## Background
本期内容由播客频道「十字路口Crossing」（主播 Koji）于 2026 年 10 月 8 日在小宇宙平台发布。节目聚焦两位一线 AI 导演——从上戏编剧专业毕业的山音与在 4A 广告公司从业十年的 KK，探讨他们如何借助 AI 突破传统影视工业壁垒圆梦导演，并深入解析 CapCut Video Studio 等工具重塑创作工作流、底层模型混用以及视频生成赛道的创业新机遇。
## TL;DR
节目深入复盘了两位创作者从传统编剧和广告从业者蜕变为独立 AI 导演的心路历程与实战工作流。他们分享了《芒古斯》《阿民的一天》《积木》等获奖及出圈短片的创作内幕，指出 AI 让影视创作从线性的工业流程彻底转向以剪辑台为核心的端到端即时迭代。对谈剖析了多模型混用策略、人机协作中创作者“审美与决策”（眉头一皱的敏锐度）的不可替代性，并探讨了当视频生成速度超越观看速度时，中国创作者如何在技术平权浪潮下开创全新的跨文化视听与互动叙事可能。
## Atmosphere & style
对话充满了一线实战者的务实、锐气与行业洞察，既有告别传统影视“行活”与妥协后的释然，也有拥抱技术爆发期的蓬勃野心。主播 Koji 的提问直击应用落地与商业底层逻辑，KK 和山音则毫无保留地分享踩坑技巧与真实心路，金句频出且极富感染力。整场对谈既洋溢着创作者重获表达自由的纯粹快感，又沉淀着对电影语言本质与下一代媒介形态的深刻反思。
## Bulletin
- `05:00` 影视创作工作流发生范式转移，从传统长文本到分镜的线性链条转变为以剪辑台为核心的即时生成与闭环调整，短片制作周期由数月甚至数年压缩至数天。
- `35:00` 生成式 AI 工具实现端到端整合，CapCut Video Studio 打通智能体剧本创作、资产生成、全段一键重绘及画面匹配配乐，大幅降低商业交付与修改成本。
- `50:50` AI 技术的普及抹平了好莱坞百年来建立的重工业制作与价值观垄断，为中国创作者提供了依托本土及多元文化底色、直接面向全球建立全新电影语言的平权机会。
- `01:00:00` 当视频生成速度突破至超越人类观看速度（如 3 秒生成 5 秒画面），核心商业价值正从传统视频制作转向实时互动、直播游戏等下一代全新互动娱乐媒介。
## Key takeaways
- `00:00` AI 极大降低了影视创作门槛，让缺乏庞大实拍预算的青年编剧与广告人得以跳过工业壁垒，直接将创意转化为院线级短片。
- `05:00` AI 原生创作的工作流核心是剪辑台，创作者无需从 0 到 1 构思完整剧本，而是借助 AI 从 0.5 到 1 具象化发散，并在剪辑轨道上反哺文本与镜头调度。
- `10:00` 打动人心的作品必须根植于创作者真实的肉身在场感与生活沉淀，脱离真实情绪感知的单纯技术套路无法长久维系作品生命力。
- `15:00` AI 导演的核心竞争力在于面对 AI 生成内容时“眉头一皱”的敏锐审美与决策能力，而非对技术指令本身的机械执行。
- `20:00` AI 剥离了传统剧组中演员、摄影、服化道等外部借口，是一场赤裸考验导演个人综合素养与审美品位的“退潮检验”。
- `30:00` 视频生成技术经历了从拼图修图、静态一致性到 R2V（参考图驱动视频）的三代跨越，彻底摆脱了繁琐的逐帧垫图模式。
- `35:00` 一站式创作工具将剧本、资产、生视频与剪辑融合在同一界面内，支持成片后局部重绘与智能配乐，根本性提升了商业广告的交付容错率。
- `38:30` AI 创作唯一的门槛在于行动本身，比起耗费精力研读厚重教程，立刻动手对话与尝试才是突破工业壁垒的关键。
- `42:30` 传统广告的商业妥协催生了大量废稿与平庸“行活”，AI 让压抑已久的创作者得以低成本还原提案阶段最初最具想象力的颠覆性构想。
- `46:15` AI 时代对习惯找借口和从事机械性工作的人十分残酷，教育模式也需从培养“会回答问题的人”转向培养“会向 AI 提好问题的人”。
