告別“剪映模式”：一位前字節負責人對 AI 視頻產品的終極思考

短視頻平臺把創作門檻壓進手機屏幕，完成了一次“即創即消”的效率革命。

生成式 AI 的到來，則正在把視頻創作從“操作工具”，推向“直接表達想象”。

從“現實切片”走向“虛擬構建”，創作范式正在換擋。站在這個轉折點上，前字節跳動智能創作工程與研發負責人黃嚴，給出了自己的答案。

今年10月，他創辦的 ArtArch 發布了首款產品——Skira。在Skira中，復雜的剪輯與編排被封裝成“玩法”（Gameplay）。用戶只需輸入簡單指令或素材，就能調用底層能力，一鍵生成爆款作品。

Skira 的目標只有一個：讓 AI 創作真正走向平權，實現“所想即所得”。

2025 年初，ArtArch 已完成種子輪融資，投資方包括錦秋基金、九合創投和 BV 百度風投。

從即創即消，到所想即所得

硅基君：Skira的核心定位是什么？

黃嚴：我們想做的是一個AI Native（AI原生）的創作者社區。

以前的創作叫 NLE（Non-Linear Editing，非線性編輯）。無論是 Photoshop，還是手機時代的剪映、快手，本質都是NLE——基于軌道、圖層進行編輯。

NLE 時代有三個角色：需求方（甲方）、設計師（操作者）、工具。這導致創作門檻很高，你需要先學工具。短視頻時代把 NLE 搬到了手機上，同時加強了分發能力，實現了“即創即消”，大大加速了循環。

但AI Native 時代，由于 AI 拓展了從現實到虛擬的想象力空間，過去的創作更多基于現實，而現在創作空間可以完全基于一個想象的虛擬空間，比如爆改甄嬛。一個服務于現實，一個服務于想象力。

而且，現在我們不再需要一個專門學工具的“設計師”角色，工具可以直接服務于“想象力”。我們做的 Image Engine（想象力引擎），就是要讓創作平權，即所想即所得。

硅基君：具體的變革體現在哪里？

黃嚴：以前我們拍片子，原素材必須來自現實（拍攝），后期再去拼接。現在，任何素材都可以由AI 生成或加持。本質變了：從“如何操作工具”轉變為“如何拆解創意”。

為了讓創作更順滑，我們把創作過程變成了一套Workflow（工作流）。

第一步，讓AI先理解創作者的“語境”與“世界觀”。創作者心里其實有畫面、有情緒、有氛圍，但用語言說出來就困難。

AI 要解決的是：讓機器理解“創作者真正想表達的內容”，而不是理解字面意思。這是整個系統最重要的一步。這就是他們說的 “所想即所得”。

第二步，用AI 把“想法”轉成結構化的創作藍圖。比如拍一個 30 秒短片，傳統流程包含：劇本結構、分鏡、主體角色、背景轉場、特效聲音、音樂節奏、剪輯。

這些原本需要專業團隊逐步完成的環節，現在在系統里是“一盤棋”編排的。你可以像編輯思維導圖一樣調整每個步驟。

硅基君：能不能展開講講用Skira和直接用視頻模型有什么區別？

黃嚴：區別在于表現力，而這背后就是“理解語境”能力的差異。大模型生成的視頻往往是“千人一面”的，它理解的是概率上的共識。

但創作往往需要“特異性”。比如，編劇寫劇本：“一個男人回家，快速劃掉手機屏幕。”這一句話就暗示了出軌、緊張、心虛，這是語境。

如果你直接把這句話給大模型，它可能就真生成一個男人劃手機，平鋪直敘。我們的系統里有導演Agent。它會理解這個語境，然后設計分鏡：

鏡頭A：特寫男人的汗珠。

鏡頭B：手機屏幕的特寫，手指慌亂的動作。

配合心跳聲的音效、昏暗的濾鏡。這就是我們做的：把“語境”翻譯成具有表現力的“視聽語言”，而不僅僅是生成一個畫面，用最大化的表現方式去擊中觀眾。

硅基君：聽起來很厲害，從技術上是怎么實現的？

黃嚴：我們底層構建了一套Image DSL（領域特定語言）。你可以理解為，我們為視頻創作發明了一套編程語言。

這套語言里包含了生成類、主體類、渲染類、特效類等各種定義。通過這套語言，我們把一個感性的“劇本”，編譯成了一套可執行的計算機程序。

在這個架構之上，我們有執行工作流的Agent 引擎。這里面有不同的 Agent 角色：

編劇Agent： 理解你的意圖，生成世界觀和敘事結構。

導演Agent： 負責分鏡設計、鏡頭調度。

演員Agent： 負責角色的演繹和互動。

最上層是玩法引擎。玩法可以理解為一種特定剪輯方式，比如A/B Transfer（轉場特效）或者比較火AI寵物視頻。

我們把這些復雜的編排封裝成“玩法”（Gameplay），用戶只需要輸入簡單的指令或圖片，就能調用這套復雜的底層能力。

硅基君：這里的Agent，具體是如何工作的，比如編劇 Agent？

黃嚴：每個Agent 都有獨特的 ID 和背后的領域知識庫，不僅僅是靠 Prompt 驅動。在訓練過程中，也會通過強化學習，根據反饋（這個生成得好不好）來更新自己的策略。

硅基君：如果未來視頻大模型（如Sora）變強了，還需要這套工程架構嗎？

黃嚴：這涉及到一個核心判斷：大模型變強，能解決局部復雜度，但解決不了整體創作的復雜度。

舉個例子，主體保持（Consistency） 目前大模型做得還不夠好。為了讓一個角色在不同鏡頭里長得一樣，我需要在模型周圍打很多“補丁”，用工程化手段（比如特有的渲染引擎、LoRA等）去約束它。

