可灵观察②｜用可灵重现《霸王别姬》：电影感足了，复杂叙事如何更稳？

36氪AI测评*·*2026年08月03日 16:12

在上一篇测评中，我们基于4.3万条公开评论和61位用户的反馈，得出明确结论：用户不仅会关注可灵的基本能力，也在意其适配的具体使用场景。

其中高质量画面、电影感镜头、广告和商业短片是用户提及率最高的应用场景。

这次，我们进一步展开测试：如果可灵最被期待的是电影感，它能否支撑包含人物、动作和情绪的完整短片创作？

围绕“霸王别姬”主题，我们原创了测试脚本《霸王别姬·前世今生》，使用可灵3.0的首尾帧图生视频与主体绑定功能，完成了一轮压力测试。本次测试围绕人物一致性、构图与空间层次、光影与氛围塑造、动作与运镜设计四大维度展开，既保留了完成度较高的镜头，也完整记录了复杂任务中的试错过程。

先说核心结论：可灵3.0更适合关键镜头的创作。

模型在构图、光影、情绪氛围和人物主体一致性上表现突出，针对目标明确的短动作镜头，可以稳定产出高质量画面。若需用可灵处理复杂叙事影片，更稳妥的思路是把长动作拆成单目标的短镜头，再通过分镜设计与后期剪辑串联为完整段落。

当任务同时涉及跨空间移动、多道具与多人物打斗场景时，最终画面效果高度依赖提示词、参考图、镜头时长和拆分方法。

这次压力测试，目的是找到更稳定的创作方法，而非对模型能力下定论。

【图1｜本次测试使用的参考图】

标题

电影感，率先在关键镜头中落地

从测试结果来看，可灵3.0的核心优势集中在关键镜头的画面完整度。

当镜头目标明确、人物关系简洁、动作时长较短时，模型能生成高质量画面。光影、构图、人物和情绪氛围均表现亮眼。

例如戏子镜前准备的画面，最能直观体现可灵的画面表现力。

【图2｜戏子镜前准备】

这个画面可灵并非只进行了简单的动态化处理，镜框把人物限定在视觉中心，左侧珠串和戏服形成前景，人物与铜镜置于中景，后台走廊与暖光充当远景，形成标准的前中后三层纵深结构。

画面摆脱了平面感，呈现出鲜明的电影空间质感。

可灵在这类镜头里的核心价值，在于一次性生成构图、光线和人物状态完整的视觉画面。

这也侧面印证了第一篇测评中，用户普遍将可灵与“电影感”“高质感镜头”绑定的核心原因。

标题

短动作镜头，可稳定输出高质量动态效果

电影感并非仅来源于静态构图。可灵同样能完成具备冲击力的电影感动态镜头。

项羽在战场打斗的场景，我们经多轮测试，得到了一版完成度较高的短镜头。

【视频1｜项羽突围画面】

画面重点：短时间内人物气势、战场压迫感和动作方向的合理性。

该片段中，项羽的突围路线清晰，人物动态传递出杀伐张力。黄沙战地、兵器交锋、人体倒地和尘土弥漫的效果，共同构建出混战中的压迫感。

让可灵在生成长镜头动作画面时，核心前提在于有明确的目标镜头，只承载一个主要的动作，目标越清晰，输出的结果稳定性越高。

标题

氛围塑造和人物一致性：为叙事提供锚点

1. 氛围塑造方面

项羽乌江自刎前后的情绪镜头，是本轮测试中另一组完成度较高的素材。

【视频2｜项羽乌江自刎】

画面重点：光影和暗部细节。

这段画面的整体亮度偏低，项羽近景镜头里，剑身呈现微弱反光，冷灰天光搭配脸上的泥土、血污和泪痕，共同烘托出英雄末路的悲壮情绪。

2. 人物一致性方面

主体绑定主体的能力也为成片提供了支撑。项羽、虞姬和戏子在不同镜头中，保持人脸、服饰与人物身份的一致，未出现偏差。

主体绑定解决了叙事的基本问题：保障角色的可识别性，让观众能够持续识别同一角色。

人物稳定以后，不同地点、景别和情绪的镜头才具备剪辑进同一段叙事的基础。

标题

复杂叙事：需要先拆成一套标准镜头工作流

经过本轮测试，我们进一步明确了可灵 3.0的合理创作方式。完整叙事并非无法实现，但不能将所有创作任务集中于单个长镜头。

1. 单镜头承载单一任务

如果一个镜头同时包含走位、转身、舞剑、追兵、马匹和镜头环绕等元素，模型需要同时处理的信息过多。更稳妥的方式是，需缩短镜头时长，使其仅完成一次清晰动作，避免长时间运动中出现形态偏差。

2. 战斗场景通过分镜与剪辑实现

“冲锋、挥剑、击中、敌人受力、倒地、追兵包围”的完整动作链，无需由单个镜头全部呈现。可拆解为冲锋、挥剑、敌军后退与战场反应等独立镜头，再通过音效与剪辑，让观众感知完整的战斗过程。