- `50:50` 在走向国际舞台时，克制的普世情感表达与融合东西方哲学视角的“迷雾叙事”，是中国创作者打破文化刻板印象的有效策略。
- `56:45` “AI 导演”的概念未来终将消解为如水电般的基建，导演的本质在任何时代都是美学决策，且 AI 导演因摆脱复杂的剧组管理损耗而比传统导演更贴近影像本身。
- `01:00:00` 成熟的 AI 视频创作管线并非单模型通吃，而是需要根据飘逸感、镜头稳定度以及商业客户的静帧确认需求进行多模型与垫图策略的组合混用。
- `01:01:42` 生成速度超越观看速度的质变不仅关乎影视生成效率，更有望颠覆分支选择式互动电影，催生由实时程序驱动的全新游戏与叙事物种。
## Detailed walkthrough
### `00:00` 从广告人、编剧到 AI 导演：用技术圆电影梦
三年前，山音从上海戏剧学院编剧专业毕业，但同大多数同学一样，他并没有进入传统的影视行业，拍大电影的梦想在现实的预算与门槛面前遥不可及；KK 则在 4A 广告公司朝九晚五工作了十年，积攒了满腹故事却苦于没有庞大预算将其实验成片。直到生成式 AI 的爆发，两人终于有了将脑海中的画面转化为完整短片的机会，成长为一线 AI 导演。
在节目开场，两位导演分享了各自的代表作及其创作起点：
* **KK 的《芒古斯》（Mangus）**：灵感源于 2014–2015 年听到九宝乐队的重金属民谣歌曲《十丈铜嘴》，以及后来看到的同名漫画。KK 一直想用影视语言讲述这个充满魔幻色彩与深层内涵的传说，将原本关于恶运与诅咒的民间叙事改写成一个关于“亲情与托举”的故事。在过去，这样的项目需要极高的实拍预算，如今他通过 CapCut Video Studio，仅带着四五百字的故事大纲，利用其 Agent 功能发散故事结构，并在六分镜画布中与 AI 沟通多轮，最终敲定执行剧本。
* **山音的《阿民的一天》**：作为科班编剧，山音在创作这部短片时甚至完全没有写传统的文字剧本。影片灵感来自打工人在多重人格之间切换的疲惫感——“穿上一件衣服，就换了一种人格去上班”。他直接借助 CapCut 的功能将模糊的概念告诉 AI 进行“freestyle”发散。山音指出，人类创作往往不擅长从 0 到 1，但擅长从 0.5 到 1；当 AI 给出诸如“披着狼皮变成狼性文化的日企员工”、“穿上白雪公主衣服变成温柔耐心的客服”等参考后，这些具象的画面反哺了他的文本构思，整部片子的故事脉络直接在脑海中成型。
```mermaid
flowchart LR
accTitle: AI 短片创作流程对比
accDescr: 对比传统影视流程与基于 CapCut Video Studio 的 AI 原生创作流程。
subgraph Traditional ["传统影视流程"]
direction TB
T1["长文本剧本"] --> T2["分镜脚本"]
T2 --> T3["现场调度拍摄"]
T3 --> T4["剪辑台成片"]
end
传统影视制作链路极长，编剧写完剧本后常因预算不足或现场调度困难而被迫修改，剧组往往还需要配备现场编剧当场调整。而在 AI 时代，从文本、分镜到拍摄调度的复杂链路被大幅压缩。观众最终看到的只是一条剪辑轨，创作者的职能回归到了在这条轨道上反复调整。
制作周期的变化同样极为剧烈：
* **制作周期**：KK 前后耗时将近两个月完成《芒古斯》（包含本职工作之外的业余时间）；而山音制作《阿民的一天》从一句话的灵感出现到最终成片，仅用了闭关的 **三天时间**。
* **为什么选择 CapCut Video Studio**：山音与 KK 认为它与市面上大部分单纯的 AI 画布产品不同。CapCut 脱胎于剪辑工具，更贴近影视内容的原生形态——不是按照“剧本 $\to$ 导演 $\to$ 美术 $\to$ 剪辑”的线性工序，而是一切以剪辑台为中心，剪辑轨道上缺什么调度、文本或镜头，就从剪辑台往外延伸生成，缺什么补什么。
