實測可靈4.0：讓AI跳一段舞，怎樣更接近理想效果？

2004年，張藝謀在《十面埋伏》裡拍下了一場令人難忘的水袖擊鼓舞。()章子怡飾演的舞者置身鼓陣中央，隨著樂聲騰躍、旋轉，兩條長水袖在空中翻飛，時而劃出巨大的弧線，時而甩向四周的鼓面。人物的動作、綢布的軌跡和密集的鼓點配合在一起，至今仍是影片中最具辨識度的場面之一。這場表演本身就不容易復刻。舞者、水袖和鼓陣要配合得恰到好處，電影還可以藉助鏡頭調度與剪輯，讓每一下擊鼓都顯得乾淨利落。如今把這套要求濃縮進一段提示詞，讓AI一次生成15秒，聽起來多少有點為難它。但我們還是想試試。畢竟可靈4.0這次重點升級的能力之一，就是複雜動態的生成。10月15日，可靈4.

0正式上線，原生生成時長延長至30秒，並在複雜動態、參考控制和視頻編輯等方面帶來更新。除了這場水袖擊鼓舞，我們還找來了《雨中曲》的經典獨舞，讓它拍攝一條普通女生逛舊街區的30秒生活短片，並試著修改已經生成的視頻。這次實測，我們想看看可靈4.0能把這些要求完成到什麼程度，以及實際用起來，是不是真有官方樣片看上去那麼輕鬆。01讓AI復刻水袖舞，我們改了七八輪水袖擊鼓本來就是一種難度很高的表演，到了電影裡，還要兼顧人物的身法、布料運動、鼓陣的位置和攝影機的調度。對視頻生成模型來說，它需要處理如何讓這一連串動作在同一個場景中成立。

我們原本以為，真正困難的部分會是舞者的騰空翻躍，沒想到幾輪生成下來，最讓人頭疼的竟然是如何讓她正確地擊中鼓面。我們先準備了人物造型和鼓陣的參考圖，向可靈交代紅色舞服、淺粉色長水袖，以及旋身、騰挪、躍起、甩袖擊鼓等動作，希望用一次15秒的生成，還原這場舞蹈的主要特徵。從畫面觀感來說這一版表現尚可。紅衣舞者的造型基本成立，綢布在空中也有了舒展、迴旋的動態，整個場景已經能夠讓人聯想到原片。但一到真正擊鼓的環節時，舞者會直接用手去碰鼓面，水袖有時只是跟著手臂飄動，並沒有承擔擊鼓的作用。我們隨後圍繞這個問題反覆調整提示詞，明確要求鼓必須固定，袖尾是唯一允許接觸鼓面的部分。

考慮到模型可能沒有理解完整的動作編排，我們還將15秒拆分成起勢、騰空翻躍和連續擊鼓幾個階段，希望後半段能夠有明顯的速度和力量變化。我們經過接近七八輪重新調整的測試還是無法全程用水袖末端擊鼓的目的。有的版本里，舞者依然用手代替水袖擊鼓；有的版本雖然甩起了長袖，卻只是站在原地緩慢轉圈，缺少預想中的騰躍和空間位移。更奇怪的是，部分畫面中的鼓體會自行移動為了達到提示詞中說的“擊鼓”的目的。當然，這並非一次嚴格的專業動作指導測試。我們沒有像專業的影視從業者一樣繪製逐鏡分鏡，作為20年前的電影場景能夠成功本身就和剪輯分鏡特效這些不無關係。

這不能說明模型沒有能力完成這條視頻，只是在依賴參考圖與自然語言描述的創作方式下，即使反覆強調同一個要求，複雜動作也未必能夠穩定地朝著預期方向修正。對於那些希望用AI輔助製作影視內容的人來說，這也是值得關注的問題。02AI跳《雨中曲》，第一版最好看相比之下，《雨中曲》的測試讓我們看到了可靈更擅長的一面。1952年上映的《雨中曲》，留下了影史上最著名的歌舞場面之一。吉恩·凱利穿著西裝、戴著禮帽，在雨夜的街道上撐傘獨舞，伴隨音樂旋轉、踢踏，最後跳進路邊的積水。人物動作、音樂節奏與攝影機的配合，讓一條普通街道變成了充滿趣味的表演空間。

