Genspark 把一整个摄制组做成了一份菜单

Genspark 新出的 Media Studio 最有意思的地方，不是它能做视频。现在能做视频的东西多了。是你用的时候，你不是在选模型。你是在选导演，而导演去选模型。

这才是产品本身。界面上给规划这个角色提供三个语言模型——DeepSeek V4.1 Flash、Claude Opus 5.5、Claude Fable 5.1——它们身后是 20 多家厂商的 70 多个模型版本。Seedance 2.5、Kling 和 Veo 做视频。GPT Image 和 Nano Banana 做静帧。ElevenLabs 和 MiniMax 管配音和音乐。里面还有 3D。

它的说法是“全都在一个地方，谁都能用”，这种话通常意味着“我们把六个工具塞进了一个标签页”。它在一点上不一样：中间产物留在同一块画布上，所以 agent 能接着上一步的产出往下走，你不用重新上传任何东西。

用起来是什么感觉

国内科技媒体量子位在发布当天发了一篇实测，里面的细节比营销有用。评测者从首页“Magic”区的一个说唱模板开始，上传了 Sam Altman 和 Dario Amodei 的照片，要求来个二重唱。

有两件事值得说。第一，视频模型直接拒了真人图像，系统问要用半写实还是卡通风格。这是内容策略以 UX 决策的形式浮出水面——你收到的不是一个拒绝，是一个岔路口。第二，预估说 8 到 14 分钟，渲染实际用了两三分钟。生成是 Seedance 2.5 做的。

第一版输出没有音乐。评测者要伴奏，画布上并排摆了三个候选，他因为都没词全拒了，然后要一段原创说唱 beat，ElevenLabs 给了。接着是口型同步，好让两个人能一起演。

这个序列——生成、发现缺什么、要、拿到选项、挑、调整——就是产品围绕的工作流。不是“敲一段 prompt，拿到一部片子”。是跟一个有摄影棚门禁的制作助理聊天。

480p 草稿这个决定

每一版初稿都是 480p 出来。你在 480p 上迭代。只有你认可这一版剪辑，它才升到 1080p。

这是整个产品里最合理的工程决策，也是那种只有看着别人烧钱才能学会的事。视频生成按秒计价很贵，而大部分钱花在会被剪掉的镜头上。在草稿分辨率上迭代，意味着昂贵的渲染只发生一次，只发生在活下来的镜头上。

同样的逻辑出现在 story 模式里，它在调用任何视频模型之前，先把一场戏做成 3D 白模预演——人物站哪儿，机位在哪儿。走位便宜。渲染不便宜。

审批队列就是现在的产品

真正有意思的地方在这儿，也是那篇实测最有价值的地方。

评测者用了“Story Bible”功能，给它一个标题，它扩成一套完整制作：角色、服装、道具、场景，还有一份镜头表。系统在渲染前就 35 个条目分别请求确认。然后它把五场戏拆成 84 个镜头，归成 12 个视频单元，给每个写 prompt，生成，把跟既定设计冲突的标出来重跑。

35 次审批。这就是现在的工作。不是写 prompt，不是操作摄影机——是审批。而那篇实测也指出一个真实的可用性问题：有些审批条目很难找，而任何一次修改都会把已经通过的条目退回待定，意味着你得把队列再点一遍。

2026 年的“AI 电影制作”实际长这样。创意工作没有消失。它压缩成一长串关于一致性的是/否判断，而工具的好坏取决于它把这些判断呈现得多好。好的审批队列是产品护城河。坏的，是人们回去手工干的理由。

两个不同的技术，顶着同一个名字

最让我意外的细节是：“知识讲解”模式根本不用视频模型，至少大部分时间不用。它用的是代码生成视频——模型写出排版文字、图表和动画的代码，然后渲染结果。按 Genspark 的说法，代码渲染本身不消耗点数；旁白和少量氛围镜头单独计费。

这是个有分量的架构选择。如果你在解释黑洞是什么，你不需要六十秒生成的像素。你需要排版、一张示意图，和动效。用代码渲染这些更快、更便宜，也比让扩散模型去画一行字幕清晰得多。

那篇实测对第一次尝试很诚实：脚本平，画面像幻灯片。第二轮加了钩子和悬念的指令，加上六段原创配乐，出来的东西评测者说可以接受。还是像幻灯片，但连贯了。

这就引出了这个品类真正的问题。讲解视频的瓶颈从来不是渲染。是脚本。Genspark 的答案是让同一个语言模型既写脚本又写代码，便宜又快，然后指望视觉设计跟得上。有时候跟得上。

账

评测者在初始 50,000 点数里花了大约 45,000，做了三个项目：说唱视频、讲解片，还有一个超级马里奥风格的像素游戏——那个也是系统从一句 prompt 生成的，花了几百点。

所以大概是每个短片项目 15,000 点。Genspark 在 10 月 27 日到 11 月 4 日给 Plus 和 Pro 订阅者打五折点数，这说明两件事：这个月公司更想要使用数据而不是收入，单位经济模型还在摸索。

对比一下，请一个动效设计师干一周，比这些订阅里任何一个的一年都贵。这个对比也不对，因为你拿到的不是动效设计师的产出。是一版初稿，动效设计师花一小时就能修好，而不是从零开始。

诚实的保留

成片有的问题那篇实测没藏：后半段音画不同步，偶有掉帧，有个角色的眼镜在两个镜头之间消失了。口型同步做了，中英文字幕没要求就生成了，整体一致性比预期好——但“比预期好”不等于“能交付”。

还有导出路径。你可以把结果导成 PSD、Premiere 工程或者剪映草稿，这是对现实的正确让步：没人在生成它的工具里把视频做完。

这意味着什么

编排层正在变成产品，模型正在变成零件。Genspark 不是在跟 Seedance 或者 Veo 竞争。它是在跟你剪辑软件里的时间线、那个素材文件夹，以及你剪片子时开着的那五个浏览器标签竞争。

它能不能赢，取决于一件不性感的事：审批队列会不会变好。现在是 35 个决定配一个让人困惑的界面。如果变成 35 个决定配一个好界面，那是真工具。如果一直困惑下去，人们会继续用它拿模板，然后回到 Premiere 做正经东西。