年底做明年规划,多数品牌会把预算、档期、渠道排得清清楚楚,却很少把「产线本身」翻出来看一遍。可过去这一年,生成模型换了两三轮,视频时长、一致性控制、口型同步的能力边界全变了,年初签的那套工作量和报价,很可能已经对不上现在的实际成本。更尴尬的是,有些团队是靠「一直没出问题」来判断供应商还行——但没出问题,有时候只是因为需求一直没升级。AI广告 这条产线最大的特点是底层工具半年一换,把它当传统制作那样一年一签就撒手,很容易在第二年发现产能和质感都被同行拉开了。 一、先分清:该复核的是供应商,还是模型…
年底盘资产的时候,最容易翻车的往往不是素材不够,而是素材太多、分不清哪条能投。一个季度跑下来,同一个卖点可能攒了三十个版本:竖版、横版、换过包装的、改过口播的、给不同渠道裁过的。等到投放同事去素材库里捞文件,看到的是「最终版_v3_改2_真的最终.mp4」这种名字,投错版本几乎是迟早的事。AI 把产能拉上来之后,AI广告制作 真正的瓶颈,已经从「能不能做出来」挪到了「能不能管得住」。这篇不聊生成,只聊量产之后那套不起眼、却救过很多次场的规矩:命名、版本、台账。 一、投错版本的代价比想象中大 很多…
每到年初,市场部复盘基本是同一套动作:拉投放数据、算 ROI、定明年预算。很少有人会把去年上线过的那批 AI广告 素材的授权文件翻出来重看一遍。可问题恰恰出在这儿——模型条款会更新、平台对合成内容的标注要求会收紧、供应商合同里的授权期限会到期,去年合规不等于今年还能接着用。我们见过最典型的坑,是一条跑了整整一年的高转化素材,年初被法务叫停下架,只因为配音授权是按自然年签的。合规不是”生成那一刻”的一次性动作,而是跟着素材生命周期走的一份台账;年初做一次全量年审,是性价比最…
一到年底,不少市场部要同时干两件事:定明年的新视觉,以及收拾今年攒下来的素材库。后者往往让人犯难——去年用 AI广告制作 批量跑出来的几百条片子、上千张图,换 Logo、换色板、换字体之后,是改一改接着用,还是干脆全部作废?很多团队图省事,直接把成片套个新色就上线,结果新旧视觉混在一起,投放出去自己都觉得别扭。我们的看法是:换视觉不是一次”改色工程”,而是一次资产重估。素材能不能留,不取决于文件打不打得开,而取决于它绑的是旧规则,还是可迁移的规则。 一、先分清哪些是资产,…
年底的结案会我听过不少,最常见的一页 PPT 长这样:全年产出 320 条素材、总播放 1.2 亿、爆款 6 条、成本同比下降 40%。老板点头,预算照批。可散会后你追一句”那明年该多做哪一类”,往往没人接得上。产能数字最好做,也最不指向决策。AI广告 把出片变便宜之后,”做了多少条”这件事基本失去了意义——一周几十版谁都做得到,真正该进结案报告的是另外几组数。今年陪几个客户重做年度复盘,我们把指标表整个换了一遍,聊点能落地的。 一、先分清产线指标…
上周有个市场部的朋友吐槽:片子上线三个月,想裁一版竖版投信息流,回头找乙方要素材,对方发来一个成片 MP4,附一句”工程文件太大不方便传”。最后只能重做一遍,钱花了两次,档期还耽误了。听着像服务态度问题,其实是交付标准压根没写进合同。这两年 AI广告片制作 把出片速度提上去之后,这类麻烦反而更多:一周能交几十版,可每一版到底交了什么、甲方能拿走什么、下次还能不能接着改,几乎没人提前说清楚。一套片子值不值钱,有一半藏在交付包里。 一、成片只是最上面那一层 传统流程里,交一个…
