实测AI短剧生成智能体vivago R1：可直出5分钟长片

原创 GaKi 2026-09-09 08:00 北京  **模型定上限，Agent 定下限。**  👦🏻 作者: GaKi 🥷 编辑: Koji 🧑‍🎨 排版: NCon  **在刚刚过去的 2026 WAIC 上，智象未来（HiDream.ai）正式发布了内容创作智能体——vivago R1**，这款产品已经在昨天全球上线，国内版本**「够搭」** 全新升级发布，其核心定位是 3 到 5 分钟完整视频的稳定生成。 该产品的推出，刚好对应了目前 AI 视频技术的快速进步。 从最新的 Artificial Analysis 盲测榜单来看，基础模型的竞争非常激烈，海内外头部科技大厂与 AI 独角兽纷纷入局，在画面质感、运动幅度与生成效率上各展所长。 Foundation Model 的效果越来越好，但模型的画面与最终成片之间的工作流仍有断裂，而这就是 Agent 产品发挥价值的位置，也是这次**vivago R1 的核心定位**。  🚥 十字路口团队第一时间进行了深度实测，接下来分享实际体验。 实测：直出 5 分钟爆火「天宫巨阙」长片 × 6 条 TikTok 带货短视频 首先，vivago R1 的体验链接是： **** 进入网站之后，直接输入提示词或者调用对应的 Skill，再用 @ 添加素材，就可以开始创作。  最近常刷各个社媒平台和短视频平台的同学，肯定会注意到，**像下面这种天宫巨阙、中国古风的短视频特别多**，甚至快成为 AI 短剧的一个主流分支了。这类 AI 短剧的核心要素是宽景构图和巨物美学。  现在 vivago R1 可以一次性直出 5 分钟左右的天宫巨阙 AI 短剧，最后再配上有网感的音乐，味道就很对了。 首先，可以直接用自然语言提示词和 vivago R1 对话，不需要搭建节点，先让它生成 3 张 21:9 电影画幅的东方神话史诗场景图。  之后只需要和 vivago R1 的 Agent 简短对话，让它参考这些图片的风格设计一个分镜脚本，它就能全自动完成视觉设计与资产生成，比如解析全部分镜脚本，建立一整套视觉风格。  整体架构完全确定之后，它会自动进入下一步，分批串行生成图片资产。剧情分镜里需要的场景、人物角色和物品，全部会被生成为图片资产。 有意思的是，生成人物角色或物品时，它会默认同时生成角色的正面、背面、侧面图，或者物品的多角度视图，用来在后续生成视频时锚定整体风格。  之后它会为所有分镜参考图和最终要生成的每一段 AI 视频片段自主写好提示词，再自主列出一个 ToDo List，逐 clip 确认，一共可能有十几个验证阶段。  这一步验证得比较细致，因为一旦缺少验证，最后生成出来的视频很可能整部片子都没法用。 比如 vivago R1 会验证所有片段的分镜长度，**片段并不固定为 30 秒，也会降到 15 秒、19 秒，与整个分镜计划保持一致。** 接着检查全部参考图与资产参考是否对应、所有资产是否全部覆盖，还会检查提示词长度是否会被异常截断。 **提示词写得太长时，AI 可能会自动截断，但产品的前端不会显示出来，用户明明写了很长的提示词，却不知道为什么出来的效果特别差。** 所以这种细致的内部检查，是非常有必要的。 现在全篇有 17 个分镜，已经映射为 17 个场次，合并成多个片段。所有图片资产都已经做完，7 个视频片段的主题也已经写好。到这一步，它才会让用户确认是否生成视频。  从最开始用自然语言输入提示词到这一步之间，我几乎没有和 vivago R1 的 Agent 有过任何交互，全部由 Agent 自主执行。 接下来 Agent 会根据它设定的整体计划、图片资产和提示词，逐一生成视频片段。 每个视频片段都会被列入画布，然后自动把所有片段剪辑成一个完整的成片。  展示完整五分钟成片之前，先给大家看一个配好短视频音乐的成品片段，音乐一响起来，整个味道就非常对了（**ps. 音乐 BGM 是在剪映中手动添加的，版权来自《壁上观》，原唱张晓涵；其他所有音效和 BGM 都是 vivago R1 生成的**）。 第一版生成出来的时候，效果已经很完整，能直接出一个 5 分钟的成片。我又想往里面再加一些剧情，所以又生成了一次。 两个视频我稍微剪辑了一下，最后合成了一个 6 分钟左右的小型 AI 短剧《天宫巨阙 归灯》。 一个提着没点亮的灯笼的白衣旅人，用一天时间登上天宫，把灯送到月亮跟前，剧情就这么简单。整部剧使用了多种摄影手法，用来展现天宫巨阙的建筑和风格。 整体来看，剧情衔接比较缜密，角色一致性和风格搭建也比较完整，毕竟全流程的风格参考只有最开始那几张图片，其余图片资产都是后来由 Agent 生成的。 成片还是非常写意的。 在实际测试第一个天宫巨阙 AI 短剧的时候，我发现**vivago R1 里有一个非常完整的 Skill Hub，里面有 TVC 广告、文字剧本生视频、图片编辑等各类 Skill。**  其中一些**做 TVC 广告的 Skill，尤其适合 TikTok 和 Reels。**比如有一个叫 Story AD Director 的 Skill，我用它让 Agent 直接一下做了 6 个 TikTok 风格的剧情产品广告。 