剪映亲爹竟怀上AI剪映宝宝🫃

「Flova其实是画布软件」

测了一堆AI视频生成工具后，骡子马发现了个真东西——Flova。

经过他的一番测试，结论是没达到剪映的高度，但至少方向是对的，而且证明OiiOii和Medeo都在瞎弄。

我后来发现，我的朋友@朱亦辉早早在小登群里吹捧过Flova，可惜当时没人搭理他，他的评价是，「一句话生成产品领域的sota」和「最简单的最实在的邀请码机制」。

朱亦辉一定要我夸他才是真正的AI产品经理，其他PM都在瞎弄🤓

与之对应的，某位不愿透露姓名的群友对OiiOii和Medeo的评价则是，「狸谱的视频版秽土转生」和「这么快做商业化和付费墙是怕用户发现不好用么？」

高下立判。

但我问了一圈，没人知道Flova是谁做的。

于是我加了他们的用户群，里面工作人员的企业认证是船岛。哎我去，这不就郭列的公司。

给大伙科普一下郭列是谁。

他是脸萌和Faceu创始人，之前是IDG 90后基金的被投之一，出道就和孙割坐一桌。2018年脸萌科技3亿美元被字节收购了，脸萌团队后来干出了剪映和醒图。

郭列离开字节后做了船岛游戏，去年初船岛一款游戏宣布项目暂停，看来郭列是换了新方向。Flova也小几亿美金估值了。

那么我们可以夸张点说，郭列相当于剪映亲爹。开服玩家出手，OiiOii和Medeo只能往后排。

你爹来咯！

下面请欣赏骡子马的测试环节：

快过年了，作为一名精神山东人，最大的痛点就是回家上桌吃饭的时候，各种传统礼仪总是被抛在脑后。

因此，我发明了「鱼头自动追踪器」，能够实时精准识别酒桌上主陪的位置，并将鱼头冲着主陪。

其实类似的创意小视频最近在各个平台早就泛滥成灾，一般都使用Sora2一键生成的。但这么伟大的产品，必须得搭配一个高科技高质感的企业级宣传片。

于是我写了一段提示词如下：

「现在我要给这个发明做一个苹果手机质感的高科技宣传广告片。要求所含要素有：产品运用最新AI大模型技术，已获得专利和诺贝尔奖， 出示370开头身份证或孔姓证明可享受50%优惠价格。」