* **普通人与专业门槛**：即使是非科班创作者（例如制作《丧尸选老婆》等爆款的创作者），也能借助 AI 做出极高水准的作品。普通人想要达到电影级品质，核心依赖于**阅片量、审美（Taste）和对节奏的把控**。AI 能够弥补专业技术上的盲区并提供建议，但创作者必须具备决定故事何时该收、何时该放的决策力。
在中期制作中，KK 使用 CapCut Video Studio 的无限画布统一产出美术风格、角色资产与场景资产，再结合前期与 Agent 沟通好的 Prompt 提取资产参考生成视频片段，随后直接拖入剪辑轨道进行粗剪。这种在画布与时间线之间实时预览、即时修改中后期镜头衔接的工作流，解决了以往文本想象与最终成片视觉脱节的问题。
---
`10:00` 表达的冲动与在场感：从《积木》谈 AI 创作者的情感内核
针对行业内的爆款短片，山音与 KK 提到今年初触动业界的《纸手机》，以及山音十分推崇的《县城里那个爆炸了的发型》。许多模仿爆款套路、为了流量而制作的短片往往显得空洞，因为它们缺乏创作者内心最纯粹的触动。山音分享了他与工作室伙伴的创作原则：“你想得越爽，最后做得越好”，在动手前不应被流量、观众反响或大师技巧所束缚。
KK 强调，打动人心的作品必须来自创作者“在现场”的第一手体验（音乐现场、家庭现场、生活现场）。在刚接触 AI 时，创作者可能因技术的新鲜感一天产出两三部短片，但长达十余年的生活积累一旦在短期内被过度消耗，没有时间的沉淀与发酵，单纯依赖 AI 生成的故事就会失去生命力。AI 无法替代人类真实的肉身体验与情绪感知。
---
`15:00` AI 无限，人生有限：两种节奏与“眉头一皱”的判断力
面对传统导演三至五年拍一部片、而 AI 导演的创作生命被高度压缩的现实，山音和 KK 探讨了 AI 时代创作者的生存状态：
* **创作者的两种节奏**：一种是像卡梅隆那样长期沉淀、十年磨一剑（AI 导演可能沉淀数月打磨一部震撼之作）；另一种则是捕捉瞬间涌现的灵感，将自己与外界物理隔绝数日高强度爆发。两种节奏各有价值，但核心都是摆脱日常碎片化事务的消耗，找回创作冲动。
* **人和 AI 聊剧本的独特优势**：传统编剧找人聊剧本可能两小时里只有十分钟进入实质状态，还要耗费精力寒暄；但创作者与 AI 对话无需社交客套，直接抛出想法，AI 会迅速、稳定地给出反馈与修改方向。
* **核心竞争力在于“眉头一皱”**：AI 给出的长篇大纲往往充斥着套路化的“伪高光点”。一个优秀的 AI 导演并不取决于学了多久的编导专业，而取决于他在阅读 AI 生成内容时“眉头一皱”的敏锐度——看到第 200 字觉得不行、第 500 字再皱一下眉头，依靠人类独有的审美巧思，在 AI 无意识的表述中筛选并延展出真正动人的火花，避免沦为 AI 的傀儡。
V1["1. 早期阶段 (Midjourney 等)"]
V1 -->|"人物一致性极差，需大量 Photoshop 修图拼接"| V2["2. Nano Banana 阶段"]
V2 -->|"解决同一人物/场景多角度静态一致性 (I2V)"| V3["3. Seedance / R2V 阶段"]
V3 -->|"Reference to Video: 资产设定完成后，纯文本描述驱动镜头"| V4["CapCut Video Studio 一站式剪辑"]
```
* **早期探索（如 Midjourney）**：在缺乏一致性控制的时代，95% 的镜头中人物长相都存在差异，创作者必须借助 Photoshop 等传统工具大量手动修图改图。制作一部 5 分钟的短片在当时需要耗费半个月（在当时已是极速），而如今同样的体量只需 3 天即可完成。
* **Nano Banana 阶段**：攻克了同一人物和场景在不同角度下的静态一致性，使镜头之间的视觉衔接成为可能。
