画质还算 AI 视频的瓶颈吗？至少在我这儿早就不是了。
我做分镜出身，现在出片卡的是控制粒度。一个眼神收多少放多少，镜头是推还是摇，画面里两个人谁先动谁后停——在片场这是导演一句话的事，放到生成里只能往提示词里堆形容词，堆完还得看运气。形容词本来就是糊的，“缓慢地”“若有所思地”，每抽一次理解都不一样，你没法跟它对戏。
最难受的是牵一发动全身：运镜终于对了，重抽一次表情又飘了；改一个词，整段重来。实拍的时候演员表情不对，补一条表情就行，机位灯光都不用动；生成里所有东西绑在一起抽，拆不开。
现在的思路是往可调面板走，微表情、机位轨迹、灯光调色分开做成控制项，不再全塞进一段文字里。方向我认，但能不能用还得看颗粒度：能不能只锁走位、单独重抽表情，能不能保住上一版的镜头语言。这两条做不到的话，面板再多也只是把形容词换成了滑杆。
在那之前我还是用笨办法，一段只求一件事，运镜、表情、动作分开抽，最后剪到一起。慢是慢点，好歹每一段都在自己手里。