并把它发给了Flova，一个集成了多模态AI能力的视频生成工具。

用完之后体验还真不错。

首先来颅内模拟一下，如果不用Flova，想弄这么一个多镜头多要素的鱼头追踪器广告，我们需要做什么？

我得先打开Claude或者ChatGPT，让他根据我这个创意写个脚本；

然后打开Nano Banana生成多个角度的产品渲染图，存到一个名为「鱼头追踪器-产品图」的文件夹里；

再用Midjourney生成画面首尾帧，为了不跟上面的产品图混淆，得另存到一个名为「鱼头追踪器-首尾帧」的文件夹里，还得好好命名；

紧接着打开Veo或是Sora，把上面这些七七八八的混在一起生成视频；

如果生成的视频没有人声还得单独配个音，然后发现口型没对上直接崩溃了；

最后还得手动把这些素材剪辑到一起。

一套下来，办了10个AI工具的会员开了20个网页，文件夹也整成八室一厅了，记忆力稍微差点都忘了自己干到哪步了。

Flova首先解决的就是这个问题。它把这些AI工具和素材都整理到一起了。

拼好AI。

图片、视频、音乐、人声，国产的进口的大模型基本都包圆了，写提示词的时候可以自己指定模型使用。

当然并不是每个人都有了解各种大模型孰优孰劣的义务。

所以如果你把需求发给Flova，它也会帮你做决策。

比如片子里有一个镜头需要说山东话，我用Veo3.1和Sora2生成都屡屡失败。

跟Flova说了之后，发现是外来菩萨念不明白本地经，把传统方言的发扬光大当成地域歧视和文化挪用了。

懂事的它直接一键更换成国产AI，实现我的鲁味梦想。

虽然经后续调查发现，它最后给我生成的其实是河南话，但经后续更多调查发现，河南老乡对鱼头文化亦有贡献，所以它这波在大气层。

有人要指出了，说了这么多，这Flova不就是个多模态大模型二道贩子吗？不就音视频领域的OpenRouter吗？

别的AI视频工具不也整合多个大模型吗？Flova不就是模型多点也要吹？没吃过好的？

但我犹记先前很多AI视频剪辑工具都声称，产品有个全局导演，用户能够言出法随。

结果真用了就发现，这些AI视频剪辑工具的素材和片段，那叫一个各自为政分庭抗礼群龙无首，也不听全局导演的也不听我的，想通过打几个字让片子把自己改了比登天还难。

不禁惊呼，AI视频是需要管的。

那Flova在管理AI视频这一块，做的还是相对较好的。不仅狠狠管起来了，还把各种大模型狠狠连接在一起了，强制ai🥵

比如我一开始脚本里设计的是，这个鱼头自动追踪器荣获诺贝尔和平奖，做到一半突然想起来，和平奖不是要被委内瑞拉那姐们献给特朗普了吗，我们就不抢了。

于是我就和Flova说，把旁白音频里的「诺贝尔和平奖」改成「诺贝尔物理学奖」。

结果它并不只是简单地把字改了，而是自己独立思考了一下，把相关的脚本和镜头也都给改了。根本没用我单独指点。

就凭这个主观能动性，已经超越职场里100个装傻充愣的神人同事了。

可以看出，它真的在理解，或者至少是尝试理解整个视频的内容和逻辑。

说实话这真不难，但之前测的几个AI视频产品好像就没往这方面努力，我也不知道是为啥。

比神人同事更优质的一点是Flova很尊重我。

在每一步开始前，Flova都会给出几种不同的工作流分支路线，也会把每个选择的优缺点列出来，让我像玩旮旯game一样做AI视频。

举个例子，我后来紧跟国际局势热点，为第三世界人民发声，想做一个美式喜剧风格的讽刺特朗普的动画。

角色形象和剧本生成完之后，Flova把选择权交给我，让我决定是先「将静态画面转化为动画视频」，还是先「生成角色的配音对白」。

其实这很重要，因为我一开始选的是「将静态画面转化为动画视频」，结果口型就对不上，把动画片拍成纪录片了。

还好Flova不存在之前某工具「你不能回到过去再踏进另一条河流」一样的问题，能随时回溯开启新分支。

我改成先「生成角色的配音对白」之后，由于视频是跟着先生成的语音走，口型问题就解决了。

而且当我想自己写提示词自己选模型自己控制流程的时候，也可以随时介入亲自下手。

模型、首尾帧、提示词都能精细化控制。

不给人工智能糊弄活人骗token的可乘之机。

还有一点，以往很多AI视频工具，都只能一个素材一个素材修改，用户坐在电脑前面盯着屏幕就纯等啊，让这个AI和自己玩熬鹰战术。

Flova弄了个引用功能，让我可以真正地像一个甲方一样发号施令，一口气发过去10086个需求，直接静候就完事了。

最后生成的视频效果还是不错的，咸鱼头一天晚上看完之后，第二天办美签都没过，什么含金量。（美国人我xxx——咸鱼🤬）

说了这么多好话，还是得讲一下，Flova也并不完善，甚至有很多我觉得不能简单用bug来归纳的问题。

比如在文生图——图生视频这个环节，两个模型还是没有心连心，经常你干你的我干我的。

生图模型想的是一定要把所有脚本里提到的元素都展示出来，但其实视频模型需要的首尾帧并不是这样。

有非常强的生殖隔离。

甚至Nano Banana会生成很多这种分屏视频，但视频模型根本不知道这大香蕉想干什么，最后做出来一坨。

再比如，Flova目前是内嵌了两个音乐模型，Suno和Mureka的。

但现在兄弟俩在工具内部的定位，好像就是个生成bgm的。生成的带歌词的曲子就没法用。

因为Flova里没有模型能对上歌曲的口型。

所以至少现阶段，当我想用Flova生成一个《大东北是我的家乡》的春晚live MV的时候，只能悻悻然。

再再比如，时间轴也只能做简单的编辑和调节，而且角色音频不跟画面走，操作几次就全乱了套了。

好在可以导出fcpx文件和pr文件，让我曲线救国二次加工。

最后，我得承认Flova本质上就是一个壳子。

它没有花里胡哨的Agent拟人角色扮演节目，也没看起来丰富多彩的封装提示词环节。

它干的事其实很简单：集成很多大模型，然后把它们连接到一起。

和其他视频Agent最大的区别是，Flova其实是一个画布软件。它把画布那些复杂的节点、连线做了更好的交互，让用户只需要说话就能解决问题，实现自然语言剪辑。

其实也没啥难的。

但我想的是，这不就是我们需要的吗？至少这就是我需要的。

暴论一下，我甚至觉得这就是AI时代剪辑软件的正确发展方向：把剪辑这个行为AI化。

毕竟我寻思，都AI时代了，各路AI产品经理对剪辑的想象，多少还是带点「农民说皇上用金锄头」的意味。

在他们心里，传统的剪辑就是把素材拼到一起，好无趣好无聊。AI剪辑就是在传统剪辑的基础上加入AI技能，比如用AI生成视频，或者用说话的方式代替鼠标拖拽，好好玩要爆了🤥

咱就是说，骗投资人可以，别把自己骗了。这就是你们对AI的完全理解？

我宣布AI时代的剪辑需要重新被定义。

就像工作之前要开会，做菜之前要腌肉一样，AI生成视频之前就要把剪辑当个事办。

别等到视频生成出来再剪辑，而是要在大模型启动的那一刻，就在文生文、文生音频、文生图、图生视频之间建立传递信息的道路，让它们彼此理解，互相影响，建立并解决需求，让剪辑悄悄发生。

毕竟想致富，先修路。

当然，Flova目前还是有很多问题，也远远称不上一个成熟的软件。

咸鱼最近也在狂用Flova，还发出了质问：这玩意是比之前测的那几个好些，但也没好到夸张啊，生成的胖猫和秦始皇也就那样，没法克隆胖猫声音，甚至还遇到了导出失败问题。

我不否认这点。

可能不完美，但大方向正确，我还是愿叫他一声AI剪映雏形，怀胎两三个月的那种👶

最后来欣赏一下我用Flova精心制作的《怪奇物语》真·大结局。

（本文封面由ChatGPT 生成，纯人工写作）

文章来自于“葬AI”，作者 “罗子马”。