影视传媒业正在被改写的四件事
AI浪潮正在改写影视传媒业的成本结构、产业地标、创作权力与规则底线,腾讯、字节、阿里等平台均已押注AI影视。腾讯WorkRally已服务超130家企业、制作成本降低60%,字节红果短剧月活达4.3亿,芒果TV《后西游记》播放量超6亿。横店竖屏剧组开机量同比下降82.5%,前10个月微短剧上线近55万部、AI剧占比超94%。
推荐理由:将腾讯、字节、阿里等平台的动作拼成一张AI影视布局图,归纳出成本、地标、权力与规则四条改写线索。
AI浪潮正在改写影视传媒业的成本结构、产业地标、创作权力与规则底线,腾讯、字节、阿里等平台均已押注AI影视。腾讯WorkRally已服务超130家企业、制作成本降低60%,字节红果短剧月活达4.3亿,芒果TV《后西游记》播放量超6亿。横店竖屏剧组开机量同比下降82.5%,前10个月微短剧上线近55万部、AI剧占比超94%。
推荐理由:将腾讯、字节、阿里等平台的动作拼成一张AI影视布局图,归纳出成本、地标、权力与规则四条改写线索。
WAN 2.2 是阿里开源视频模型,文字/图片生成 5 秒 720p 片段,文字 3 tokens/秒、图片 4 tokens/秒。在 VIBE 中它固定 5 秒、支持 16:9 或 9:16、无音频,适合低成本草稿;WAN 2.6 为 10 tokens/秒(720p)或 15 tokens/秒(1080p)。
阿里正式发布Qwen4-Max旗舰模型,采用Qwen4系列新架构,总参数2.4万亿、每个token激活71B,具备原生视觉与百万token上下文窗口。该模型在DeepSWE、AA-Briefcase等Agent专项基准中超越Claude Opus5.5、GPT-6.1 Sol等模型,Work360测评单任务成本较前代Qwen3.8-Max降低58%,已上线千问AI平台提供API服务。
作者用Krea2生成图像、Wan2.2 14B生成视频、Capcut编辑,制作了18秒的粉色针织衫女孩街头拍摄AI短剧,8个镜头中6个采用。制作环境为Windows 11、RTX 5060 Ti 8GB、32GB RAM,使用ComfyUI工作流,分辨率1024x576px,73帧。作品为3秒×6个镜头。
Qwen 4.0 Max Preview 在最新鹈鹕测试中效果惊艳,解剖细节、骑行姿态、场景一致性、文字渲染与光影材质均明显提升。此前市场预期偏低,但最新测试显示模型细节与逻辑能力疑似优化。长喙、喉囊、鳞片状羽毛、尾羽细节精准,车架“PELICANO”文字清晰无变形,整体卡通立体感强。
作者用ChatGPT生成参考图、Wan2.2 14B生成视频、Capcut编辑,制作了18秒AI短剧。在ComfyUI中,Wan2.2 14B以1024x576px分辨率生成73帧,由3秒×6个镜头组成。制作环境为Windows 11 Home、Ryzen 7 7700、RTX 5060 Ti 8GB、32GB RAM。
今年双11,天猫推出AI短剧、李佳琦卖Token、罗永浩演示AI工具、京东内测短剧产品,品牌开始亲自下场拍短剧。百雀羚定制AI短剧《灵玉异世录》上线30天播放量超3500万,深度观剧用户支付订单数和转化率提升80%,新品首销30天成交额破1000万元。短剧正从广告投放变成内容资产,平台尝试把购物入口直接搬进剧里。
作者用 Qwen-image2.1 Turbo 与 qwen-image-2.1-qma-camera-angles LoRA 生成 8 方向角色表,并指出普通 LoRA 不一定生效、需使用 Turbo 对应 LoRA。
今年双11,天猫、淘宝、京东等平台与品牌密集尝试AI短剧营销,从植入广告转向定制内容,并开始用播放量之外的数据衡量效果。天猫推出AI短剧《购物车一响,老祖宗登场,喵!》,李佳琦直播间上架千问办公会员月卡,京东内测独立短剧产品“京东追剧福利社”。百雀羚定制AI短剧《灵玉异世录》上线30天播放超3500万,深度观剧用户支付订单数和转化率提升80%。