年末档期挤在一起,一个品牌一口气要出十几条适配版本,验收会上大家盯着屏幕挑画面:手有没有多一根指头、logo 有没有变形、光影对不对。画面如今确实能打了,可片子发出去,客户反馈里最常出现的一句反而是”感觉还差点意思”,又说不上来差在哪。我们复盘了几十条这样的返工,最后八成落在同一处——声音。AI广告片制作 把视觉门槛拉平之后,音频反倒成了最容易糊弄、也最容易露怯的一环。 一、”差点意思”多半是三件事没对齐 不是配音不好听,而是三样东西各说各话。第一…
年底一到,市场部开始收摊盘点:这一年投了多少条素材、花了多少预算、跑出几个爆款。但翻遍大多数品牌的复盘文档,素材那一栏基本只有”上线—消耗—下线”,投完就归档,下一轮又从零开始想创意。AI 把出片速度提上去之后,一周出几十版不是难事,可如果每一版为什么好、为什么差没人记下来,产能越高,浪费反而越快。今年我们陪几个客户把这件事重新捋了一遍,结论不复杂:AI广告制作 真正值钱的地方,不是一次能生成多少条,而是能不能把投放结果变成下一轮的起点。 一、素材复盘最容易停在̶…
“反正 AI 生成快,改几版都行”——这句话大概是项目里最容易失控的一句。快是真快,但改稿从来不是免费的:每多一轮,评审、对齐、重新审核、版本管理都要跟着走一遍。更有意思的是,AI广告片制作 把生成成本压得越低,改稿成本在总成本里的占比反而越高。这篇不谈怎么生成得更快,聊聊一轮改稿到底贵在哪、几版算合理,以及怎么把它写进报价,而不是留到最后扯皮。 一、改一版,动的从来不只是画面 很多人以为改稿就是重跑一次模型。实际上一版改动会连带触发一串动作:需求要重新对齐、主视觉变了下…
做了十几年片子,最怕收到的不是预算少的 brief,是那种把每个镜头都写死、连第几秒切一次都标好的 brief。传统 TVC 这么写没问题:拍摄是一次性的,前期定得越细,现场越不返工。但换成 AI广告制作,这套模板多半会翻车——不是写得不够细,是细错了地方。不该锁的锁死了,该说清的反而一句没提,最后几十个版本出来,没有一个能用。这篇聊的不是模板长什么样,而是 AI 片子的 brief 到底该把力气花在哪。 一、TVC 锁的是”结果”,AI 得锁”边界̶…
——以《我在阴间送外卖》为例探析产业变革 一、现象级案例:小团队撬动大流量由知了互动团队打造的AI短剧《我在阴间送外卖》(简称《送外卖》)以“3人团队+两个月周期”的极简配置,在小红书创下单集50万播放、总曝光100万的战绩。这背后映射的是一场席卷影视工业的AI革命:通过Stable Diffusion、Runway等工具,制作成本压缩90%,玄幻场景精度达像素级,虚拟演员实现24小时“零风险”创作8。正如中文在线AI动漫部总经理周立强所言:“AI已实现数周内生成完整动漫短剧,为二次元赛道开辟新…
2024年2月1日— 视觉灵动,一家在视觉技术领域处于领先地位的创新公司,近日成功举办了其2024年度年会。在这次盛会上,公司不仅重申了面对全球经济挑战时的坚定决心和创新策略,特别是在人工智能生成内容(AIGC)领域的深入探索和实践,同时也为员工提供了一系列丰富的活动,包括抽奖、发放奖金、赠送礼品、享受温泉和水果餐等,确保每位参与者都能在紧张的工作之余找到放松和快乐。 抓住未来,拥抱变革 视觉灵动CEO在年会上强调,尽管面对不确定的全球经济环境,公司仍然看到了成长和发展的机遇。特别是AIGC技术…
