AI 视频制作也接近了 GPT 时刻，视频智能体背后的工作原理🧵 AI 产品都有个可用性易用性的临界点，临界点之下，属于专业玩家的玩具，需要各种提示词技巧、专业知识才能用起来；临界点之上，就真正变成了普通人也可以用起来并且有用的工具。就像 AI 聊天，在 ChatGPT 之前，我们常笑话它们是人工智障，在 ChatGPT 之后，它是真的变成了一个有帮助的助手，能帮助我们完成很多任务，所以我们通常把 AI 产品跨过可用性通用型临界点叫 GPT 时刻。 类似的比如前不久 GPT-4o 发布的图片模型，提示词很简单，不需要像 MidJourney 那样需要专业的提示词才能生成好的图片作品，普通人都可以把自己天马行空的想法变成真实有趣的作品，我这样非专业的都玩了好一段时间。 像 AI 视频类产品我一直没怎么玩，因为对于我这样的非专业人士来说，做好视频太难了，创意和提示词反倒相对容易一点，主要是得写脚本、画图、声音、多条视频，剪辑，做好一条视频要费很多时间精力。 不过上面这条视频倒是没花我多少时间，我就输入了一条提示词： > 生成视频，主题是“西游记人物自拍视频，用自拍的方式来讲述《西游记》经典场景”，视频长度为2分钟。 发送到纳米AI然后等着就成了，整体看着还挺有趣，有画面有声音有剧情。让我觉得 AI 视频终于也接近了 GPT 时刻，普通人也可以通过简单的提示词就能做出还不错的视频作品，动动嘴就能出视频。对于创作者，也可以快速制作视频 Demo，将创意想法快速落地。

西游记自拍视频完整提示词： 比如下面这个也挺好玩，提示词一样很简单： > 模仿央视《致富经》风格制作一条视频，介绍大凉山村民借助最新基因复活技术，养殖驯养真实恐龙发家致富的经验，播音和视频风格要尽可能模仿《致富经》，时长2分钟 Propmpt:

纳米 AI 的超级搜索背后是一套多智能体架构，在收到用户输入的提示词后，由一个主智能体负责调度决策，选择合适的工具或子智能体完成任务，返回多模态结果（例如：报告、PPT、网页、视频等），整个过程不需要人工干预，搜完即得。

拿它处理视频的部分来说，就像下面这张图一样，当你把生成视频要求发给纳米 AI 时，有个大模型负责统筹调度： - 首先调用搜索工具，检索生成视频需要的资料 - 然后根据要求和资料创作视频脚本 - 再开始视频脚本去生成关键帧的图片，保持图片风格一致 - 根据视频脚本生成每一段脚本的语音音频 - 基于关键帧照片去生成分段视频 - 将每一段的音频和视频剪辑在一起 - 将分段视频拼接在一起 - 为视频生成背景音乐 - 将视频和背景音乐合成一起生成最终视频 - 生成最终报告

所以它就像一个像一个小视频团队，在帮你干活，里面有分工，有的负责写脚本，有的负责拍视频、配音、剪辑，而有个大语言模型在里面像导演一样，指挥这些工具/子智能体工作，直到“导演”觉得结果满足要求了。 如果你搞清楚它的工作原理，那么你还可以更进一步，比如你帮它把视频脚本写好，而不是一句话提示词，这样可以更精准的生成视频。当然不会写也没关系，你提供思路，让 AI 帮你写一份视频脚本，不满意就给 AI 提要求让它修改，直到满意为止。

比如下面这个视频就是我先让 AI 创作，写好了脚本，再把整个脚本输入纳米 AI，那么它就能帮你按照脚本生成一个完整的视频。 完整提示词：

当然纳米 AI 的超级视频智能体还处于 Beta 状态，为了得到理想的视频有时候需要多生成几次，大部分时候结果都挺不错的。就像上面我分享的视频，除了致富经那条生成了几条，其他都是一次成型。 在纳米AI 手机APP和PC都可以使用，我习惯用PC端是因为可以更方便的看整个生成的过程，另外还可以多个窗口一起跑。左侧点击AI搜索，直接输入指令，勾选上“深度研究”，会自动调用“超级视频智能体beta”

建议你也可以自己去纳米AI（

“西游记人物自拍”这个prompt太有意思了！AI视频的趣味性确实被挖掘出来了。这种结合经典IP和现代元素的创作方式，能激发更多人的创作灵感，让传统文化焕发新生。

是的，这样精力可以放在写 Prompt 而不是视频处理上

生成的速度怎么样？

不算快，但PC上可以并行开多个窗口