3. 空间路径提前拆分为节点

人物从后台走向侧台、再进入舞台的动线，本身包含多个空间节点。将每个节点设为独立镜头，或为关键转折分别设置首尾帧，比仅在提示词中强调“从侧方上台”更易控制效果。

这套创作方法并非绕开模型能力，而是将模型擅长的关键镜头，有机组织为完整叙事。AI负责镜头生成，创作者负责任务拆解、连续性构建与最终效果判定。

标题

压力测试验证：复杂空间和物理交互仍需加强控制

明确优势与创作工作流后，再来看本轮压力测试中难度最高的场景。

测试结果受提示词、首尾帧设计、主体参考图、镜头时长和生成随机性等多重因素影响，结论仅适用于本轮测试参数，不代表所有场景效果。

1. 精确空间路线需更精细化的镜头约束

我们测试了戏子从后台准备走向舞台的连续场面调度。该任务要求模型理解后台、侧台与舞台的空间关系，而非仅完成“人物登台”的动作。

5轮测试结果显示，人物可稳定完成“走上舞台”的语义结果，但很难持续遵循“从侧方上台”的具体动线。

【视频3｜戏子从后台到舞台空间衔接】

画面重点：人物是否从侧方进入舞台，以及后台与舞台之间的空间连接逻辑。

该画面的色调、人物状态与舞台氛围均符合预期，偏差主要出现在第7秒前后的路径衔接处。可灵生成了视觉顺滑的移动效果，但无法稳定复现真实剧场的登台动线。

在实际创作中，更合理的处理方式是将后台、侧台与舞台拆分为两个镜头，通过人物朝向、视线引导与剪辑手法，构建空间连续性。

2. 多道具和多人战斗，对生成条件更敏感

戏曲与战场镜头同时包含双剑、水袖、盔甲、长矛、手部动作、身体重心与摄影机运动，是本轮信息密度最高的测试任务。

部分测试版本中，出现了双剑的数量变化、水袖的形变、击杀人物反馈不匹配等问题。提示词可提供方向约束，但在较长的连续动作中，无法完全消除此类偏差。

【视频4-6｜舞剑镜头中的道具变化】

画面重点：剑、水袖与手部动作在连续运动中的一致性。

战斗镜头经数十轮测试，不同版本的输出效果差异较大。部分版本出现粉末化击打效果，被击中后的身体反馈逻辑不正确。

【视频7-8｜战斗镜头中的击打反馈差异】

画面重点：兵器接触与敌军反应能否形成连贯的逻辑关系。

这组结果可总结为：在本轮测试方法下，复杂交互场景的产出确定性远低于单目标短镜头。

标题

结论：可灵更适合关键镜头生产，复杂叙事需要拆解工作流

回到开篇的核心问题：可灵能否支撑具备电影感的短片创作？

答案是肯定的，但创作方式的选择至关重要。

可灵3.0可实现优质构图、氛围感光影与相对稳定的人物主体，也能在短镜头中生成兼具压迫感和情绪张力的动态画面。这些能力已足以支撑其参与高质量内容的关键镜头生产环节。

当任务涉及跨空间调度、多道具连续动作与多人战斗场景时，创作者需将叙事拆解为更明确的单镜头任务，复杂交互逻辑通过后期剪辑完成。

现阶段可得出明确判断：可灵适合生产高质量短镜头和电影感氛围影片；在进行复杂叙事时，通过拆解式工作流可获得更稳定的输出效果。

其价值不仅在于画面生成的能力上限，也在于融入创作者的镜头生产流程。创作者主导叙事设计、分镜规划与内容取舍，可灵负责高质量完成部分镜头的生成工作。这也呼应了第一篇测评中用户的真实诉求：专业创作者既需要画面能力的上限，也需要项目落地的确定性。

将可灵应用在适配的镜头创作场景中，它将成为专业创作者的高价值AI生产工具。

下一篇，我们将测试场景延伸至商业领域：可灵能够产出电影感画面，它能否进一步支撑品牌广告与商业性创作？生成内容距离可直接落地的商业成品，还有多大差距？

资料说明：本文为36氪 AI测评基于自制《霸王别姬·前世今生》测试脚本展开的可灵3.0图生视频实测。本次结论仅反映本轮提示词、参考图、生成参数、剪辑逻辑下的模型表现，不代表模型所有场景的通用能力。

THE END

扫码添加

图例

本文来自微信公众号“36氪AI测评”，36氪经授权发布。

本文由「36氪AI测评」原创出品，转载或内容合作请点击转载说明；违规转载必究。

寻求报道

本文图片来自：AI生成

+1 4

好文章，需要你的鼓励

[

](/user/6412668)36氪AI测评新锐作者

0收藏+1

沉浸阅读返回顶部

你可能也喜欢这些文章

[

](/p/3923301646741120)近300万人围观卡帕西亲测Opus 5：两小时写完5500行代码，却连自己写的游戏都玩不了

[

](/p/3923284370681217)上海AI Lab团队推出MemHarness：让Agent记忆像人类一样被重构

[

](/p/3923437432024449)Karpathy实测Opus 5：读一段《魔戒》，10美元直出中土世界

[

](/p/3923463978462598)教别人PUA的“大师”，被自己创造的AI拿下了

[

](/p/3923463841115776)DevOps之父：发几个Claude Code账号就叫AI转型？Agent用不好是公司的锅

[

](/p/3923505246711428)美国为何留不住杨植麟？专访杨植麟美国博导：他毅然拒绝苹果，选择回国创业，Kimi K3最独特优势在开源，但判断其实际能力还为时过早

[

](/p/3923437636971909)Show me《指环王》，卡帕西强推大模型评测新基准

[

](/p/3923437507604104)Claude仅用8分钟，5年未解Bug秒破

[

](/p/3923437401386628)让沉默三千年的甲骨开口：首个模仿人类专家工作流的辅助释读系统

[

](/user/6412668)

36氪AI测评

新锐作者

建立AI应用行业标准与“魔力象限”，填补行业评估空白。

**发表文章12篇