缺陷与优势：AI 视频生成的真实边界

本章客观盘点当前 AI 视频生成的能力边界（截至 2026 年 9 月）。每个缺陷标注它是"工程问题"（有绕行方案）还是"架构问题"（短期无解），这决定了你应该绕开它还是等它进化。

1. 当前主要缺陷

① 时长限制（架构问题，缓慢改善中）

表现：消费级产品单段普遍 5~15 秒（2026 年旗舰上限已抬至 15~30 秒——即梦 Seedance 2.5 的 30 秒单镜头即属少数特例）。一集 90 秒的漫剧意味着 15~25 段素材的拼接——想"一镜到底生成一整集"，当前没有任何消费级产品做得到。

根因：Transformer 注意力成本随时长平方级增长——时长翻 3 倍，注意力开销翻 9 倍（数字演算见技术原理）。"缓慢改善"的原因是各家在用稀疏注意力、MoE 等工程手段压低常数，但平方律的底数仍在。

绕行方案：短镜头拼接本来就是影视语言——漫剧单镜头 3~6 秒，与模型甜区天然吻合。这是漫剧赛道"因祸得福"的地方。

② 一致性漂移（架构问题，工程可大幅缓解）

表现：第 3 集里角色的发色比第 1 集浅了一度、标志配饰在第 8 个镜头凭空消失、同一角色的脸在两个相邻镜头里"胖瘦不同"——新手的前 20 个镜头几乎必遇到其中至少一种。

根因：每段视频独立采样，模型自身无角色记忆（机制见角色一致性·问题定义）——你两次输入"黑发眼镜男性"，它只是在训练分布里各自采样了一个"黑发眼镜男性"，恰好长得像而已。平台的参考图/元素绑定功能是工程缓解而非模型级记忆，漂移是默认行为，一致是工程的结果。

绕行方案：三层防御工事——资产层（定妆照/三视图/表情差分，见图像资产）、生成层（参考图绑定 + LoRA + 首尾帧 + 开源本地，四条路线见角色一致性）、验收层（出图与抽卡两道验收清单）。工程组合可把一致性做到可商用水平——但它是"工程结果"而非"模型能力"，需要投入工作流建设。

③ 物理合理性与复杂动作（架构问题）

表现：高速运动时肢体"果冻化"、拥抱/打斗等多人肢体接触时两人"融合"、手部精细动作（写字、系扣）关节反折、大幅度透视变化时空间穿帮。视频生成章的"降预期清单"就是这份清单的实战版。

根因：模型学的是视觉统计规律，不是物理模拟——它不知道"手肘不能反向弯"，只知道训练数据里手肘"通常长什么样"。统计规律在常见姿态上可靠，在少见的高动态姿态上就会"照猫画虎"。

绕行方案：分镜阶段规避（换角度、切反应镜头、剪影化处理）；动作拆小 + 首尾帧锁两端姿态（预备-动作-结果三镜法）；仍不过则静帧化（视频生成·抽卡决策树）。

④ 精细可控性（部分架构、部分工程）

表现：微表情"皮笑肉不笑"、情绪层次单一（怒只有瞪眼一种怒法）、口型同步只在简单场景可控（单人正面、平缓情绪——多人对话、情绪化口型、与指定配音逐字严格对齐仍不可靠）、精确到帧的调度做不到。你给模型的指令是"帧级模糊"的——你只能描述"要什么"，不能逐帧指定"第 12 帧手到哪"。

根因：两条叠加——扩散采样的随机本质（每次生成都是一次"大致符合描述"的采样，而非精确执行）；以及恐怖谷效应：真人面孔的细微瑕疵会被观众无限放大（恐怖谷：仿真度越接近真人，观众对残存瑕疵越敏感的心理曲线）。

漫剧为什么免疫：二次元画风本身就是高度风格化的抽象——观众对"漫画角色表情简化"有天然的阅读宽容度。这就是教程主攻漫剧的底层逻辑：选一个让 AI 短板不致命的题材形态。

绕行方案：口型同步走双路线选型（批量纯面部近景走后期对口型；镜头未生成、要表情/头部联动走音频驱动——见配音 / 音效 / 配乐对口型环节）；帧级调度做不到就不赌单镜复杂调度——用镜头语言代偿（短镜快切、反应镜头、静帧化，见分镜与表演设计）。

⑤ 文字与小细节渲染（工程问题）

表现：画面里的招牌小字极易成"像字的乱码"（2026 年图像模型的文字渲染已大幅改善，但视频内文字仍是短板）、系统面板文字扭曲、细密纹理（发丝、织物花纹）糊成一片。

根因：VAE 压缩-解压链路中，每个 latent 点要概括 8×8=64 个像素，高频细节被平均后靠"脑补"还原——文字形状独一无二，脑补必败（数字演算见技术原理·压缩率演算）。

绕行方案：分镜时避免让关键剧情依赖画面内文字——信息镜头（系统面板/聊天记录）画面只生成背景，文字一律剪辑阶段贴图叠加；字幕全部后期加。

⑥ 版权与合规风险（外部约束）

• 训练数据版权争议全球未决（如 Suno 与唱片公司诉讼 2024 年立案后和解与授权谈判持续推进，状态以最新报道为准【媒体报道口径】）；
• 国内《人工智能生成合成内容标识办法》2025 年 9 月 1 日施行，标识是义务不是选项（三层监管框架详见调研报告 §3.1）；
• 《微短剧发展管理办法》2026 年 9 月 1 日施行，AI 微短剧"先备案后上线"——个人小体量作品走平台播前审核通道并标注节目编号即可，分级细则见调研报告第三章；
• 平台治理趋严：2026 年 4 月平台整治启动后，半个月内超 3000 家中小工作室倒闭注销；红果等平台自 2026 年 4 月起对漫剧实施更严格的整剧立意导向审核（见调研报告 §1.2 与 §3.2）。