2024年1月24日,唐山市文化广电和旅游局主办的“畅游动漫盛宴,数字赋能未来”活动在唐山举行,吸引了来自业界专家学者、院校、企业以及动漫作者和从业人员等200余人的参与。活动围绕着动漫产业发展的话题展开,特别聚焦于人工智能生成内容(AIGC)对动漫产业带来的影响。 本次活动的圆桌会议上,视觉灵动创始人高鹏飞先生发表了关于AIGC对动漫产业未来的影响的重要讲话。他强调了AIGC技术在提高效率和降低成本方面的巨大潜力。高鹏飞先生提到了视觉灵动亲自进行的测试,在这个测试中,一个原本需要一个月制作的3…
视觉灵动创始人高鹏飞先生与联合创始人汪娜娜女士近期参加了金刀奖2023生机品效大会,与业界分享了视觉灵动在品牌建设方面的最新理念,其中关键的亮点之一是马晓波先生提到的「二元分流法」。 马晓波提到的二元分流法是品牌创新的新路径: 在会上,马晓波先生强调了「二元分流法」作为品牌创新的新路径。这一理念旨在在品牌发展中实现更为明确的方向选择,通过精准的分流策略,实现品牌与产品的双向推动。 核心思想概括: 明确分流方向: 二元分流法要求品牌在发展过程中明确分流方向,不再盲目广泛覆盖市场,而是通过精准的定位…
特仑苏×《一路前行》:让地球朋友圈所有人可见 近日,《一路前行》拍摄途中,胡歌与刘涛关于野外入厕要不要带走手纸的争执“吵”上了热搜,二人各执其词也各有道理,引发了网友热议,但本质上,辩论的出发点都是人与环境的和谐。就在前一阵,我司制作了一条特仑苏与《一路前行》的联合先导宣传片。 《一路前行》 1.项目背景与目标 作为一条冠名先导片,意在给电视节目预热的同时,增强品牌格调,并传达爱护环境保护野生动物的公益理念。 2.执行 影片通过纯素材剪辑的方式制作,乌兰布和当地的环境与生灵,有一部…
广告业遇冷,疫情已成隐形杀手!出片量下降的情节下依然拿了奖,还不错哦!给自己打气。 面对当前不景气的广告行业,我们迎难而上,保持乐观心态!疫情无法掌控,但我们可以积极应对。困境里培养创造力,让我们重新定义广告营销。不断创新,追逐现代消费者的需求,找到新的机遇。我们有信心在这个时刻出类拔萃。尽管疫情给广告行业带来挑战,但我们坚信,变革中蕴藏着无限的机遇。某些行业的需求可能减少,但社交媒体、线上购物等领域需求的快速增长也为广告业提供了新的天地。 与此同时,我们还应关注消费者的变化和需求的转变。加强线…
AIGC是挑战也是机遇可以说AI不是⻛口,它是革命!它是社会性事件,也是行业性事件。 AIGC是在PCG、UCG的基础上发展而来的,是一种新的创作模式,这种内容生产模式对于内容营销 来说既是挑战又是机遇。 1、改变内容生产关系,颠覆内容生产模式今年的AI发展速度是爆发式的,从ChatGPT开始,AIGC热度持续至今未曾消退,当然,也不可能消 退。很简单,因为这次的AI大模型,将完全改变大部分产业的生产方式,颠覆性的提高了我们的生 产力,也将彻底的改变了我们的生产关系。 2、AIGC迅速进化,改变…
举杯邀明月,灵动迎双节~如“月”而至,马上开盘! 舍得给赞助大礼盒 想怎么盘,就怎么盘!灵兔奔月,玩转灵感! 兔个开心,乐个美满!