如果大模型變強了，這部分工作會被簡化。但是，人的審美天花板永遠在提升。就像小時候看《大鬧天宮》覺得很牛，現在覺得太簡單了。當模型能力提升，人類會要求更復雜的敘事、更精細的控制（比如希區柯克式變焦、蒙太奇剪輯）。

所以，工程架構是連接“人類無限的復雜想象力”和“模型有限的能力”之間的橋梁。這種沉淀下來的系統設計能力，才是壁壘。

硅基君：所以，工程也是一種壁壘？

黃嚴：短期來看，工程不是壁壘，工程師只是負責實現。工具本身可以很快做出來。

長期來看，隨著時間積累，構建起來的這套體系和沉淀會成為壁壘。只有當系統跑起來，隨著服務的人群越來越廣、時間越來越長、場景越來越復雜，你沉淀下來的那套“如何支持復雜創作”的經驗，才是真正的技術核心。

剪映之外：一個面向“表達”的 AI 原生創作社區

硅基君：Skira的用戶是誰？

黃嚴：我們把用戶分為兩層，形成一個對流：

P層（Producers，制作人）： 技術流大神、藝術家。他們懂鏡頭、懂審美、甚至懂一點技術。他們利用我們的底層工具（DSL、工作流）去創作“玩法”和“模版”。

C層（Creators，普通創作者）： 大眾用戶。他們有表達欲，但不想學復雜工具。他們直接使用 P 層創造的“玩法”，上傳自己的照片或素材，快速生成高質量內容。

我們作為平臺，連接這兩端,讓大家的思想、創意流轉起來。

硅基君:怎么實現這種流轉？

黃嚴：核心在于平臺如何分配利益，我們通過“收益流轉”來解決這個問題。

平臺會給制作人提供收益：越多人使用你開發的“玩法”，你就能拿到越多的收益。

1. 經濟收益：包括平臺的基礎點數（Credit），以及未來的分傭分成。

2. 聲譽歸屬：這個玩法是屬于該制作人的，他的 Profile（個人主頁）會展示這些成就。

所以，無論是制作人還是C 端用戶，他們都在同一個社群里。制作人通過提供玩法獲得分成和聲譽，大眾通過使用玩法獲得流量和表達。平臺則作為一個放大器，讓熱點和創意在兩者之間高效流轉。

硅基君：目前，這個創作者群體夠大嗎？

黃嚴：AI硬核創作者是小眾的，但“泛創作者”（發抖音、做號的人）體量已經很大了。這些泛創作者沒有平臺忠誠度，哪里能幫他們“快、好、追熱點”，他們就去哪里。

硅基君：Skira的付費模式是什么？

黃嚴：C端為算力付費，為高級玩法付費。P 端則為創作工具付費，但目前更多是不僅不付費，我們還會給他們分成，因為他們是生態的供給方。

硅基君：在Skira上，有哪些內容會比較火？

黃嚴：從我觀察來說，目前主要有三類內容比較火：

一類是AI萌寵類：擬人化的寵物內容；第二類是AI Me（AI自我）： 平行世界的變裝、風格化，展示“外人眼中的我”；第三輪是虛幻/IP共創：基于某種IP或意識形態的延展（比如基于《甄嬛傳》或《三國》改出的幽默/奇怪劇情）。

硅基君：這些火了的“玩法”，如果大平臺復刻，我們的護城河在哪？

黃嚴：第一，供給的多樣性，比如“瘋狂動物城”熱點，抖音上可能只有 2-3 種官方玩法，但我們平臺上有海量制作人提供各種不同的風格。

第二，交互形式的演進。“玩法”不僅僅是模板，還在進化出新的交互形式。比如，用戶與 AI IP 的互動（@某個角色）、合拍、共創。這些帶有社交屬性的新玩法，大平臺不一定能迅速兼容或覆蓋。

第三，定位的不同。大平臺需要關注最廣大基數用戶的基本訴求（如剪輯工具的易用性）。而我們可以作為一個創作社區，專注于創作范式和玩法的獨立演變，把我們作為“生產端”，大平臺作為“分發/消費端”。我們是連接的橋梁，不完全沖突。

硅基君：市面上很多AI公司也在做“一站式創作平臺”，Skira和他們的差異在哪里？

黃嚴：“一站式”是行業趨勢，大家都在往自動化方向走。但我們的本質區別在于對“創作”本身的理解深度。

我們不僅僅是做自動化，而是深入到創作者語境、元素拆解、表現力合成。如果只是單純的工程自動化，做出來的東西往往“牛頭不對馬嘴”，缺乏靈魂。

硅基君：作為一個AI產品，您最關心的指標是什么？

黃嚴：是創作量，或者叫Creation DAU（日均創作用戶數）。這是一個基于工具演化出的創作社區，最核心的是大家來這里產生創作行為。如果用戶來了只是看而不創作，那他們應該去消費社區（如抖音/小紅書）。

硅基君：關于用戶心智（User Mindset），比如提到剪映大家就想到“剪輯”。你們希望占據什么樣戶心智？

黃嚴：如果用一句話概括，Skira 是一個以“表達”為起點的 AI 原生創作社區。

當用戶腦子里出現一個畫面、一個情緒、一個想法，卻不知道該怎么把它變成內容時，他會想到 Skira。Skira核心的Slogan就是“Worlds in your mind”

文/林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。