← 返回博客
Ai预计阅读 11 分钟

视频里的中文字总是糊,即梦这次把排版交给了代码

发布于 2026年11月15日
视频里的中文字总是糊,即梦这次把排版交给了代码

做知识类视频的人都有一个共同的痛:画面生成得再漂亮,画面里的字还是糊的。三五个字的标题能歪成六个字,公式里的下标会漂移,数据标签经常在第二秒变成另一串数字。为了让字幕清楚,大家最后的做法都一样:把生成的画面当背景,打开剪映,一层一层叠加真文字。

即梦 11 月 10 日上线的「动效工作室」,走的是另一条路。它不逐帧生成连续画面,而是让模型写代码,用代码去编排文字、图片、图形的布局、出场顺序和运动节奏。官方对这件事的概括是「用文字描述创意,通过代码编译视觉画面」。

这句话听起来像宣传语,但技术含义很明确:文字是由排版引擎渲染出来的,不是扩散模型画出来的。画出来的字会糊,排出来的字不会。

一个 60 秒视频,8 分半钟,82 积分

先把账算清楚,因为这决定了它能不能进日常工作流。

动效工作室目前在电脑浏览器里登录即梦,从首页左侧入口进去。可以设置画面比例和时长,生成前会显示预估的积分消耗,成片直接下载。即梦没有单独公布这个功能的定价细则,按积分走。

机器之心的实测数据比较具体:一条 60 秒的知识讲解视频,生成耗时约 8 分半钟,消耗 82 积分;3 分钟的视频,生成时间约 13 分钟。这个节奏更像「你去泡杯茶,回来改第二版」,点一下就出片做不到。

这个等待时间是合理的,因为它做的事情比生成一段画面多。流程是先理解意图并做规划,再分别生成配音和画面,合成渲染,最后对成片做一次核验。四段工序压进一次点击里,8 分半不算慢。

为什么逐帧生成在中文上一直吃亏

要理解这条路线的价值,得先承认一个事实:视频模型画中文,本质上是在画图形,不是在写字。

扩散模型生成文字靠的是像素分布,训练数据里出现过的字形它能仿,没见过的组合它就猜。英文单词短、字母少、常见组合多,所以还能糊过去;中文一个字就是一个复杂结构,笔画多、部件密,模型没有「字」的概念,只有「这一块应该是墨」的概念。结果就是远看像字,近看是错的。

这就解释了为什么很多 AI 视频的封面标题看起来很高级,一放大全是鬼画符。也解释了为什么国内做 AI 短剧、AI 口播的团队,最后都要回到后期软件里重新打字幕。这不是审美问题,是生成方式和文字这个对象根本不匹配。

动效工作室换掉的就是这一层。文字交给代码排版,字体、字号、字重、行距、换行位置都由排版规则决定,模型负责的是「什么时候出现、从哪里进来、停留多久」。分工一变,糊字这个问题就从根上消失了。

代码排版能解决什么,不能解决什么

能解决的是清晰度和可控性。标题、公式、数据标签这类必须有确定字形的内容,现在有了确定的渲染路径。这对中文内容尤其重要,因为中文的信息密度高,一屏里塞的字多,容错空间小。

四条空白的胶片格子平铺在深色桌面上,一枚黄铜字模悬在上方,阴影压过其中两格。

更重要的是「可控」这两个字。逐帧生成的问题是抽卡,你想让标题在第三秒从左边滑进来,模型可能给你从下面淡入,重抽三次成本就上去了。代码编排是可复现的,你改一个参数,动的是那个参数,别的地方不会跟着变。多轮修改也是同一个逻辑:出错的局部单独改,不用整条重做。

不能解决的是内容对不对。这一点机器之心的实测说得很直接:在讲解汉字演变的测试里,首版成片的字形出现了错误,提供参考素材之后才修正。也就是说,代码保证的是字「排得清楚」,不保证字「写得对」。涉及专业知识、生僻字、术语的内容,创作者仍然要逐帧看一遍。

我在这里加一句自己的判断:这条边界会被很多人忽略。工具越好用,越容易让人以为输出的东西是对的。动效工作室把「画面不像 AI 做的」这件事解决了,剩下的「内容像不像人做的」,它管不了。

它的对手其实不是 Seedance

从产品定位看,动效工作室和 Seedance 系列不是替代关系。Seedance 走的是接近实拍的路子,光影、材质、自然运动;动效工作室走的是图形和排版,强调风格、节奏、声画配合。一个做镜头,一个做版式。

真正的对手是剪映的模板库,以及 Canva、Figma 这类工具加上人工排版的工作流。这些工具解决的是同一个需求:我要一条有节奏感、字清楚、配乐合适的短片。它们的优势是确定性,劣势是每次都要手动搭。

动效工作室的切入点是「一句话进去,结构自己搭」。你给一个名词,它能把讲解架构、讲述节奏、配音都配齐。模板那边有字符动画、复古像素、几何动画、创意拼贴,视觉语言覆盖几何抽象、ASCII、波普和 Y2K,选完自动填示例提示词,改主题、文案、配色,也能上传自己的素材。

这个组合对一类内容特别合适:知识讲解。最近抖音和 B 站上那种「Vibe 知识」视频,把熵增、递归自我改进这类抽象概念讲成带旁白和配乐的动画,正是它的目标场景。这类内容的特点是信息密度高、视觉需求明确、不需要实拍质感,恰好是逐帧生成最不划算、代码排版最划算的地方。

工作室化:把工作流打包成产品

动效工作室之前,即梦 10 月 26 日上了短剧工作室,官方还透露面向电商和品牌营销的「营销工作室」近期上线。

三个工作室放在一起看,思路很清楚:不按模型卖能力,按场景卖成品。用户不需要知道 Seedance 和动效引擎的区别,只需要知道「我要做短剧」「我要做讲解」「我要做商品图」,剩下的流程被产品吸收掉。

这也是国内视频工具这一年的共同选择。模型能力的差距在缩小,谁的流程更短、更少跳转、更少导出导入,谁就更容易被留下。动效工作室把过去需要「模型写代码、浏览器运行、录屏导出、另配旁白配乐」的四五步,压成了一次点击。

我还没被说服的地方

第一,8 分半钟生成一条 60 秒视频,对批量生产来说仍然偏慢。真正跑量的团队一天要出几十条,这个速度意味着要么并行开多个任务,要么只把它用在重点片上。

第二,积分消耗的透明度还不够。生成前能看到估算,这是好事,但 82 积分对应多少钱,取决于你买的哪一档套餐,实际排期的时候很难算清单条成本。

第三,也是最实际的一点:模板化的动效视频很容易长得像。几何动画、ASCII、Y2K 这几套视觉语言,用的人一多,观众三秒就能认出来这是同一个工具做的。平台给的是起点,差异化还得自己加。

如果你想试,建议从一条 60 秒的知识讲解开始,主题选你熟悉但模型不熟悉的领域,比如某个行业的内部流程。这样你能同时看到两件事:排版是不是真的清楚了,以及内容错得有多离谱。

相关文章