近日,我们公司喜讯传来,荣获了备受行业关注的金瞳奖(China Content Marketing Awards)。自2011年创立至今,金瞳奖一直是广告制作内容营销领域商业价值认定的标杆奖项。这次的获奖既是对我们创意团队的认可,更是对我们一直以来坚持的内容营销理念的极大肯定。 金瞳奖以内容为核心,以不同媒介及内容创意为维度,全方位呈现了各类媒介所涉及的不同内容营销模式。这个奖项具有权威性、专业性,是业内对于内容创意和营销创新的高度认可。获得这个奖项,代表我们公司在TVC广告内容创意和商业营销方…
视觉灵动在年末自己设计了一套以“灵灵兔”为主题的文创限量礼品分发给了合作的朋友们深受大家的欢迎,同时还做了公众号的互动,选出幸运的评论者,将以这套礼包为奖品赠送给幸运的参与者,没有想到的时候大家评论非常的积极,很多人都写出了2023年自己的寄语。 imgSpider 采集中…
年底做明年规划,多数品牌会把预算、档期、渠道排得清清楚楚,却很少把「产线本身」翻出来看一遍。可过去这一年,生成模型换了两三轮,视频时长、一致性控制、口型同步的能力边界全变了,年初签的那套工作量和报价,很可能已经对不上现在的实际成本。更尴尬的是,有些团队是靠「一直没出问题」来判断供应商还行——但没出问题,有时候只是因为需求一直没升级。AI广告 这条产线最大的特点是底层工具半年一换,把它当传统制作那样一年一签就撒手,很容易在第二年发现产能和质感都被同行拉开了。 一、先分清:该复核的是供应商,还是模型…
年底盘资产的时候,最容易翻车的往往不是素材不够,而是素材太多、分不清哪条能投。一个季度跑下来,同一个卖点可能攒了三十个版本:竖版、横版、换过包装的、改过口播的、给不同渠道裁过的。等到投放同事去素材库里捞文件,看到的是「最终版_v3_改2_真的最终.mp4」这种名字,投错版本几乎是迟早的事。AI 把产能拉上来之后,AI广告制作 真正的瓶颈,已经从「能不能做出来」挪到了「能不能管得住」。这篇不聊生成,只聊量产之后那套不起眼、却救过很多次场的规矩:命名、版本、台账。 一、投错版本的代价比想象中大 很多…
每到年初,市场部复盘基本是同一套动作:拉投放数据、算 ROI、定明年预算。很少有人会把去年上线过的那批 AI广告 素材的授权文件翻出来重看一遍。可问题恰恰出在这儿——模型条款会更新、平台对合成内容的标注要求会收紧、供应商合同里的授权期限会到期,去年合规不等于今年还能接着用。我们见过最典型的坑,是一条跑了整整一年的高转化素材,年初被法务叫停下架,只因为配音授权是按自然年签的。合规不是”生成那一刻”的一次性动作,而是跟着素材生命周期走的一份台账;年初做一次全量年审,是性价比最…
一到年底,不少市场部要同时干两件事:定明年的新视觉,以及收拾今年攒下来的素材库。后者往往让人犯难——去年用 AI广告制作 批量跑出来的几百条片子、上千张图,换 Logo、换色板、换字体之后,是改一改接着用,还是干脆全部作废?很多团队图省事,直接把成片套个新色就上线,结果新旧视觉混在一起,投放出去自己都觉得别扭。我们的看法是:换视觉不是一次”改色工程”,而是一次资产重估。素材能不能留,不取决于文件打不打得开,而取决于它绑的是旧规则,还是可迁移的规则。 一、先分清哪些是资产,…
年底的结案会我听过不少,最常见的一页 PPT 长这样:全年产出 320 条素材、总播放 1.2 亿、爆款 6 条、成本同比下降 40%。老板点头,预算照批。可散会后你追一句”那明年该多做哪一类”,往往没人接得上。产能数字最好做,也最不指向决策。AI广告 把出片变便宜之后,”做了多少条”这件事基本失去了意义——一周几十版谁都做得到,真正该进结案报告的是另外几组数。今年陪几个客户重做年度复盘,我们把指标表整个换了一遍,聊点能落地的。 一、先分清产线指标…
