即梦动效工作室来了！爆火的Vibe知识视频，一句话就能做

编辑｜Panda 最近刷抖音，很容易刷到这样一类视频：三五分钟，没有真人出镜，也没有实拍镜头，屏幕上都是不断生长、拆解、重组的文字和图形。比如一句家喻户晓的「床前明月光」被用来说明何谓「惊奇」，进而引出「信息论」概念；几个火柴人+几张简笔画，讲清了「为什么明明更努力，结果却更差了？」；一位吸了 96 年烟、活到 122 岁的老人的故事，被用来解读什么是「幸存者偏差」。这些视频用简约明晰的动画解释概念，再配上踩点精准的电子乐。看完既弄懂了一个知识点，又像是看完了一支 MV。 这类内容已有自己的名字： V ib e 知识 。截至目前，抖音「 #Vibe知识大赏 」话题已有 18.6 万人参与、累计播放 43.8 亿次。在 B 站，10 月初才开始投稿的 UP 主「比特新语」半个月涨粉 65 万，10 月 19 日单日涨粉 10.8 万。 Vibe 知识为什么这么火？原因其实很简单。 过去，把抽象知识做成可视化动画需要专业技能，以知识动画团队 PaperClip 早年披露的数据为例，一条 5 分钟左右的视频需要 4 到 5 人花上 2 到 4 周。9 月下旬 Claude Opus 5.5 发布后，用自然语言让大模型写 HTML、JavaScript 代码来生成动画的玩法迅速扩散，知识创作者可以用提示词逐段生成画面、匹配音效，一个人就能从脚本做到成片。 不过，一个人能做≠做起来轻松。从模型写出一段动画代码到一条能直接发布的视频，中间仍有不少手工活。11 月 10 日，即梦上线了「 动效工作室（Motion Studio） 」，主打「用文字描述创意，通过代码编译视觉画面」，想要填补这段空白。它能不能做出一条像样的 Vibe 知识视频？我们第一时间上手，从 60 秒的物理概念一路试到 4 分钟的人文短片。 上手实测 Vibe 知识视频一句话直出 我们一共做了四组测试，难度逐级往上加：时长从 60 秒拉到 4 分钟，题材从物理概念、科幻设定一路换到 AI 前沿和汉字史；提示词也有长有短，从逐幕写满的分镜脚本到一句话提示词，我们都试了一遍。 第一组选的是一个典型的 Vibe 知识题材：熵增。我们写了一段不算短的提示词，把开场意象、中段比喻、点题公式和结尾金句都交代清楚，还特意要求避开 Vibe 知识最常见的「黑底发光」审美： 用 60 秒讲清楚什么是熵增。开场是一杯加了冰块的水，冰块慢慢融化，水分子从整齐排列变得四处乱跑；接着用一个从整洁变凌乱的房间，引出孤立系统总会自发走向混乱；然后打出公式 S = k·ln W 点题，W 后面的数字不断跳涨；最后一句旁白：「生命，就是一场对抗熵增的局部胜利。」画面用米白底色加橙蓝撞色几何图形，不要黑底发光线。配音用沉稳男声，配乐用轻电子。 点击生成后，动效工作室运行了约 8 分半钟，消耗 82 积分，交出了一条 60 秒的成片。 上下滑动查看 可以看到，即梦动效工作室首先会分析和理解用户意图，之后进行规划并调用相关技能，再分别生成配音及画面并将它们渲染到一起，最后还会进行核验，确保生成的视频符合要求。 整体来看，冰块融化和房间变乱两个比喻都表现得很到位，公式 S = k·ln W 渲染准确，配色符合要求，配音与画面切换也对得很齐。 从输入提示词到拿到成片，前后不到 10 分钟，画面、配音和配乐一次到位，中间既不需要打开浏览器录屏，也不需要另找音频素材。当然，这样一条 60 秒短片可能还是赶不上专业团队数周打磨的作品，但对于想快速验证一个选题、看看效果的个人创作者来说，这个门槛已经低到可以「想到就做」。 