* **Seedance（R2V, Reference to Video）阶段**：彻底颠覆了以往必须逐一做好静态关键帧再转视频（Image to Video）的繁琐模式。导演只需前期准备好角色、场景、道具和美术资产，即可无限次复用资产，后续镜头完全通过文字分镜直接生成视频。
* **CapCut Video Studio 的整合优势**：
* **多模型与国际化集成**：能够便捷调用包括 Seedance 以及海外前沿模型在内的多种底层能力，满足多元化的视觉风格需求；
* **低门槛剪辑与生成一体化**：从早期的剪映到海外版 CapCut（山音曾因参加海外 Trimurti Awards 的 CapCut 专项奖而深度体验），产品深度拥抱 AI，实现了生图、生视频、粗剪到后期音视频合成的一站式闭环。
`35:00` CapCut Video Studio 与端到端一站式创作体验
KK 和山音分享了前不久前往新加坡参加 CapCut 创作者大会的见闻与体验。山音谈到，置身于跨国交流中，最大的收获是亲眼看到全球不同地区的创作者如何在同一个工具下延展出截然不同的视觉表达，并观察中国本土创作者与海外在技法与影响力上的异同。Koji 引用毕加索的名言打趣道：“艺术评论家聚在一起会聊风格，但艺术家聚在一起聊的是在哪里可以买到更便宜的松节油。”创作者私下交流的核心往往非常务实，都在探寻具体细节是怎么做出来的、有什么不为人知的使用小诀窍，以及作品在海外的真实反馈与播放数据。
在工具体验上，KK 重点提到了 CapCut（剪映海外版）在拥抱原生 AI 方面的进化。对于中国创作者而言，CapCut 具备天然的中文交互优势。随着 Video Studio 的上线，平台将前期 Agent 智能体文本创作、素材生成到后期剪辑彻底打通，实现了真正意义上的“All-in-One”全流程创作。以往的创作流极其割裂：剪辑时发现某段素材不合格，必须跳出剪辑软件，去外部模型重新生成，再重新导入时间线拉轨道；而现在创作者完成剪辑后，可以直接在 CapCut 时间线上对整段素材进行一键重绘与修改，无需逐段推倒重来。
转机发生在去年初，山音偶然接触到了生成式 AI 工具。在没有任何外部商业要求与考核指标的纯粹状态下，他动手试做出了自己的第一支 AI 短片。尽管那时的技术仍处于“原始人时期”，面临着诸如早期的 LoRA 难以控制一致性、生成画面飘忽不定等重重困难，但这次创作重新点燃了他：“反过来想，原来我其实是非常爱电影的；只是这种爱电影的冲动之前被现实因素一直压抑，让我觉得‘你不能那么爱电影，不然你会很痛苦’。”随着技术的跨越，山音感到一个历史性的节点已经到来：那些曾经被现实挤压出局、有才华和想法的人，终于可以通过属于自己的工具重新走出一条路来。
令山音颇有触动的是，大批当年转行去做了游戏、教师或其他工作的编剧系老同学，在今年春节前后 Seedance 等视频大模型爆火后，纷纷私信向他求教 AI 是怎么做出来的。山音直接将自己用的几句提示词发给对方，大家惊讶于“竟然这么简单”。山音反思道，许多人被书店里类似“DeepSeek 从入门到精通”这样厚重的大部头或上百节网课吓退了，但实际上生成式 AI 根本不需要十年如一日的技术苦修，其唯一的门槛就是立刻动手：“AI 最需要做的一件事就是开始，最重要的事情是行动本身。”
---
`42:30` 广告创意人的“行活”困境与被解放的表达欲
KK 随后分享了自己在广告行业从业十年的心路历程。在传统广告制作机制中，甲方的预算掌控着绝对话语权。所有广告创意人最初提交的第一版脚本往往最具想象力和颠覆性，但几乎无一例外会被客户以“太飞了、需要收一收”为由全盘推翻，最终面世的产物大多是各方妥协后的平庸产物。虽然业内偶尔也会诞生现象级出圈的爆款案例，但那需要集齐客户审美、高情商提案技巧、高容忍度老板以及庞大媒介投放预算的“天时地利人和”。
