Google Flow 与 Adobe Firefly 将 AI 视频移出聊天框
--- title: Google Flow 与 Adobe Firefly 将 AI 视频移出聊天框 meta_title: Flow 与 Firefly 让 AI 视频成为工具 meta_description: Google 推出 Flow 作为专用 AI 视频应用，同时 Adobe 将 Firefly 的视频生成器开放测试版，标志着从聊天机器人向专用创意软件的转变。 ---
两件事在几天内相继发生，它们共同揭示了 AI 视频的发展方向。
Google 推出了 Flow，这是一款独立的 AI 视频生成应用，集成了 Veo 3 和更新后的 Veo 2 模型，以及用于图生视频工作流的 Imagen 4。Adobe 则通过 Firefly 网页应用，将其文生图和图生视频生成器从有限测试版扩展为面向公众广泛开放，预计还将向 Creative Cloud 订阅者更广泛地推出。
两者都不是新模型。它们都是界面，而这一点正是关键。
为什么专用应用胜过聊天窗口
第一代 AI 视频工具存在于聊天界面或通用模型试验场中。你输入提示词，得到一个片段，然后复制 URL。这对实验来说没问题，但一旦你有了项目，就行不通了。
Flow 的卖点是整合。Google 的视频能力此前分散在多个界面上，在文生视频、图生视频和优化之间切换意味着要更换工具并重新建立上下文。专用应用将这些步骤集中在一处，这听起来微不足道，直到你要制作的是一个序列而不是单个片段。
与 Imagen 4 的集成是值得注意的细节。图生视频工作流从静帧开始，而将图像生成和视频合成放在同一个应用中，消除了交接环节。在真实项目中，大部分时间浪费就发生在这个交接上：导出、上传、重新指定、等待。
Adobe 的策略是分发，而非能力
Adobe 的举动更容易解读。它已经拥有专业创意工作所依赖的编辑层，而其视频生成器进入公开测试版意味着 Firefly 的视频输出会落在与其他一切相同的订阅、相同的资产库和相同的工作流中。
其战略逻辑是厂商锁定这一次对买家有利。Creative Cloud 订阅者已经为这套软件付费。将视频生成加入其中，意味着剪辑师不必评估单独的服务、谈判单独的合同或管理单独的账单。对 Adobe 来说，这意味着 AI 视频能力在第一天就能触达其整个订阅用户群，而不是作为独立产品争夺注意力。
这是竞争对手难以轻易匹敌的分发优势。Runway、Luma 及其背后的模型实验室必须获取用户。Adobe 已经拥有他们。同样的逻辑解释了为什么 Adobe 一直将 Firefly 推入其各个应用中，把模型变成一种无论工作发生在哪里都会出现的能力，而不是用户必须访问的目的地。
这种方法存在风险。捆绑能力获得的关注少于独立产品，而套件中仅仅够用的视频生成器，可能会输给团队刻意采用的更优秀的独立工具。Adobe 的赌注是，对其大多数用户而言，便利性胜过同类最佳。对其中很大一部分用户来说，这个赌注很可能会奏效。
转变是从模型转向工作流
从具体的发布中退一步看，这个月整个品类呈现出一种模式。
Runway 作为发布合作伙伴加入了 OpenAI Marketplace，让企业客户可以将其 OpenAI 承诺的一部分用于购买 Runway，并另外在 OpenAI 的 Dots 中加入了 Runway。这些举动是分发策略，而不是模型策略。Creatify 对 MiniMax H3 进行后训练，将其变成按秒计价的广告专用模型。Midjourney 则通过从 Midjourney 图像或上传内容生成五秒片段，扩展到视频领域，进一步收紧了自己的生态系统。
这些举措中的每一个都是为了拥有工作流，而不是发布更好的生成器。原因很直接：基础模型质量已经足够趋同，差异化因素已经转移到模型周围的东西。迭代有多容易，它与现有管线的契合度有多高，输出是否落在最终剪辑所在的系统中。
有一个有用的反例。前 Google AI 布道者 Laurence Moroney 认为，Sora 的 API 关闭与 Kling 的真实收入表明，病毒式演示不能建立业务，可重复的工作流才能。无论人们是否认同具体案例，这一观察都成立。一个走红的片段是一次营销事件。一个工作室每周都在使用的工具才是一门生意。
创作者真正需要什么
两种需求占主导地位，而它们都与原始生成质量无关。
迭代。生成第一个片段很容易。做到第四个版本——构图正确、运动读起来正确——才是时间消失的地方。正因如此，Runway 将其差异化建立在导演镜头的能力上，而关键帧控制几乎出现在最近每一次发布中。让修改变得便宜的工具，胜过让初稿更漂亮的工具。
集成。视频很少是最终成品。它会被剪进更大的作品中，进行调色和混音。一个生成的文件可以直接导入剪辑器的生成器，比一个必须先转换的文件更有用。Adobe 在这方面的优势是结构性的，这也是为什么 Firefly 测试版的重要性超过其规格所显示的。
还有第三个较少被讨论的需求：可预测性。工作室需要在运行之前大致知道工具会产出什么，因为预算取决于此。即使平均输出很好，在不同尝试之间差异巨大的模型也很难围绕其做计划。这就是按秒计价和按片段计费变得普遍的一个原因，因为它们让制片人可以在投入前估算成本。
诚实的注意事项
Flow 的可用性和定价层级属于 Google 标准 Gemini 生态系统，而访问细节一直在变化。任何围绕它做计划的人都应该查看自己需要哪个层级，而不是想当然。
对 Firefly 来说，公开测试版并不等同于正式可用。功能集和限制在测试期间会变化，围绕测试版功能构建生产依赖存在风险。Adobe 的历史表明该能力会稳定下来，但时间由 Adobe 决定。
而对两者来说，底层模型都会变化。Veo 3.1 已经存在，Veo 2 仍在其中；Imagen 4 是 Google 推出的多个图像模型之一。应用层才是这些发布中持久的部分，而底层的模型会不断更替。一个围绕特定模型版本构建工作流的团队，将不得不无限期地维护该工作流。
值得关注什么
Flow 会成为 Google 的默认视频界面，还是会与自家其他产品竞争。对于一家发布如此多产品的公司来说，碎片化是真实的风险。
Firefly 视频会留在订阅内，还是会变成单独定价的附加项。捆绑论证只有在其包含在内时才成立。
界面层是否会成为战场。如果会，预计会有更多收购和更多市场交易，因为购买分发比构建人们采用的工作流更快。
这个月的实质性变化是，AI 视频不再是你往聊天窗口里索要的东西，而开始成为你使用的东西。这一转变比同期任何单次模型发布都更重要，因为它是技术从有趣走向常规的一步。