影片裡的中文字總是糊,即夢這次把排版交給了程式碼

做知識型影片的人都有同樣的痛:畫面生成得再漂亮,畫面裡的文字還是糊的。三五個字的標題能歪成六個字,公式裡的下標會漂移,資料標籤常常在第二秒變成另一串數字。為了讓字幕清楚,大家最後的做法都一樣:把生成的畫面當背景,打開剪映,一層一層疊上真文字。
即夢 11 月 10 日上線的「動效工作室」,走的是另一條路。它不逐幀生成連續畫面,而是讓模型寫程式碼,用程式碼去編排文字、圖片、圖形的版面、出場順序和運動節奏。官方對這件事的概括是「用文字描述創意,透過程式碼編譯視覺畫面」。
這句話聽起來像宣傳語,但技術含義很明確:文字是排版引擎算出來的,不是擴散模型畫出來的。畫出來的字會糊,排出來的字不會。
一支 60 秒影片,8 分半鐘,82 積分
先把帳算清楚,因為這決定了它能不能進日常工作流程。
動效工作室目前是在電腦瀏覽器登入即夢,從首頁左側入口進去。可以設定畫面比例和長度,生成前會顯示預估的積分消耗,成品直接下載。即夢沒有單獨公布這個功能的定價細則,一律按積分計算。
機器之心的實測數據比較具體:一支 60 秒的知識講解影片,生成耗時約 8 分半鐘,消耗 82 積分;3 分鐘的影片,生成時間約 13 分鐘。這個節奏更像「你去泡杯茶,回來改第二版」,點一下就出片做不到。
這個等待時間是合理的,因為它做的事比生成一段畫面多。流程是先理解意圖並做規劃,再分別生成配音和畫面,合成算圖,最後對成品做一次核驗。四段工序壓進一次點選裡,8 分半不算慢。
為什麼逐幀生成在中文字上一直吃虧
要理解這條路線的價值,得先承認一個事實:影片模型畫中文字,本質上是在畫圖形,不是在寫字。
擴散模型生成文字靠的是像素分布,訓練資料裡出現過的字形它能仿,沒見過的組合它就猜。英文單字短、字母少、常見組合多,所以還能糊過去;中文字一個字就是一個複雜結構,筆畫多、部件密,模型沒有「字」的概念,只有「這一塊應該是墨」的概念。結果就是遠看像字,近看是錯的。
這就解釋了為什麼很多 AI 影片的封面標題看起來很高級,一放大全是鬼畫符。也解釋了為什麼中國大陸做 AI 短劇、AI 講述影片的團隊,最後都要回到後期軟體裡重新打字幕。這不是美感問題,是生成方式和文字這個對象根本不相容。
動效工作室換掉的就是這一層。文字交給程式碼排版,字體、字級、字重、行距、換行位置都由排版規則決定,模型負責的是「什麼時候出現、從哪裡進來、停留多久」。分工一變,糊字這個問題就從根上消失了。
程式碼排版能解決什麼,不能解決什麼
能解決的是清晰度和可控性。標題、公式、資料標籤這類必須有確定字形的內容,現在有了確定的算圖路徑。這對中文內容尤其重要,因為中文的資訊密度高,一屏裡塞的字多,容錯空間小。

更重要的是「可控」這兩個字。逐幀生成的問題是抽卡,你想讓標題在第三秒從左邊滑進來,模型可能給你從下面淡入,重抽三次成本就上去了。程式碼編排是可重現的,你改一個參數,動的是那個參數,別的地方不會跟著變。多輪修改也是同一個邏輯:出錯的局部單獨改,不用整支重做。
不能解決的是內容對不對。這一點機器之心的實測說得很直接:在講解漢字演變的測試裡,首版成品的字形出現了錯誤,提供參考素材之後才修正。也就是說,程式碼保證的是字「排得清楚」,不保證字「寫得對」。涉及專業知識、生僻字、術語的內容,創作者仍然要逐幀看一遍。
我在這裡加一句自己的判斷:這條界線會被很多人忽略。工具越好用,越容易讓人以為輸出的東西是對的。動效工作室把「畫面不像 AI 做的」這件事解決了,剩下的「內容像不像人做的」,它管不了。
它的對手其實不是 Seedance
從產品定位看,動效工作室和 Seedance 系列不是替代關係。Seedance 走的是接近實拍的路子,光影、材質、自然運動;動效工作室走的是圖形和排版,強調風格、節奏、聲畫配合。一個做鏡頭,一個做版面。
真正的對手是剪映的範本庫,以及 Canva、Figma 這類工具加上人工排版的工作流程。這些工具解決的是同一個需求:我要一支有節奏感、字清楚、配樂合適的短片。它們的優勢是確定性,劣勢是每次都要手動搭。
動效工作室的切入點是「一句話進去,結構自己搭」。你給一個名詞,它能把講解架構、講述節奏、配音都配齊。範本那邊有字元動畫、復古像素、幾何動畫、創意拼貼,視覺語言涵蓋幾何抽象、ASCII、普普和 Y2K,選完自動填入範例提示詞,改主題、文案、配色,也能上傳自己的素材。
這個組合對一類內容特別合適:知識講解。最近抖音和 B 站上那種「Vibe 知識」影片,把熵增、遞迴自我改進這類抽象概念講成帶旁白和配樂的動畫,正是它的目標場景。這類內容的特點是資訊密度高、視覺需求明確、不需要實拍質感,恰好是逐幀生成最不划算、程式碼排版最划算的地方。
工作室化:把工作流程打包成產品
動效工作室之前,即夢 10 月 26 日上了短劇工作室,官方還透露面向電商和品牌行銷的「行銷工作室」近期上線。
三個工作室放在一起看,思路很清楚:不按模型賣能力,按場景賣成品。使用者不需要知道 Seedance 和動效引擎的差別,只需要知道「我要做短劇」「我要做講解」「我要做商品圖」,剩下的流程被產品吸收掉。
這也是中國影片工具這一年的共同選擇。模型能力的差距在縮小,誰的流程更短、更少跳轉、更少匯出匯入,誰就更容易被留下。動效工作室把過去需要「模型寫程式碼、瀏覽器執行、螢幕錄影匯出、另配旁白配樂」的四五步,壓成了一次點選。
我還沒被說服的地方
第一,8 分半鐘生成一支 60 秒影片,對批量生產來說仍然偏慢。真正跑量的團隊一天要出幾十支,這個速度意味著要嘛平行開多個任務,要嘛只把它用在重點片上。
第二,積分消耗的透明度還不夠。生成前能看到估算,這是好事,但 82 積分對應多少錢,取決於你買的是哪一檔方案,實際排程的時候很難算清單支成本。
第三,也是最實際的一點:範本化的動效影片很容易長得很像。幾何動畫、ASCII、Y2K 這幾套視覺語言,用的人一多,觀眾三秒就能認出這是同一個工具做的。平台給的是起點,差異化還得自己加。
如果你想試,建議從一支 60 秒的知識講解開始,主題選你熟悉但模型不熟悉的領域,比如某個行業的內部流程。這樣你能同時看到兩件事:排版是不是真的清楚了,以及內容錯得有多離譜。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。