这深刻影响到了对下一代的教育理念。出身于教育家庭的山音指出，过去教育致力于培养“会回答问题的人”（如各类解题题库和智能搜题工具），但在 AI 时代，无论考试考满分还是高考拿 750 分，机器都能给出标准答案；未来的教育必须转向培养“会问问题的人”与“具有更高决策思维的解决问题者”：
- **向宇宙许愿的能力**：在面对一个全知全能、几乎可以实现任何愿望的超级大模型时，大部分人面临的最大困境竟然是“根本不知道自己到底想要什么”，提不出一个有深度的好愿望。
- **强制好奇心机制**：面对前沿技术的认知差，KK 给团队设定了死规矩：每天无论跟 AI 聊什么，哪怕只是问“今天中午吃什么”，也必须开一个对话框向 AI 提问。人类的求知欲与探索欲，恰恰是在持续不断地发起对话中被倒逼激发的。
---
`50:50` 东方文化视角的全球突围与“雾中叙事”
随着 KK 的作品《南瓜：五主时代》（入围第 30 届罗德岛国际电影节）和山音合作的《Tango》（斩获戛纳国际电影节科幻电影峰会金奖）相继登上国际舞台，主持人探讨起“AI 是否让中国新一代导演更好地走向世界舞台”。
```mermaid
flowchart TD
accTitle: 传统工业 vs AI 时代东西方创作话语权演变
accDescr: 展现好莱坞垄断的传统工业流程如何被 AI 平权，推动中国导演走向多元文化叙事。
subgraph OldWorld ["传统好莱坞工业体系"]
O1["好莱坞主导流程规范与价值观"] --> O2["国内层层出线，再谋求国际认可"]
O2 --> O3["高门槛资本与制作壁垒"]
end
两位创作者分析，过去好莱坞凭借百年来成熟的工业体系不仅垄断了制作管线，更牢牢把控了叙事模式与价值观；但 AI 作为全新生产力工具，直接让东西方创作者站在了同一条起跑线上，打破了传统好莱坞的路径依赖。以往国内创作者遵循“学校优则国内，国内优则国际”的逐级攀登模式，如今作品可以直接借助网络和 AI 平权，秒级触达全球目标观众。
在内容题材广度上，中国本土创作者甚至展现出了独特的非对称优势。由于长期吸收好莱坞与欧洲艺术电影的给养，同时背靠浩瀚的本土传统与少数民族文化，中国创作者对于跨题材的驾驭毫无包袱；而西方主流创作者在自身文化语境下，极少主动探索深层次的东方题材。山音感慨，正如诺兰动用沉淀多年的胶片与 3D 技术去回溯西方文明史诗一样，当技术门槛被夷平时，如何用 21 世纪 20 年代中国本土的全新 AI 技术去诠释自身民族的文化起源与存在根本，是这一代电影人最振奋人心的历史命题。
---
`56:45` “AI 导演”的概念消解与导演权力的重塑
针对“AI 导演”这一称谓是否会长期存在，山音和 KK 斩钉截铁地表示，这个词终将被历史抛弃。就像今天不会有人自称为“电脑设计师”或“电脑工程师”一样，AI 在几年内必将演变为如水电般稀松平常的底层基建。当工具不再稀奇，观众与行业只在乎一件事情：你的内容到底精不精彩，故事讲得够不够高级。
那么，当编剧、美术、分镜、摄影甚至虚拟演员全被 AI 接管后，导演最不可剥夺的核心本质到底是什么？山音给出的答案是：**“美与决策，或者说是‘眉头一皱’的时刻。”**
> “区分好导演和坏导演的，是他面对方案时‘眉头一皱’的敏锐程度；而区分不同导演风格的，是当 AI 瞬间吐出 20 个绝妙点子时，你究竟毫不犹豫地选择了哪一个。”
在此基础上，山音抛出了一个尖锐的“暴论”：**传统工业体制下的导演，实际上比 AI 导演离影像更遥远。**
传统大剧组中的导演，核心工作往往被异化为协调制片、摄影、灯光、演员等庞大剧组要素的“组织中枢与项目经理”，其职能更多是为维系剧组运转而存在，与最终影像作品之间隔着漫长的协作损耗；相反，AI 导演以极小规模的敏捷团队甚至单兵作战，拥有着前所未有的绝对决策权与即时反馈力，因而“AI 导演比传统导演离影像更近、离作品更近”。