上周有个市场部的朋友吐槽:片子上线三个月,想裁一版竖版投信息流,回头找乙方要素材,对方发来一个成片 MP4,附一句”工程文件太大不方便传”。最后只能重做一遍,钱花了两次,档期还耽误了。听着像服务态度问题,其实是交付标准压根没写进合同。这两年 AI广告片制作 把出片速度提上去之后,这类麻烦反而更多:一周能交几十版,可每一版到底交了什么、甲方能拿走什么、下次还能不能接着改,几乎没人提前说清楚。一套片子值不值钱,有一半藏在交付包里。 一、成片只是最上面那一层 传统流程里,交一个…
年末档期挤在一起,一个品牌一口气要出十几条适配版本,验收会上大家盯着屏幕挑画面:手有没有多一根指头、logo 有没有变形、光影对不对。画面如今确实能打了,可片子发出去,客户反馈里最常出现的一句反而是”感觉还差点意思”,又说不上来差在哪。我们复盘了几十条这样的返工,最后八成落在同一处——声音。AI广告片制作 把视觉门槛拉平之后,音频反倒成了最容易糊弄、也最容易露怯的一环。 一、”差点意思”多半是三件事没对齐 不是配音不好听,而是三样东西各说各话。第一…
年底一到,市场部开始收摊盘点:这一年投了多少条素材、花了多少预算、跑出几个爆款。但翻遍大多数品牌的复盘文档,素材那一栏基本只有”上线—消耗—下线”,投完就归档,下一轮又从零开始想创意。AI 把出片速度提上去之后,一周出几十版不是难事,可如果每一版为什么好、为什么差没人记下来,产能越高,浪费反而越快。今年我们陪几个客户把这件事重新捋了一遍,结论不复杂:AI广告制作 真正值钱的地方,不是一次能生成多少条,而是能不能把投放结果变成下一轮的起点。 一、素材复盘最容易停在̶…
“反正 AI 生成快,改几版都行”——这句话大概是项目里最容易失控的一句。快是真快,但改稿从来不是免费的:每多一轮,评审、对齐、重新审核、版本管理都要跟着走一遍。更有意思的是,AI广告片制作 把生成成本压得越低,改稿成本在总成本里的占比反而越高。这篇不谈怎么生成得更快,聊聊一轮改稿到底贵在哪、几版算合理,以及怎么把它写进报价,而不是留到最后扯皮。 一、改一版,动的从来不只是画面 很多人以为改稿就是重跑一次模型。实际上一版改动会连带触发一串动作:需求要重新对齐、主视觉变了下…
做了十几年片子,最怕收到的不是预算少的 brief,是那种把每个镜头都写死、连第几秒切一次都标好的 brief。传统 TVC 这么写没问题:拍摄是一次性的,前期定得越细,现场越不返工。但换成 AI广告制作,这套模板多半会翻车——不是写得不够细,是细错了地方。不该锁的锁死了,该说清的反而一句没提,最后几十个版本出来,没有一个能用。这篇聊的不是模板长什么样,而是 AI 片子的 brief 到底该把力气花在哪。 一、TVC 锁的是”结果”,AI 得锁”边界̶…
批量换背景不穿帮:光影匹配与边缘处理的检查清单 几百张产品图批量换背景,单张放大看都挺干净,一铺到详情页或信息流九宫格里就集体露馅:产品像贴纸浮在背景上,阴影方向各朝一边,玻璃和金属件里还留着旧背景的颜色,边缘一圈白边。问题往往不在”抠得不够干净”,而在抠完之后没做光照一致性。把这条链路拆开,穿帮点其实是可以逐项检查的。 第一步:先把”分割”和”合成”拆成两件事 换背景的完整链路是:拿到前景 alpha → 重新布光与投影 …
噪声调度是什么?加噪与去噪时间表对出图的影响 同一模型、同一提示词、同一 seed,只把采样器或”调度”换一下,出来的构图松紧、对比度、细节量都不一致;更反直觉的是,把步数从 25 加到 60,有时画面反而更平更软。很多人因此把”步数”当成画质旋钮,其实它是”沿哪条路线、用几个点走完”的问题。要弄清这件事,得先看清噪声是怎么被安排进去、又怎么被一步步拿掉的。 第一步:前向加噪是一条事先定好的路线 训练扩散模型时,先把干净图 …