应对：从第一部作品就养成合规习惯（清单见发布与运营）；创作过程留档（提示词版本、修图记录、剪辑工程文件）——它们是版权认定的创作证据链。

⑦ 成本不确定性（商业环境）

表现：平台调价频繁（如即梦 2026-04 三连涨、前三季度多次调价、会员积分额度缩水【媒体多源：蓝鲸/财联社/搜狐科技，2026-04——事件详情见预算表·即梦决策卡】）——上月做的预算表，这月可能就要重算。

应对：成本核算方法（预算表）比具体价格更重要——记住"单镜头成本 = 单价 × 重抽率"的公式，价格变了换参数即可；别把全部产能押在单一平台上（主力 + 备用的双工具组合，见视频生成·工具选择）。

2. 当前核心优势

① 成本：制作成本降一个数量级

行业口径（2025~2026，精度有限）：传统动态漫约 800~5000 元/分钟，AI 漫剧约 500~2500 元/分钟（商业化团队口径；个人学习期边际成本可低至数十元级/分钟——预算表演示约 84 元/分钟（按 80 秒成片折算），核算方法见成本核算），且随工具降价继续下探（行业成本口径详见调研报告 §4.1；分钟价各口径差异见对比章注二）。详细对比见下一章。

成本降在哪：传统管线的成本大头是人力（原画按张计费、动效按秒计费）与设备场地；AI 管线把它们换成了积分——一张原画从"画师半天"变成"0.4 元级的一次生成"（档位与含重抽的演算见图像资产生产，约 1 元/张的期望成本）。人力没有消失，而是集中到了"验收与判断"上（这也是混合模式章的分工逻辑）。

② 速度：天级而非周级

传统动态漫约 7~10 人天/分钟，AI 漫剧约 1~2 人天/分钟（全流程口径，含抽卡修整与剪辑；个人顺产约 0.5 人天/分钟，口径分层见对比章注三——行业周期与团队规模的数量级变化详见调研报告 §4.1）。题材热点可以当周跟进——这在传统管线里不可想象：等传统管线做完，热点已经凉了三周。速度优势的深层价值是试错权：一个月可以完整测试 2~3 个题材方向，用数据而不是猜测决定押注哪个。

③ 单人可行性

1~3 人即可闭环全流程（本教程的目标就是 1 人）。传统动态漫至少需要原画/分镜/动效/配音的 4 人小组。对照看：AI 把"团队协作成本"（沟通、等待、风格统一、外包管理）一并抹掉了——单人管线里，风格统一靠画风模板而不是开会对齐。

④ 对风格化内容的宽容度

如前文缺陷④所述：漫剧观众要的是"角色对、情绪到、节奏爽"，不是"每一帧都像照片"。AI 的短板（精细表演）恰好是漫剧观众最不在意的维度，AI 的长板（风格化画面量产）恰好是漫剧的核心需求。供需匹配，这是赛道选择的全部秘密。

⑤ 迭代成本趋近于零

实拍改一个镜头要重召集演员场地；AI 改一个镜头只是重抽一条 + 几分钟。这让"数据反馈 → 快速改片"的运营闭环成为可能：发布后 48 小时数据显示 5 秒留存低，当天就可以只重制开头 2 个镜头（成本几十元）换封面重发——传统管线里这种响应速度不存在（运营打法见发布与运营）。

3. 写实短剧：当前为什么不行

写实 AI 短剧（真人风格）的短板集中在：表演细腻度、口型同步自然度、多镜头人物一致性，三者都指向"恐怖谷"——越像真人，观众对瑕疵越敏感。

用恐怖谷曲线理解三条赛道的位置：

• 漫剧：离真人远（高度风格化），根本不在谷区——观众用"读漫画"的预期观看；
• 写实 AI 短剧：正卡在谷底——像真人 90%，剩下 10% 的瑕疵（眼神呆滞、口型错位、皮肤质感塑料感）被观众的本能全部抓住；
• 真人实拍：在曲线的另一端山顶，没有可比项。

判断"某新模型是否让写实短剧可行了"的验收标准不是官方演示片，而是三道题（对应缺陷②④）：① 同一演员跨 10 个镜头的脸是否漂移；② 30 秒连续对话的口型与微表情是否自然；③ 双人对话戏的视线与反应是否接得住。三道全过，再谈赛道重议。

注意区分"行业起量"与"单人可行"：行业层面，AI 仿真人短剧 2025 年市场规模已破百亿、2026 年初平台榜单占比快速蹿升（数据见调研报告 §2.2）——但那一波起量由机构产能与平台保底补贴驱动，2026 年中补贴转向后已急刹（见报告 §5.1）。对单人创作者，恐怖谷、品控成本、政策依赖三道命门并没有因此改变，上面的三道题仍是你的入场闸。

当前行业里写实方向的可行形态是 "AI+实拍"混合（见混合模式），纯 AI 写实短剧尚不构成单人可行的赛道。

记住这张判断矩阵

技术演进会不断移动这些边界。判断一个新模型"能不能改变现状"时，用本章的缺陷清单逐项对照——这比看宣传视频可靠得多。官方演示片是"万里挑一的成品"，你的验收标准应该是"稳定量产的下限"。