這次我們提供了四張經典片段的參考圖片，要求模型生成一段具有復古好萊塢歌舞片質感的雨中獨舞，保留黑色雨傘、禮帽、路燈和潮溼的街道，同時安排轉身、擺傘、踢踏和踩水等動作。第一版的完成度就相當不錯。鏡頭始終圍繞主角展開，身後的磚牆和街道沒有出現明顯的場景突變，雨夜的色彩、燈光，以及浸溼後的西裝質感都比較自然。爵士樂與最後的踩水動作也基本能夠對上節奏，讓整個片段有了一點老式歌舞電影的味道。我們尤其喜歡一個很容易被忽略的細節：人物在路燈下舞動時，身後的牆面出現了隨著動作變化的投影。這讓畫面不只是有一個人在雨中跳舞，人物與環境之間也建立起了聯繫。不過，可靈顯然還沒能照顧好每一個細節。

男主角有一次仰頭，帽子從頭上掉了下來，等他再次抬起頭，帽子又若無其事地出現了。最後幾次踩踏積水時，水花也顯得過於規整，幾乎總是以同一個圓心向兩邊對稱散開。男主角臉上的笑容同樣有些完美，缺少真人在持續運動時自然發生的表情變化。畫面質感一直是可靈比較受認可的優勢，但隨著Seedance持續迭代，漂亮的畫面已經不再是哪一家的獨門本領。今年7月，Seedance 2.5率先支持30秒生成，並升級多模態參考和視頻編輯。不到三個月後，可靈4.0上線，更新重點同樣落在30秒生成、複雜動態和參考控制上。

近期一些創作者的同題測試也出現了不同評價：有人更喜歡Seedance的人物真實感，有人則更認可可靈的動作表現。兩者各有所長，已經很難只憑一條漂亮樣片判斷高下。對於快手來說，這場競爭還有商業上的壓力。今年二季度，可靈AI收入已超過8.5億元，同比增長逾200%。它要留住的不只是嚐鮮的用戶，還有真正拿它製作廣告、短劇等內容的付費創作者。而對這些人來說，視頻生成出來，工作往往才剛剛開始。03只想換件西裝，能不能保住整條視頻？《雨中曲》生成得還不錯，我們又想試試可靈4.0這次升級的視頻編輯功能。假如一條視頻的動作、構圖和場景都已經滿意，只是想換掉人物身上的衣服，能不能不必再從頭抽卡？

我們把此前生成的《雨中曲》作為原片，提出了一個簡單的要求：將男主角的深色西裝改成酒紅色，保留原有款式，人物的面貌、舞蹈動作、帽子、雨傘，以及場景和聲音都不要改變。編輯前圖片編輯後圖片可靈4.0修改後的視頻裡和原來的視頻一樣，僅僅替換了原視頻中的男主的衣服。值得注意的是，儘管使用的是視頻編輯功能，這次修改的積分消耗與重新生成一條視頻相差不大。為了增加一點參照，我們還把同一條視頻交給了HeyGen Video Agent，提出完全相同的要求。結果有點出乎意料：西裝倒是變成了酒紅色，男主角卻已經不是原來那個人，連雨夜街景都跟著換了。我們原本想留下的那段舞蹈，也沒能完整保留下來。

進一步追問後，HeyGen解釋說，當前使用的Video Agent工作流可以截取原片、添加文字或重新生成素材，但還無法只修改上傳視頻中的西裝，同時保證其餘畫面不變。這裡需要區分兩種“編輯”：剪短一個鏡頭、換一段素材、加上字幕，屬於對視頻內容的編排；給畫面中正在跳舞的人換一件衣服，則需要修改原有畫面，並在連續運動中保留其他細節。HeyGen Video Agent支持前一類操作，但在我們使用的這個入口裡，沒有完成後一個任務。我們在此前的實測中也經歷了多次抽卡，這種體驗放在商業製作中，就不只是個人耐心的問題。

《第一財經》此前採訪漫森文化時，其創始人黃浩榮透露，團隊製作精品AI短劇大約需要10個人，其中約一半的人力負責抽卡。按照團隊當時的數據，平均生成5次才能獲得一條滿意畫面。AI確實降低了部分影視內容的製作成本，但製作一條視頻到底花多少錢，不能只看單次生成的標價。反覆生成、人工篩選，以及後續修改產生的費用，都要算進去。這次可靈成功完成了西裝換色，至少保住了我們已經滿意的那段表演，值得肯定。但當編輯一次的積分消耗仍與重新生成相差不大，修改成本什麼時候真正降下來，恐怕也是這些視頻模型接下來繞不開的一道題。0430秒，普通女孩的生活vlog高難度動作之外，我們還想試試可靈4.

