一个气泡水广告，为何几十万人围观？原来整个都是Veo 3生成的
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
机器之心报道
机器之心编辑部
最近，一个完全由AI制作的广告在社交媒体上爆火，在X上有三十多万人观看。
这是一个叫TooShortforModeling的团队发布在LinkedIn上的作品，不过它并不是一个商业作品，而是该团队为一直想合作的品牌制作的概念影片。
距离Veo3发布已经过去一个半月了，虽然此前模型视频生成已经能达到很逼真的状态，但Veo3的「音画同步」功能，引领AI视频创作进入了全新的声画一体化阶段。同时它也让AI视频生成进入了更有实践意义的阶段，极大地降低了视频创作的门槛。
我们先来看看这个广告效果怎么样。
人物1：下午好，小伙子。(Goodafternoon,son.)
人物2：想猜猜我为什么让你靠边停车吗？(WannatakeaguesswhyIpulledyouover?)
人物1：哦，不是你想的那样。(Oh,it’snotwhatyouthink.)
人物1：这是“液态死亡”。是苏打山泉水。(It’sliquiddeath. They’resparklingmountainwater.)
人物2：嗯。哇。你没开玩笑。(Mmm. Wow.Youweren’tkidding.)
人物2：确实很清爽。(Thatisrefreshing.)
人物2：但这不是我让你靠边停车的原因。(Butit’snotwhyIpulledyouover.)
人物1：哦，天哪。(Ohboy.)
人物1：是因为破损的尾灯吗？(Isitthebustedtaillight?)
人物2：不是。(Uh-uh.)
人物1：是因为车牌吗？(Isitbecauseofthelicenseplate?)
人物2：不是。(Nope.)
人物1：该死，伙计。是那个死人，对吧？(Shit,man. It’sthedeadguy,right?)
人物2：不，先生。(No,sir.)
人物1：也许是人口贩卖？(Isitthehumantrafficking,perhaps?)
人物2：不是。(Uh-uh.)
人物1：伙计，是卡车的事吗？(Man,isitthetruckthing?)
人物2：我不这么认为。(Idon’tthinkso.)
人物1：好吧，那到底是什么？(Well,whatisitthen?)
人物1：抢劫案？(Therobbery?)
人物2：不。(No.)
人物1：是保险杠贴纸？(Thebumpersticker?)
人物2：不。(No.)
人物1：是被车撞死的动物，对不对？(It’stheroadkill,isn’tit?)
人物2：没听说过。(Haven’theardofit.)
人物1：是化学废料？(Thechemicalwaste?)
人物2：不是。(Uh-uh.)
人物1：是过山车座位吗？(Isittherollercoasterseat?)
人物1：是邪教的事吗？(Isitthecultthing?)
人物2：绝对不是。当然不。(Absolutelynot. Hellno.)
人物1：好吧，我放弃了。(Allright,Igiveup.)
人物1：到底是什么？(Whatisit?)
人物2：因为今天是你的生日。(It’sbecauseit’syourbirthday.)
人物2：生日快乐，凯文。(Happybirthday,Kevin.)
人物1：爸爸，你还记得。(Dad,youremembered.)
人物2：祝你生日快乐，祝你生日快乐，祝你生日快乐。(Happybirthdaytoyou,HappyBirthdaytoyou,HappyBirthdaytoyou.)
视频字幕，上下滑动查看。
这个广告的笑点密集，令人捧腹。但其真正的亮点在于惊人的「角色一致性」。在一分钟内，视频流畅地切换了10个场景，每个画面的风格都保持了高度统一，核心人物和道具也完美衔接。尽管在车窗、内饰等细节上能察觉到微小的跳跃，但这丝毫未影响其出色的整体连贯性。
要知道AI生成视频中经常出现容貌突变、物体错乱等问题。
主创团队分享了他们保持一致性的秘诀——超精细提示(Hyper-specificPrompting)：为模型提供极其详尽、具体且包含大量上下文细节的指令或问题。
这种提示的设计目的是为了最大限度地减少模型的自由发挥空间，引导它生成高度精确、符合特定格式和要求的输出。
相关的提示词优化方法，在我们之前的文章中也提到过，读者可以参考：实测惊艳全球的Veo3！音画同步无敌，贵是有原因的
值得一提的是，创意、策略与审美依然由人类主导。从最初的灵感、脚本，到由剪辑师完成的最终效果呈现，人的价值贯穿始终。AI是强大的「执行者」，但遵循的是概率而非远见——至少在今天，这道边界依然清晰。
AI为何总在细节上「翻车」？
关于「角色一致性」的问题，技术层面来讲，并非模型「犯了糊涂」，而是主流视频生成模型背后的核心技术——扩散模型本身的工作原理、训练数据以及从图像到视频的技术跨越之中，主要是以下几点原因：
模型没有「理解」世界，只有「概率统计」：模型并非真正理解「人有五根手指」这类事实，而是通过学习海量数据，知道「五指的手」是最高概率的模式。当生成过程中出现随机偏差时，由于缺乏常识性规则的约束，它可能会生成一个概率上虽低但仍有可能的「六指」结果。
局部生成与全局和谐的矛盾：模型更擅长生成逼真的局部细节（如皮肤纹理），但对整体结构（如完整的身体解剖）的把握较弱。它可能会因为专注于让局部「看起来对」，而忽略了其在整体画面中的逻辑是否合理，导致「只见树木，不见森林」的结构性错误。
从图像到视频的挑战：视频的本质是连续的图像序列，而模型在生成每一帧时都可能存在微小的随机差异。这种帧与帧之间的「失忆」累积起来，就会导致角色外观、服饰或背景等元素在时间线上发生不连贯的漂移和变化，破坏了时间一致性。
训练数据的「不完美」：模型的知识完全来源于它所学习的训练数据。网络数据本身就包含大量错误、低质量和不合逻辑的内容。模型会将这些「坏数据」也一并学会，并在生成时复现出来，可谓「垃圾进，垃圾出」。
探索AI的创意玩法
当前，大量猎奇、同质化的AI视频内容，正是AI技术被「降维使用」的体现。真正值得我们探索的，是AI作为「创意催化剂」的巨大潜力。
下面这些会不会是AI的正确打开方式？
为你喜欢的电影制作一个平行宇宙。
让初音未来进入老头环的世界，会不会是下一个爆款游戏的灵感？
为公司做一个网站。
或者做一个超炫酷的概念影片。
你觉得AI还能为我们的创意带来什么惊喜？欢迎在评论区留下你的脑洞。
©THEEND
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin. com
