 细节缺陷：男主角仰头时帽子掉落、再抬头帽子又若无其事出现；踩踏积水时水花过于规整，几乎总以同一圆心对称散开；笑容过于完美，缺少真人持续运动时自然的表情变化 [19] - 画面质感一直是可灵较受认可的优势，但随着Seedance持续迭代，漂亮画面已不再是哪一家独门本领；近期创作者同题测试评价分化，有人更喜欢Seedance的人物真实感，有人更认可可灵的动作表现 [19] 视频编辑功能实测（西装换色） - 测试将此前生成的《雨中曲》作为原片，要求将男主角深色西装改成酒红色，保留款式、人物面貌、舞蹈动作、帽子、雨伞及场景和声音不变 [23] - 结果显示西装变成酒红色，但男主角已不是原来那个人，连雨夜街景也跟着换了，原本想保留的舞蹈也没能完整保留 [29] - 进一步追问后，HeyGen解释当前使用的Video Agent工作流可以截取原片、添加文字或重新生成素材，但还无法只修改上传视频中的西装同时保证其余画面不变 [29] - 需区分两种"编辑"：剪短镜头、换素材、加字幕属于对视频内容的编排；给画面中正在跳舞的人换衣服则需修改原有画面并在连续运动中保留其他细节，HeyGen Video Agent支持前一类操作，但在该入口未完成后一个任务 [30] - 尽管使用的是视频编辑功能，这次修改的积分消耗与重新生成一条视频相差不大 [26] 30秒生活短片实测 - 测试提出让AI拍一条带文艺气质的个人生活短片《今天也没有什么计划》：二十多岁女生戴耳机独自行走南方旧街区，看墙边花、晒太阳小猫，被骑车年轻人吸引目光，夕阳落下后走进旧书店窗边翻书，要求旧式DV质感、温暖色彩和真实人物，片头有手写片名短暂闪过 [34] - 最终成片整体氛围不错，可灵能理解旧街区气质，安排出人物散步、街景细节和室内书店等不同镜头；相比需精确接触关系的水袖舞，以观察日常为主的短片给了模型更大发挥空间 [36] - 出戏之处：前一镜头女生刚回头、下一镜却突然看向另一侧，动作未自然接上；书店门口伸手推开一扇门、旁边另一扇门也跟着自己打开；书店招牌文字没写对；街道虽有旧楼小店和植物，却过于干净规整，少了真实街区常见的行人和杂物 [37] - 单看每个镜头有些画面很漂亮，但串成30秒小片时，人物如何从一个镜头走进下一个镜头、人与环境发生什么互动，都会影响整条视频是否自然 [37] 行业竞争与商业化 - 今年二季度可灵AI收入已超过8.5亿元，同比增长逾200%，其要留住的不只是尝鲜用户，还有真正拿它制作广告、短剧等内容的付费创作者 [19] - 《第一财经》此前采访漫森文化时，创始人黄浩荣透露团队制作精品AI短剧约需10个人，其中约一半人力负责抽卡，按团队当时数据平均生成5次才能获得一条满意画面 [30] - 对真正要交付广告、短剧等内容的团队而言，能否以可承受的时间和成本稳定得到想要的结果是一道考题；当所有人都能拍出漂亮画面，能少走几轮弯路、少改几次返工的工具或许才更容易被长期留下来 [39] - 科幻作家特德·姜曾谈到艺术创作包含大量具体选择，当人们用一小段提示词让AI生成作品，也就把许多没有明确交代的决定交给了模型 [39]