看完《牛来》，我们建议做视频都用AI先建个模|摄像机|摄影机|牛来|镜头

作者 | Kino

编辑 | 张洁

刚刚过去的这个周末，社交媒体被一部名叫《牛来》的动画电影刷屏了。

这部由一对母子花5年时间手搓的动画，凭借极致的粗糙引发大众玩梗，在海内外爆火出圈，票房从7169元一路冲到千万。

AI创作者迅速掀起《牛来》二创热潮。短短两天出现《猫来》《龙来》《狗来》……总之什么都能来，甚至还有《凡牛修仙传》《美人牛的夏天》。

更为反差的是，这部正式登陆院线的动画电影，据传制作成本只有1680元。相比之下，一些追求影视级画质、复杂运镜和精品化叙事的AI短片，1分钟的算力成本可能就达2000元。

为什么用AI反而更贵呢？这背后最核心最不可控的隐性成本其实在于：抽卡。

虽然现在AI视频模型能力越来越强，但可控性依然是AI视频创作中最突出的痛点。创作者对镜头的控制很大程度仍依赖反复生成，也就是我们常说的“抽卡”。

很多时候，即便创作者脑海里已经有明确画面感，纯文本提示词和静态参考图也很难精确传达空间布局、人物位置、镜头运动轨迹。最后只能通过不断生成、调整提示词来逼近想要的结果。

但就在今天，AI视频创作平台updream上线了一个新功能“预演台”，预估可以降低80%以上的抽卡次数。

简单来说，只要在预演台里上传场景参考图，就能快速生成高还原度的3D白模场景。你可以直接在预演台控制镜头和人物运动，让模型参考其中的空间结构和运动关系渲染视频，从而提高视频生成的可控性，减少无效抽卡。

也就是说，过去只能用提示词“告诉模型怎么拍”，现在可以先把镜头“拍出来”，给模型当动态空间参考。

官方示例视频

看起来的确很有吸引力，但实际使用中真能达到这样的效果吗？增加一道白模预演能在多大程度上提高可控性？生成的白模能否准确还原场景？最终成片又能在多大程度上遵循预设的运镜和人物走位？带着这些疑问和好奇，我们第一时间体验了updream预演台。

在生成视频之前，

先“拍”给AI看一遍

其实，白模预演本身并不是updream发明的新方法。

传统影视行业在正式拍摄前会做Previs（预演），用低精度建模来验证机位、构图、人物走位和空间调度。专业创作者也可以用Blender搭建白模、录制摄像机运动。或者通过ComfyUI、ControlNet等工作流，用深度图控制生成。

这些方法都已经验证了白模参考的有效性，但学习和操作门槛都比较高，需要掌握3D建模软件或节点工作流，不适合大多数普通AI视频创作者。

而updream预演台主打的是不需要学建模，也能使用白模实现镜头预演。当然，对于第一次接触3D视图的创作者来说，调整视角、摆放机位和绘制运动路径可能仍然需要适应。

我们先打开updream官网，新建一个项目，右键选择“新建预演台”。

进入预演台后，点击右上角的“创建场景”上传1-3张参考图，系统就会分析图片中的空间结构，将原本的二维画面转化成一个带有纵深关系的3D白模场景。

第一组测试我上传了两张韦斯·安德森风格的场景参考图：

生成的白模基本还原了参考图中的整体空间结构，包括主要家具的位置、物品大小比例以及前后景层次：

场景白模

有了这个3D场景之后，就可以在其中添加人物和摄像机了。你还可以自定义人物的体型（纤细、健硕）、身高、姿势（自然站立、坐姿、行走、跑步等）。摄影机则提供焦距、定焦和变焦等基础设置。

这是预演台最能让人过“导演瘾”的地方，你可以决定人物怎么走、摄像机放在哪里，镜头怎么移动，整个过程很接近导演在虚拟片场中进行勘景和调度。

在这个空间中，人物运动和机位运动都可以通过绘制运动轨迹来设计。原本需要在提示词里描述的推、拉、摇、移、跟，现在都可以在可视化空间中直接完成。

这里我设计了一个包含跟随抬升和环绕的连续镜头：开场从贴近地面的人物脚部后方特写开始，摄影机跟随人物向前移动，同时逐渐抬升至背部中景。随后镜头沿半弧形路径从人物后侧面绕到正前方，最终停在人物的正面近景。