推荐理由:双11期间品牌与平台把AI短剧从植入广告升级为内容资产,并开始用播放量之外的数据衡量效果。
Leeveo 分享用 ChatGPT 制作 AI 分镜的教程,一个提示词即可生成 8 个电影级镜头。工作流分五步:创建故事、构建角色、生成 16:9 分镜、用 WAN、Seedance 或 MiniMax 动画化及剪辑。教程强调角色一致性,并提示评论可获取完整提示词。
IDC最新MaaS报告显示,火山引擎与阿里云各自宣布拿下'第一',但口径不同:火山以45.1%居整体市场首位,阿里以46.6%居大语言模型细分首位。上半年中国MaaS市场收入106.3亿元,同比增长889.4%,视频生成占32.7%,视频Token单价是文本的十倍以上。火山约89%收入来自非语言侧,阿里约87%来自语言侧,两个'第一'分别来自对方基本未参与的收入板块。
推荐理由:对比火山与阿里两个'第一'背后的收入结构差异,视频生成以高单价撑起三成收入,文本靠用量堆量。
可灵AI增资交割落地,融资总额约198亿元,投后估值达180亿美元(超1200亿元),超过母公司快手市值。腾讯、阿里、百度罕见同台参投,快手通过Lucky Labs仍持66.68%股权保持绝对控股。可灵年化收入约5亿美元,但预计2028年第四季度才能实现单季盈亏平衡。
推荐理由:可灵投后估值180亿美元已超过母公司快手市值,BAT罕见同台参投,反映AI视频资产正脱离短视频平台估值体系独立定价。
阿里内测AI影视创作平台Looogen(逻辑智片),以Agent对话与影视套件双形态切入短剧全流程生产。产品支持本地运行与私有化部署,内置分层数字演员库与场景素材库,搭载Seedance 2.0等模型,覆盖21:9、16:9、9:16三种比例,瞄准连载短剧跨集角色变脸、场景画风跳变等痛点。
推荐理由:阿里内测Looogen,以Agent对话与影视套件双形态切入短剧全流程生产,与字节即梦、快手可灵形成差异化竞争,补齐视频上游生产布局。
快手旗下可灵AI完成约198亿元增资交割,较原上限减少约6.45亿元。两家投资者未能在期限内完成支付,北京可灵终止其增资,其余股东均完成出资,包括上海国方数科、国家人工智能产业投资基金、阿里云等。
推荐理由:可灵独立融资完成交割,约198亿元增资落地,较原上限减少约6.45亿元,因两家投资者未完成支付。
作者实测 RTX 5060(8GB VRAM)跑 ComfyUI 图像生成:Anima 单张 57 秒,Qwen-Image 2.1 参考生成单张 47 秒。本地 LLM(Ollama 的 gemma4:12b-it-qat)仅 14 tok/s,成为组合使用时的速度瓶颈。作者还测试了自家小说生成工具 Inkubus,1 万字约 14 分钟,但 12b 模型质量有限。
未公开归属的 AI 视频模型 Iron Goddess 本周出现在 Arena 对战模式中,运动幅度大、速度快,但最快片段逐帧看会出现模糊。Seedance 2.5 画面更稳定,动态幅度则较小。目前无人认领该模型,作者猜测可能是阿里,因其 9 月云栖大会曾预告 11 月推出新视频模型。
快手旗下视频生成模型可灵计划明年在香港 IPO,估值约 180 亿美元,快手保留约 68% 控股权,阿里巴巴、腾讯、百度均已入股。文章认为三家通常互相竞争的公司共同押注可灵,是对字节跳动 AI 视频布局的一种对冲。文中还提到 Arena.ai 上出现代号 Iron Goddess 的神秘视频模型,外界猜测其来自阿里,阿里近期会议曾预告新视频模型将于 11 月前后发布。
推荐理由:可灵赴港 IPO 背后,阿里、腾讯、百度同时入股,文章梳理了这一资本格局与字节跳动的竞争关系。