0的另一項升級：最長30秒的原生視頻生成。Seedance 2.5此前也已支持這一時長。相較於可靈上一代最長15秒的生成能力，它仍然意味著創作者可以嘗試在一次生成中放進更多內容。我們提出了一個普通人也可能產生的創意：讓AI拍一條帶有文藝氣質的個人生活短片。片名叫《今天也沒有什麼計劃》。主角是一名二十多歲的女生，戴著耳機，獨自走進中國南方的一片舊街區。她沿途看看牆邊的花、曬太陽的小貓，又被一位騎車經過的年輕人吸引了目光。夕陽漸漸落下，最後，她偶然走進一家舊書店，在窗邊翻開一本書。我們希望它有一點舊式DV的影像質感；色彩要溫暖，有真實生活留下的痕跡。人物也真實。

片頭還加了一點小設計，讓片名這幾個可愛的手寫字在畫面上短暫閃過，像一條自己剪輯的生活日記。最終生成的成片，整體氛圍確實不錯。可靈能夠理解我們想要的舊街區氣質，也安排出了人物散步、街景細節和室內書店等不同鏡頭。相比需要完成精確接觸關係的水袖舞，這類以觀察日常為主的短片，顯然給了模型更大的發揮空間。但片子看下來，還是有幾處讓人出戲。前一個鏡頭裡，女生剛剛回頭，下一鏡卻突然看向另一側，動作沒能自然接上。到了書店門口，她伸手推開一扇門，旁邊另一扇門竟也跟著自己打開了。書店的招牌文字沒寫對，街道雖然有舊樓、小店和植物，卻又過於乾淨、規整，少了些真實街區裡隨處可見的行人和雜物。

單看每個鏡頭，確實有些畫面很漂亮。但串成30秒的小片子，就不只是考驗模型能否生成幾張好看的動態畫面了。人物如何從一個鏡頭走進下一個鏡頭，人與環境發生了什麼互動，這些細節都會影響整條視頻看起來是否自然。拍出一條視頻，和拍出自己想要的視頻關於AI視頻，過去幾年我們聽過太多次「人人都能成為導演」。看過各家發佈的樣片，這句話似乎越來越有說服力了。過去需要演員、攝影師和後期團隊共同完成的畫面，如今一個人對著電腦，就有機會生成出來。但實際用過之後，我們對這句話又有了一些猶豫。科幻作家特德·姜曾在《紐約客》的一篇文章中談到，藝術創作包含大量具體的選擇。

當人們用一小段提示詞讓AI生成作品，也就把許多沒有明確交代的決定交給了模型。這次測試中，我們就不止一次想把這些決定拿回來。我們想讓舞者用袖尾擊鼓，模型卻讓鼓自己移動；想拍一個女生散步時自然回頭的瞬間，前後兩個鏡頭又沒有接上。可靈4.0當然有令人驚喜的地方。《雨中曲》的雨夜頗有電影味道，視頻編輯也成功保留了原片中的表演。但七八輪水袖舞沒能敲對鼓，以及反覆生成和編輯帶來的積分消耗，也讓我們意識到，擁有一款生成工具，和能夠隨心所欲地使用它，仍然是兩回事。如今可靈與Seedance都在增加參考素材、延長視頻時長、強化編輯能力。

對普通用戶來說，這意味著有機會完成過去難以獨立製作的畫面；對真正要交付廣告、短劇等內容的團隊來說，則意味著另一道考題：能否以可以承受的時間和成本，穩定地得到想要的結果。生成視頻正在變得越來越容易。但等到所有人都能拍出漂亮畫面，能夠少走幾輪彎路、少改幾次返工的工具，或許才更容易被長期留下來。點擊 關鍵詞 查看對應實測內容月之暗面 KimiKimi K3丨Kimi K2.6 Kimi K2.7 Code智譜 GLMGLM 5.3 FlashGLM5.3丨GLM 5.2GLM 5.1 vs DeepSeek V4 Pro vs Kimi K2.6 vs Qwen 3.

7 Max vs MiniMax M3深度求索 DeepSeekDeepSeek V4 ProDeepSeek Harness 插件社區DeepSeek V4 Pro & Harness阿里 QwenQwen 3.8 Max丨Qwen 3.8 FlashQwen 3.7 Max丨Qwen 3.6 Plus字節跳動豆包2.1 ProSeedance 2.5 vs 可靈 3.0Minimax H3 vs Seedance 2.0 FastWorkBuddy vs 豆包工作 vs 千問辦公更多測評點擊查看更多30篇測評