## Video description
➤ 三年前，山音从上戏毕业，毫不犹豫，离开了电影行业。
KK 也在广告公司朝九晚五。
成为导演，曾是他们遥不可及的梦想。
两年后，他们梦想成真，成为 AI 导演，创作出优秀作品，并登上国内外电影节的舞台。
没有 AI，这一切都不可能实现。
➤ 「十字路口」一直关注 AI 时代的积极行动者。KK 和山音正是这样的人：AI 释放了他们的创作潜能，他们也用积极的行动，把原本遥远的导演梦变成了现实。
我们也一直关注 AI 时代的创业机会。这两位一线创作者，同时也是 AI 视频产品最重度的用户。本周，我们既聊他们被 AI 改变的人生，也从他们的真实创作经验出发，讨论 AI 应用创业的一个主流赛道——视频产品：
- 00:10:20 用 AI 拍电影，今天最顶级的水平是什么？
- 00:07:32 在众多 AI 视频产品中，他们不约而同选择 CapCut Video Studio 的原因是什么？
- 01:00:00 Seedance、Minimax……同一部片子为什么要混用多个模型？
- 00:16:24 今天还有什么是 AI 做不到的吗？
- 00:33:35 底层模型趋同之后，AI 视频产品的壁垒在哪？
- 01:01:42 当视频的生成速度超过人类的观看速度，会带来哪些创新机会？
- 00:15:47 AI 时代的创作者困境：AI 无限，人生有限。要怎么面对？
如果你也在用 AI 做内容、做电影、做产品——我想这期播客都会带给你直接或间接的启发。
🎬 我们的视频播客将同步上线于 @Koji杨远骋 的视频号、抖音、小红书、哔哩哔哩、Youtube 等平台。
📒 文字版将发布于 @十字路口Crossing 公众号。
欢迎订阅「十字路口」：🚦 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。
🚦 十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者，和他们一起，探索和拥抱新变化，新的可能性。
👦🏻 主播 Koji：我创办了十字路口，发起了 AI Hacker House 这个新一代 AI 创业者的社群空间，在真格基金担任 Venture Partner 投资合伙人。我相信科技尤其是 AI 是我们这一代人最大的价值创造机遇。Koji 的即刻，Koji 的网站
中国青年导演借AI绕过传统片场垄断 斩获海外电影节奖项
生成式AI大幅拉平了影视工业的资本与协作门槛，迫使导演职能由协调庞大剧组的项目经理回归为纯粹依靠个人审美与敏锐筛选的终极决策者。
节目深入复盘了两位创作者从传统编剧和广告从业者蜕变为独立 AI 导演的心路历程与实战工作流。他们分享了《芒古斯》《阿民的一天》《积木》等获奖及出圈短片的创作内幕，指出 AI 让影视创作从线性的工业流程彻底转向以剪辑台为核心的端到端即时迭代。对谈剖析了多模型混用策略、人机协作中创作者“审美与决策”（眉头一皱的敏锐度）的不可替代性，并探讨了当视频生成速度超越观看速度时，中国创作者如何在技术平权浪潮下开创全新的跨文化视听与互动叙事可能。
影视创作工作流发生范式转移，从传统长文本到分镜的线性链条转变为以剪辑台为核心的即时生成与闭环调整，短片制作周期由数月甚至数年压缩至数天。 (5:00)
生成式 AI 工具实现端到端整合，CapCut Video Studio 打通智能体剧本创作、资产生成、全段一键重绘及画面匹配配乐，大幅降低商业交付与修改成本。 (35:00)
AI 技术的普及抹平了好莱坞百年来建立的重工业制作与价值观垄断，为中国创作者提供了依托本土及多元文化底色、直接面向全球建立全新电影语言的平权机会。 (50:50)
当视频生成速度突破至超越人类观看速度（如 3 秒生成 5 秒画面），核心商业价值正从传统视频制作转向实时互动、直播游戏等下一代全新互动娱乐媒介。 (60:00)
