AI短剧的动作戏死局，和万兴剧厂的“白模”之解

当整个行业都在比谁的画面更像电影，真正卡住产能的，可能是一段三秒钟的打斗。

三秒钟的打斗，和一整个行业的尴尬

杭州新腕儿AI短剧资源对接会上，快手、火山、万兴科技、酱油、听花岛等头部厂商同台亮相，议题已经从“AI能不能做剧”变成了“一天能做几部”——漫剧行业的迭代速度，快到足以让上一季的经验作废。

2026年的 AI 短剧，已经不太需要再为“存在感”辩护。DataEye 研究院《2025 年漫剧数据报告》预计，漫剧用户规模将从 2025 年的约 1.2 亿跃升至2026 年的 2.8 亿；到了 7 月的 WAIC 论坛上，DataEye 研究院又把 2026 年国内 AI 剧/漫剧市场规模的预估上调到 400 亿元，较 2025 年增长138%。

成本账更是被算得明明白白：《中国微短剧行业发展白皮书（2025）》显示，普通真人短剧的制作成本已普遍涨至 40 万到 70 万元，精品剧超过 100 万元；而长江证券今年 3 月的研报测算，AI 漫剧制作成本约为每分钟 1000 元、单部 10 万到 30 万元，一线从业者给出的普通 2D 漫剧报价甚至低到每分钟 600 元。

灵矩动漫这样的头部团队，一年内从 30 人扩到近 800 人，月产能瞄准200 部——“一人一天一部剧”正在从口号变成排期表上的常态。

产能的洪水已经放开了。但洪水漫过之后，露出来的是礁石。在制作一线，有一种场景至今让从业者头疼：动作戏。

不是没有需求。少年热血、玄幻武侠、末日求生、悬疑追逃——这些恰恰是短剧平台上最走量的题材。但问题在于，动作本身极难用自然语言描述。“他侧身闪过，反手扣住对方手腕，借力一拧，把人摔出去”——这句话人类看得懂，模型未必。更棘手的是，即便你费劲把它拆成一串提示词，模型对复杂肢体序列的遵从性依然很低，常常出现“人飞出去了但手还长在原地”这类违背物理常识的画面。

于是行业里出现了一道荒诞的分界线：能生成的镜头，AI 一天能做几十集；不能生成的镜头，人得逐帧手修，修一秒花掉做十集的时间。

这道分界线，把“AI 短剧工业化”这个漂亮的说法，卡成了半截工程。

白模：把“说不清”的动作，翻译成“看得见”的骨架

万兴剧厂这次给出的解法，名字听起来朴素得有些反直觉——白模视频转化。

思路是一次“反向降维”：既然语言描述不清、模型也听不懂，那就别说了，直接给它看一段“骨架”。

具体而言，这项能力会把原视频转换为低细节、无纹理的 3D 极简模型视频。人物角色用不同颜色的模型来表现，道具统一用白模；视频背景被剥离，背景区域保持浅灰白色。原视频中的人物面部、外貌、服装、材质、风格、光影以及特效等视觉特征被悉数去除，音频信息也一并清空。

换句话说，一段复杂的丧尸追逐的素材，进去之后会变成多个纯色小人偶在空旷灰底上，把那套动作原封不动地做一遍。

关键在“原封不动”。转化过程准确保留了原视频中的角色数量、动作、站位、移动、时序，以及人物与道具的交互，同时也保留了景别、机位、运镜和镜头切换。为了保证多角色不混淆，系统按角色数量顺序依次使用固定的十种颜色——红、蓝、黄、绿、紫、橙、粉、棕、灰、黑——每个角色模型全身统一使用单一颜色，同一角色全程保持颜色一致，不同角色不得复用同一颜色。

这套规则看起来像是某种工业制图的规范，实际上解决的是一个非常具体的工程问题：让模型把注意力全部放在“谁在什么时候、在哪里、做了什么动作”上，而不被脸、衣服、光线这些无关变量干扰。

效果是立竿见影的。据官方测试，原本基本无法完成的动作戏，在转成白模视频作为参考后，模型的遵从性几乎达到 100%。

这个“几乎 100%”值得停下来想一想它的分量。

在 AI 视频领域，“可控性”从来都是一个比“画质”更昂贵的东西。画质可以靠模型迭代慢慢磨，但可控性决定的是——这个镜头你敢不敢接单。一个动作镜头从“能不能生成”变成“想生成就生成”，意味着创作者终于可以把打斗、追逃、群戏写进分镜表，而不是在剧本阶段就绕着走。

从产业角度看，这也解释了为什么近年来AI短剧的题材会向玄幻、末日、科幻这些“高幻想浓度”的品类集中——不是创作者更喜欢，而是幻想题材对演员表演的依赖度低。白模转化等于把这个逻辑往前推了一步：当肢体动作本身变得可控，AI 短剧能承接的题材边界，会再往外扩一圈。