这个 Skill 有一个比较固定的结构，比如前 3 秒会出现戏剧冲突，在关键的剧情转折点会自然地放入实体产品，整体架构是比较完善的。  使用时直接点击「立即试用」，输入提示词，它就会自动套用这个视频 Skill 的结构，去优化我们的提示词。 我设想的场景是制作一整套男士护肤面霜的 TikTok 和 Reels 转化真人广告。男主是一个黑人，他会在婚礼、机场、红眼航班等多个场景中使用这款面霜。 使用这个 Skill 之后，vivago R1 的 Agent 会直接给主角做定妆造型，比如在一张图里同时生成男主的多种面部表情、搭配各个场景的服装，以及面霜产品的展示效果，还会画出整个场景的分镜。  下面这个场景是它做好的一个 30 秒短片，vivago R1 可以直出这种 TVC 广告短视频。 这条 30 秒短片采用了经典护肤品广告的叙事结构：前期展示男主乘坐红眼航班后的疲惫与粗糙肤况，中期通过洗脸与涂抹面霜呈现即时修复过程。片尾运用影调冷暖转换强化状态蜕变，并顺畅收束在男士面霜的图文推广与品牌口号上。 这个 Skill 做这类 TVC 广告短视频确实非常方便。因为 TVC 广告短视频投放到 TikTok 这类平台，30 秒已经算比较长的了，而它一次可以直出很多条，所有视频的风格一致性，包括人物角色和产品的一致性，都比较高。 我们正好用 GPT 6 Astra 手搓了一个短视频拼接器，方便给大家展示最终效果。  最终的完整视频效果如下： 仔细看会明显发现**，这 6 个 30 秒的 TikTok TVC 广告视频虽然场景完全不同，整体结构却很一致。比如在 3 秒左右，男主都皱着眉头，表现出一种消极状态，面对某个生活上的问题。**  之后，**6 个 TVC 广告视频几乎在同一时间点让产品出场。比如到第 17 秒，男主会真实地涂抹这款男士面霜。**  总的来看，虽然我只用了非常简单的自然语言提示词，但搭配这个 Skill 之后，vivago R1 Agent 会根据视频 Skill 和我的提示词列出不同场景，并且在不同场景中保持同一种叙事结构。 这一点在批量制作 TVC 广告时比较重要，因为既要保持一致性，又要避免提示词过于发散导致视频画面崩掉。 所以场景尽量保持一致，**叙事结构也保持一致，先有钩子，再解决问题，最后产品积极出场，这样很符合 TVC 广告的调性。** vivago R1 的产品逻辑 实际用下来，vivago R1 的产品思路主要分两层。 **【1】交互：纯对话模式** 创作全程不需要创建节点，也不需要手动设置画面模型、视频时长等参数。vivago R1 更推荐用户用自然语言与 Agent 对话来创作。 整体用下来，它很重视 Agent 交互，几乎全程由 Agent 拆解脚本、规划镜头、分配角色、组织节奏，最终交付成片。  官方用了一个很有意思的比喻，**「AI 视频创作的入门级单反」，大致意思是足够简单，让非专业用户也能上手，又足够稳定，让专业创作者能够交付作品。** **【2】长任务调度** 5 分钟以上的视频通常属于长任务。目前还没有模型能一次生成几分钟的连贯视频，因此需要 Agent 来组织整个创作过程。 R1 将调度工作交给 Agent，由它根据提示词规划故事脉络，保持多个镜头中的角色、产品和场景风格一致。用户也可以通过对话，单独修改某一个镜头。  要让 Agent 负责整个创作流程、尽量减少用户的手动操作，Agent 产品就需要理顺整套链路。 **R1 能把这条链路衔接起来，也与背后的研发团队智象未来（HiDream.ai）从多模态底层模型研发起步有关。**能否贯通这条长链路，很大程度上取决于团队对模型能力的理解深度。 他们此前研发的**HiDream-O1-Image 曾进入 Artificial Analysis 图像榜前列，交互式世界模型 HiDream-O1-World 则在 WBench 获得了 80.9 分。**  所以现在看来，**只有厂商自己经历过模型研发中的难题，才会清楚 Agent  产品要如何降低用户的操作门槛。要减少用户反复用 Prompt 生成视频片段、再整理成片的负担，厂商就要知道哪些环节需要工程逻辑来兜底。** 🚥 「模型定上限，Agent 定下限」。 这句话很适合形容 2026 年 AI 视频模型及其商业化 Agent 产品的图景。 如果 Agent 的编排和理解能力持续进化，AI 视频创作的边界大概率会进一步拓展。随着商业化潜力得到发掘，AI 视频创作也会成为一门非常「赚钱」的生意，商业回报又会促进 AI 模型能力的提升。 所以，我们很期待看到，**AI 视频模型今年究竟能在商业化上产生多大影响，Agent 产品又能进步到什么程度。**   [跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=1674ad0e&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzAxMDMxOTI2NA%3D%3D%26mid%3D2649111546%26idx%3D1%26sn%3D2ced38ec35382961ce73841258bd838e)