文本描述AI视频镜头，常常像在黑暗中摸索。你想让角色从左侧入画、镜头缓缓推近，写出来的提示词却总差一口气。CozyClay换了个思路：先在一个基于WebAssembly的3D编辑器里把场景搭好，再让AI照着拍。

把“猜提示词”变成“摆场景”

CozyClay的核心逻辑很直接。用户可以在3D空间中直接摆放角色位置、调整姿势、规划相机轨迹和光影，而不是反复修改一段模糊的文本描述。拖动滑块就能精确设置相机高度，预览窗口里立刻看到效果。这种可视化操作，把原本难以言说的镜头语言变成了看得见、拖得动的实体。

预演完成后，工具会把整个3D场景导出为可执行的提示指令。这些指令可以直接喂给AI视频模型，也可以与Claude等AI助手集成，让生成结果更贴近用户原本的设想。对经常和AI视频打交道的创作者来说，省下的不只是时间，还有大量试错成本。

轻量但可扩展的编辑体验

CozyClay的界面保持简洁，用户可以轻松加载、操作和导出场景。它没有堆砌复杂功能，而是把重点放在“摆好场景—导出提示—生成视频”这条最短路径上。同时，与外部服务的深度集成让它具备不错的扩展空间，可以作为一个灵活的AI辅助工具嵌入现有工作流。

从文本猜镜头，到3D预演定镜头，CozyClay解决的其实是AI视频生成里最实际的一个痛点：精确控制。当提示词不再靠猜，生成结果的可控性自然就上了一个台阶。