预演完成后，点击右上角的“录制”，系统会输出一条动画视频，并将其自动保存到updream画布的下游节点。

接下来再配合文字提示词、人物参考图和场景参考图，就可以让视频模型在白模所提供的空间和运动框架上完成最终渲染。

提示词：一位金发女性穿着粉色复古连衣裙和同色小礼帽，走进房间。开场镜头贴近地面从她的脚部后方特写开始，低机位跟随她向前迈步，同时镜头缓慢抬升到她的背部中景。随后镜头从她的侧边平滑地半弧形环绕到正前方，女人露出优雅的微笑。画面保持韦斯·安德森式对称构图、明亮黄色墙壁、薄荷绿家具和精致复古室内美术风格。人物始终为同一位女性，服装、发型和帽子保持一致。

从实际生成结果来看，最终成片基本沿用了白模预演的镜头结构。虽然我手动绘制的轨迹稍显生硬，但成片的运镜相当丝滑流畅。与此同时，室内的色彩、光影、人物表情和服装细节，则主要由参考图、提示词和视频模型Seedance 2.5共同完成。

有白模预演

这也说明了白模和AI视频生成模型之间的分工：白模负责规定镜头从哪里开始、向哪里移动，以及人物与空间保持怎样的关系。模型则在这套结构之上补充视觉风格和人物表演细节。

作为对照，我们又在提示词、参考图和视频模型均保持一致的情况下，去掉白模预演重新生成了一次，结果只有开场的运镜是正确的，运镜和人物朝向都是错的。

无白模预演

第二组测试，我们进一步增加了镜头结构的复杂度。这一次的灵感来自电影《爱乐之城》中女主和朋友在街头起舞的经典场面：

提示词：蓝调时刻，一条宽阔、空旷的复古洛杉矶街道延伸至远方。镜头先横移跟随身穿明黄色无袖连衣裙、黄色高跟鞋的女主从街道左侧跑到道路中央，然后镜头切换为垂直俯拍，女主在原地轻盈流畅的旋转起舞。随后镜头切换至正面视角，女主迈着爵士舞步踩着节拍向前，左右扬裙，环绕镜头。

相比第一组测试，这一案例需要控制的不只是一条摄影机轨迹，还包括不同机位的先后顺序、切换时机，以及人物动作在镜头切换前后的连续性。

场景参考图

白模预演

最终成片基本复现了白模预演的镜头结构，运镜、人物在画面中的运动方向和速度，以及镜头切换的大致节点，都与白模保持一致。

不过，白模预演控制的是人物的运动路径和摄影机视角，并不负责设计具体舞步。人物的具体姿态依然依赖提示词的限定和模型的理解。

第三组测试的难度进一步提高，不仅运镜更加复杂，还加入了双人互动演绎。

提示词：冬天的北海道，天地被厚厚的积雪覆盖。女主站在电话亭中拨打电话，话筒里传来无人接听的等待音。她神色凝重地说「出て……お願い、早く出て……」寂静的雪原上突然传来汽车引擎声。她猛地向左转头，停顿了一下，挂断电话，然后推开电话亭的门，镜头向右转向跟随她踩着积雪跑向马路边上，她奋力挥舞双臂，大声呼喊：「すみません！止まってください！」镜头切换至女孩正面，她的身后是电话亭。镜头顺着她的视线摇向驶来的一辆亮着暖黄色车灯的轿车，镜头切换至车内视角，驾驶座上是一位年轻英俊的日本男人。他缓缓把车停在女孩面前，摇下覆着薄霜的车窗，关切地问：「どうしたんですか？大丈夫ですか？」

在白模预演阶段，我们主要确定了初始镜头构图，以及女主从电话亭推门离开，跑向公路并挥手拦车的运动路线。其他内容并没有全部制作成白模，而是交给模型根据提示词补全。