不仅如此，我们还可以直接借用预设的 模板 ，复用已经过即梦官方检验的艺术风格。举个例子，我们这里选择了「发光粒子」风格，并直接复用了上面的提示词，得到了一个更具美感的熵增解说视频： 当然，我们还可以更进一步，对提示词和风格等进行进一步的细化，比如指定内容、增加「机器之心」标识、提供已有素材和旁白等。 上下滑动查看 进而得到更悦目吸睛的版本： 接下来，我们把时长拉到 3 分钟，题材换成阿西莫夫的「机器人定律」：从 1942 年短篇小说《转圈圈》里首次完整提出的三定律，讲到 1985 年《机器人与帝国》里补上的第零定律。 这一次，我们按照写分镜脚本的思路，把提示词写得非常细：全片分成五幕，每一幕精确到秒，画面元素、旁白原文、配色和音乐都有规定，连三条定律如何像积木一样叠成高塔、机器人在哪一幕绕着硒池原地打转，都显式写了出来。 上下滑动查看 动效工作室运行约 13 分钟后，我们拿到了第一个版本。 动效工作室的成果符合提示词，但问题也很明显。提示词把每一幕的时长和内容都锁死了，动效工作室能自由发挥的空间很小，基本只能照单执行。结果是这条 3 分钟的成片节奏偏松，几段解说之间留白较长，整体不够紧凑。 好在动效工作室也支持 多轮对话 。我们在同一个会话里追加了一句修改意见，动效工作室便对整支视频重新做了编排。 上下滑动查看 更有意思的是它理解这条意见的方式。可以看到，我们原本只要求加快节奏，但它判断，单纯压缩旁白之间的空档还不够，于是在原本留白的地方补上了有信息量的动作和镜头变化，让画面始终在配合讲述推进。 这已经不只是在执行指令，更是在理解指令背后的意图。 这一轮也给了我们一个教训： 对动效工作室来说，提示词并不是越细越好。 把分镜写死，等于把导演的活儿全揽在自己身上；给出主题、要点和风格，把编排的余地留给它，效果反而可能更好。 于是接下来，我们干脆反过来，选了一个「像素冒险」风格模板，并给了一句话： 做一支时长两分半的知识讲解视频，解释什么是 RSI（递归自我改进，Recursive Self-Improvement）。 这句话里没有结构、没有要点、没有配色，只选择了一个预设的模板；RSI 也只给了一个名字和中文译名。选这个题目也是有意为之：递归自我改进是 AI 领域相对前沿、也相对抽象的概念，最能检验动效工作室「理解内容、组织表达」的能力，看它能不能自己把一个概念拆成普通观众听得懂的讲述。 结果可以说大超预期，动效工作室不仅很好地遵照了「像素冒险」模板的风格，也简明清晰地解释了 RSI 的基本概念与逻辑，还展示了 RSI 所面临的现实困难，给出了「分数不等于安全」的理性观点并重点强调了 RSI 的安全边界。 最后一组难度最高：一支 4 分钟的人文短片，以「马」字为线索讲汉字三千多年的演变。这次的提示词介于前两组之间，给出了讲述脉络和风格方向，但没有规定每一幕的时长和画面： 人文题材的考验和前几组不一样。讲熵增、讲 RSI，靠的是把概念讲清楚的能力；讲汉字演变，靠的是对具体知识的掌握，甲骨文、金文、小篆里的「马」各长什么样，错一笔都不行。 结果也印证了这一点。第一版成片中，「馬」字的写法出现了错误。 我们随后向它提供了一些参考素材，动效工作室据此完成了修正。 这个插曲恰好说明了代码驱动的一个特点。文字由代码直接排版渲染，不会出现生成式画面中常见的乱码和糊字；但字形本身写得对不对，仍然取决于模型掌握的知识。好在出错的部分可以被准确定位、单独修改，不必推倒重来。对于严肃的知识内容，创作者的把关依然不可替代。 四组测试下来，我们大致摸清了动效工作室的脾气： 提示词宜给方向，不必写