代号 Iron Goddess 的未发布 AI 视频模型本周短暂现身 Arena.ai 盲测平台,凭流体动力学与高速动作场景的生成效果引发关注,随后从易访问渠道消失。
Qwen-image3 目前无本地版本,需通过 API 调用,作者在 ComfyUI 充值 5 美元获得 1,055 credit 进行 img2img 测试,单次生成消耗 10 credit。
Gemini Omni Flash 擅长对话式编辑与多模态输入,Wan 3.0 可生成最长 30 秒片段并支持文档输入,两者各有优势。Luma AI 的 Ray 3.2 提供多关键帧序列、HDR 输出和 EXR 导出,Layers(由 Uni-1 驱动)支持单元素修改,适合生产流程。2025 年 AI 视频生成市场规模约 7 亿至 20 亿美元,北美领跑。
AICU 于 2026 年 10 月上线浏览器端创作工具 AICU Create 的 Alpha 版,无需安装或高性能 GPU,用免费 AICU 账号登录即可使用。图像生成可选 GPT Image 2.5 与新增的阿里云 Qwen-Image 3.0,视频分 MiniMax H3 和 Wan 3.0 两条线,另提供杂志封面合成与可打印名片功能,手机端同样可用。
作者在 RTX 5070 12GB 上实测 Wan 2.2 图生视频,约 34GB 模型权重下 GPU 实际只占用 8–9GB 显存,其余由 ComfyUI 动态加载从内存和硬盘流式读取。
推荐理由:作者用同一台机器把内存限制到 16GB 重跑,纠正了自己此前把内存当成瓶颈的结论,给出了可复现的显存与内存实测数据。
作者在 RTX 5090 上用 int8 文件实测 Qwen-Image 2.1 Turbo,原生 2K(4 MP)图像平均 11.8 秒,30 步基础模型为 36.9 秒,约快 3.1 倍。
推荐理由:作者用 300 次渲染实测 Turbo 与基础模型的差异,并给出可复用的 8 步 sigma 与分辨率设置。
阿里 Qwen 于 9 月 20 日发布图像生成与编辑一体化模型,可直接生成和编辑透明背景图像,免去抠图步骤,参考图最多 10 张,输出标准 2K(1:1 为 2048×2048),权重已在 Hugging Face 和 ModelScope 开放,但免费仅限研究或评估用途,商用需另行授权。
阿里云宣布因产品策略调整,虚拟数字人产品即将退市。2026 年 11 月 30 日停止新购服务,已购客户可用至服务到期;2027 年 5 月 31 日停止续订及版本更新;2027 年 11 月 30 日全面停止服务,控制台、支持服务、工单服务及退款服务同日下线。
阿里 TaoLive AIGC 团队于 10 月 15 日发布 TaoMate-H3-FL2VA,这是一个 3 步 LoRA,为 MiniMax H3 的流式 TaoMate-H3 运行时加入首帧与尾帧控制,团队称其为已知首个实时流式首尾帧到音视频(FL2VA)模型。
推荐理由:TaoMate-H3-FL2VA 把首尾帧控制接入流式音视频生成,并已有 ComfyUI 转换版本可本地跑,方便创作者评估是否纳入现有出片流程。
Qwen-Image 2.1 采用 Qwen Research License,仅限研究或评估用途,作者 9 月发邮件向阿里询问商用授权价格并公开了答复。按自然月生成图片量分级:30 万张以内免费,30 万至 300 万张按 20% 收入分成,超过 300 万张为每年 50 万美元加 15%。
智谱GLM-5.3-Highspeed在Zcode社区出现灰度反馈,部分3.15.1订阅用户随机获得该高速生成版本,普遍开放范围与API定价尚未确认。微软发布Microsoft-Decision-1,基于Qwen3.5-9B后训练,单次前向计算完成是非判断、候选选择与量表评分,已在Foundry公开预览及OpenRouter提供托管接入。