AI 出图为什么偏爱三分构图?训练数据里的审美偏置 一个很容易复现的现象:不写任何构图要求,只给”一杯咖啡放在木桌上”这样的提示词,连出十张,主体几乎都落在画面左三分之一或右三分之一处,背景虚化,光从侧后方来,上方留出一片干净的天或墙。想要严格的居中对称、正俯拍平铺、或者硬顶光,反复加词也很难压住。有人把它归结为”模型有审美”,其实方向反了——它恰恰没有审美,只是把见过的照片取了平均。 “模型默认构图”这件事,拆开看是四层叠…
开源文生图模型怎么选?SDXL / Flux / SD3 的对照维度 一个特别常见的场景:团队准备把文生图接进自己的产线,打开模型社区一看,SDXL、Flux、SD3 三个名字各有拥护者,评分榜上分数也咬得很紧。随便挑一个跑通了 demo,等真正批量出图才发现——有的提示词怎么写都不听话,有的显存直接爆掉,还有的商用许可根本不允许用在客户项目里。 “哪个模型最好”其实是个错问题。这三个模型的差别不在谁更强,而在底层架构不同,导致它们各自擅长的事、吃的资源、能配的插件都不一…
一张图扩成整支片:首帧/尾帧控制的实操参数 做 AI 视频的人几乎都试过这件事:手里有一张特别满意的产品图或分镜图,想让它”动起来”扩成一支几秒的片子。于是把图丢进图生视频模型,点生成,结果要么画面几乎不动、像张会轻微呼吸的静图,要么人物五秒不到就变了张脸、镜头自己乱飘。 还有个更具体的困惑:明明给了首帧和尾帧两张图,希望模型把中间补成一段顺滑过渡,出来的却是硬生生一跳,或者首尾两张脸根本对不上。 这些问题的答案,藏在”条件帧是怎么被喂给模型的”这…
为什么高分辨率直接出图会”双头”?位置编码与分辨率外推 很多人用过这样一个操作:出了一张 1024×1024 的图,觉得不够清晰,就把参数里的宽高一齐拉到 2048×2048,想”直接出张大图”。结果画面里冒出两个头、三条腿,或者同一个人被复制成并排两个,构图也裂成几块互不搭界的东西。 困惑常被归结为”模型抽风”,但这其实是可精确解释、也能绕开的技术现象,牵涉训练分辨率、位置编码和注意力三件事。拆清楚它们,就知道大图该怎么出…
扩散模型与自回归模型出图差在哪?两条路线对照 同样一句提示词,有的模型出图偏慢但光影和谐、材质自然;有的出图很快、局部精准,却偶尔冒出”拼贴感”,某一块纹理突然重复、结构断掉;还有些能一边出图一边把招牌上的字写对。很多人归为”模型大小”或”训练够不够”,其实更根本的原因是:它们走的是两条完全不同的生成路线。 第一步:根本区别是”同时改”还是”排队生成” 扩散(diffusion…
换模型后提示词为什么全废了?可迁移性拆解 在一个模型上磨了半天的提示词,换到新模型(甚至只升了个小版本),整段突然失灵:构图跑偏、风格不对、权重词没反应,越补细节越差。第一反应常是”新模型不行”,但更准确的说法是——提示词从来就不是一份能到处运行的脚本。 第一步:提示词不是指令,是”坐标” 模型不解析语法,也不执行指令。文本编码器把整段提示词压成一个条件向量(conditioning),扩散过程每一步拿它当导航方向,判断”这里该往哪去噪…
批量出图怎么自动筛废片?CLIP 打分加规则过滤的实操 一次跑 500 张图,最耗人的往往不是生成,而是挑图。人工一张张翻到眼花,凭手感挑还容易漏掉明显崩坏的那几张;想写个脚本自动筛,却卡在一个很朴素的问题上——”好不好看”没法写进 if 判断里。 但其实批量筛废片不需要让程序懂审美。工程上真正可行的做法,是把”废片”拆成两类可以计算的东西:语义上跑没跑题,和画面上有没有硬伤。前者交给 CLIP 打分,后者交给一组确定性规则。两级流水线搭起来,人工…
光流是什么?为什么 AI 视频一运镜就糊 用 AI 生成视频的人几乎都撞过这堵墙:静止镜头干净稳定,一加推拉摇移,边缘立刻拉丝、拖影,前景背景像被融在一起,快速横摇时整帧糊成一片。很多人以为是”模型不擅长运镜”,把提示词改来改去也没用。 真正的原因藏在视频模型处理时间的方式里。要讲清它,得先讲一个比”运镜”更基础的概念——光流。 第一步:光流是”每个像素往哪走”,不是模糊 光流(optical flow)描述相邻两帧之间,每…