目前，万兴剧厂已针对转白模能力推出Wan3.0限时优惠返场。据其官方介绍，白模的还原效果与性价比都相当突出。

TGI2.5：把成本砍到三分之一，把漂移按住

如果说白模解决的是“能不能做”，那么 TGI2.5 的接入，解决的是“做得多快、多便宜、多稳”。

先看最硬的两个数字。

速度：生成速度提升 50% 以上。在按集结算的生产线上，速度不是体验问题，是产能问题——同样一个人、同样一台机器，一天能跑出来的可用镜头直接多了一半。

成本：2K 标准画质从原来的 7积分降到 2 积分（原 TGI 2 同规格），价格约为原来的三分之一不到。对高频、大批量的漫剧生产而言，这个降幅会直接落到每一集的成本表上。要知道，AI 漫剧的成本本来就按分钟计——据澎湃新闻援引从业者的报价，普通 2D 漫剧约 600 元/分钟，精品 2D 漫剧 1000 到 2000 元/分钟，3D 漫剧则要 6000 到 8000 元/分钟——图像生成作为其中的高频环节，单价砍掉三分之二，累积效应相当可观。

但比省钱更重要的，是它把几个长期困扰漫剧生产的“慢性病”按住了一些。

人物一致性。连续分镜中，人物面部特征的识别和保持更加稳定，跨画面的人物漂移有所减少。这句话背后是一个老问题：上一镜主角还是圆脸，下一镜就变成了方脸。观众或许说不出哪里不对，但“出戏”就是这么发生的。

文字遵循。对指定文字的内容、顺序和呈现要求执行得更准确，漏字、错字以及额外文字的问题有所改善。在短剧里，招牌、短信、合同、聊天记录这些“画面内的文字”往往是推动剧情的关键道具，一个错别字就可能毁掉一场戏的信息传达。

现实逻辑。对合同、微信聊天等现实场景的结构和交互逻辑理解更准确，生成结果更接近真实世界。这一条尤其值得注意——现实题材短剧正在成为平台的重要增量，而现实题材最怕的就是“假”。一份合同长得不像合同、一个微信对话框结构错乱，观众的沉浸感会瞬间崩塌。TGI2.5 在这类高频现实场景上的理解力提升，等于给现实题材的规模化生产松了绑。

把这三项和白模放在一起看，会发现一个清晰的意图：万兴剧厂这一轮升级，主攻的不是“更惊艳”，而是“更听话”。

从“能生成”到“像电影”：被补齐的质感短板

AI短剧发展到今天，行业内部其实已经形成了一个共识：画面质量的军备竞赛已经接近边际效益递减的拐点。

在手机端这个主流观看场景下，AI 漫剧的画面质感已经基本够用。真正拉开差距的，不再是单帧有多漂亮，而是整部剧是否像一个完整的、有审美的作品——人物皮肤是否自然、光影是否统一、色调是否连贯、镜头语言是否专业。

万兴剧厂这次上线的几项能力，恰好都指向这层“作品感”：

人像质感调节，支持对角色人像进行精细化调优，提升人物画面的自然度与表现力。这解决的是AI 生成人像常见的“塑料感”——皮肤过于光滑、五官过于标准、缺少真实的生活痕迹。

电影级光影矫正，支持智能优化画面的光线、明暗与氛围，增强画面质感与叙事表现力。光影是电影语言里最基础的叙事工具，同一场戏用顶光还是侧逆光，传达的情绪完全不同。这项能力把“打光”这个过去需要美术功底的环节，变成了可调用的功能。

调色板，支持提取参考素材的色彩风格并应用至图片与视频生成，提升作品整体色调一致性。这可以说是直击漫剧生产的顽疾——几十个镜头分批生成，很容易出现“每场戏一个色温”的拼接感。有了风格提取，创作者可以先定一部参考片，把它的色彩关系复用到全片，让作品在视觉上真正“成片”。

此外，专业摄像机与镜头调节能力也已上线，进一步把镜头语言的控制权交回创作者手中。

这几项能力单看都不算“大招”，但组合起来指向同一件事：把 AI 生成从“抽卡”变成“导演”。 过去创作者是在模型给出的结果里挑能用的，现在则可以按自己的想法去调整人像、光影、色调和镜头——这正是“导演级可控创作”该有的样子。

工业化的最后一公里，叫“精准控制”

回过头看，AI 短剧这一年多的进化，其实走过三个阶段。

第一阶段比能不能生成——答案是能了，而且越来越快。第二阶段比成本——成本曲线已经陡峭到让真人短剧行业集体承压。现在我们正站在第三阶段的门口，比的是精准控制。

精准控制意味着什么？意味着一个制作团队接到一份包含打斗戏的分镜表时，不再需要把它划掉；意味着一个现实题材剧本里的合同特写，不会因为生成不出来而被迫改戏；意味着一部六十集的剧，从头到尾是同一个人的脸、同一种光、同一套色。

这才是“工业化”这个词的本义——不是把单件作品做到极致，而是把不确定性从流程里挤出去，让产能可以被计划、被报价、被交付。

万兴剧厂这次的精细编辑能力升级，白膜视频转化负责啃最硬的骨头，TGI2.5 负责压速度和成本，人像质感、光影矫正、调色板与摄像机镜头调节负责把作品感补齐。三条线合起来，是一次相当明确的信号：AI 短剧的竞争，已经从“生成”这一端，全面转向了“控制”这一端。

用万兴剧厂自己的话说：模型是可替换的输入，产线才是不可替换的资产。

动作戏这块最难啃的骨头，如今被一块没有脸、没有衣服、只有十种纯色的“白膜”悄悄啃了下来。这听起来多少有些反讽——当整个行业都在拼命让 AI 画面拥有更多细节、更接近真实的时候，真正解开死局的钥匙，却是一次彻底的减法。

而这，或许正是 AI 内容工业化进程中最值得玩味的一课。

了解更多万兴剧厂：AI影视第一次登上WAIC主桌，背后是万兴科技的一盘大棋！