作者在本地 RTX 5070 12GB 上用 Wan 2.2 的 First → Last Frame 模式做了实验,首帧是手绘斑点骆驼状生物,尾帧是写实苹果,同一提示词跑三次得到三种不同过渡:把绘画角色放进尾帧的城堡场景、留在绘画世界后快切、以及两个世界缓慢溶解。
中国 AI 视频生成模型主要由快手、字节跳动、阿里等公司开发,代表系列包括 Kling、Seedance、WAN,以及 Vidu Q3、PixVerse 6 等。
Wan 2.2 图生视频可在 12GB 显存的 RTX 5070 上运行,57 帧片段在 832×480 下耗时 10 分 38 秒,在 1536×864 下约 67 分钟,均含补帧与超分到 2048×1152。
Qwen-Image-2.1 Turbo 沿用基础 2.1 的 7B 视觉生成架构,推荐调度为 8 步,官方示例用四张参考图把扶手椅、圆桌和边柜合成到同一房间角落。
阿里通义开源 Qwen-Image-2.1-Turbo,基于 Qwen-Image-2.1 的加速 checkpoint,沿用同一套 7B 视觉生成架构,文生图与自然语言编辑只需 8 步去噪,官方称仍能生成 2K 图像并支持加配饰、换场景等连续编辑。
推荐理由:Qwen-Image-2.1-Turbo 以 8 步去噪实现 2K 文生图与自然语言编辑,并给出 Diffusers 与 API 两条上手路径。
一位 Runpod 新手在 ChatGPT 指导下,用 Wan 2.2 5B 模型在 ComfyUI 中从文字生成了一段约 2 秒的咖啡馆小熊猫视频。他选用 RTX 4090(24GB VRAM)Pod,按 0.78 美元/小时计费,账户余额从 9.94 美元降至 9.60 美元,差额约 0.34 美元。
非亚洲和西方地区已出现三条 LGBTQ+ 竖屏短剧制作路线:巴西 Coral 共 50 集、每集约 2 分钟,9 月 29 日在 Raipe TV 上线;巴西 O Bar Labirinto 用 AI 制作 10 集,首集免费、订阅 R$14.90/月;智利 Canal 13 的 Enamorada(s) 首周末社交平台播放近 5000 万。
同一周发布的两款图像AI,Qwen-Image 2.1 与 Ming-Image 0.1 的差别不在性能而在许可证。Qwen-Image 2.1 于 9 月 20 日公开,绘图部分 7B,支持透明背景与最多 10 张参照图,ComfyUI 公开首日即支持,但采用研究用许可证,商用需另行签约,作者因此决定不刊载其生成图。
阿里系 Ant Group 旗下 inclusionAI 的 Ming Image 0.1 Design 已加入 ComfyUI 0.38.0 稳定版默认模板。该模板默认调用 Qwen3.8 27B 作为提示词增强器,16GB VRAM 会 OOM,作者改用 ollama 配合 comfyui-ollama 节点运行。作者认为其日语表现一般,但审查比同类的 Ideogram 宽松、自由度更高。
阿里开源 Qwen-Image-2.1 图片模型,视觉生成部分为 7B,用 32 层 Single-Stream DiT,一个模型覆盖生成、编辑与原生透明背景图。
推荐理由:作者用大量实测案例展示 Qwen-Image-2.1 在生图、编辑与原生透明上的表现,并给出消费级显卡的实测速度。
一组9张文具主题AI超现实海报把钢笔、橡皮、书本画成微缩场景:鲸鱼驮教室、书页弯成发光门洞、试卷铺成马拉松跑道。画面由 Qwen-Image 3.0 生成,同款 LoRA 与图片模板已上架 LiblibAI,完整提示词同步公开,可参考二创。
Trendlume v0.3.0 发布,将视频生成引擎从单一文本流水线升级为知识科普、电商带货、故事短剧三大赛道生产体系。