奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧
Genspark 的视频Agent工作台， Genspark Media Studio ，正式发布了！
负责当「导演」的大语言模型有三档可选：DeepSeek V4.1 Flash、Claude Opus 5.5，以及Claude Fable 5.1。
具体干活的模型包括：Seedance 2.5、Kling、Veo负责生成视频，GPT Image、Nano Banana负责图像，ElevenLabs等音频模型负责声音。
北京时间10月27日18:00至11月4日18:00，Plus和Pro会员在Media Studio里的积分消耗 打五折 ，规划、图片、视频、音频和3D生成都算在内。
实测Genspark Media Studio：奥特曼唱rap、拍商战短剧，都安排上了
一键get同款
在首页的Genspark Magic分区里，有很多爆款视频模版，点击即可一键做同款。
系统再次提示使用半写实版还是卡通版，我选择了半写实版（赌一把），都确定后，它就开始工作了。
Agent调用了Seedance 2.5，虽然提示8-14分钟出片，但我体感大概两三分钟（？）片子就做出来了。
但这三首bgm都没有歌词，最后我让它做了一段原创rap伴奏，调用ElevenLabs生成。
值得一提的是，第一遍生成的视频规格都是480p，如果不满意还可以继续调整，定稿之后再升级1080p。
秒出知识讲解视频
从首页输入框下方的「Knowledge Explainer」卡片即可进入，也可以直接自然语言描述。
接着系统提示我选择片长、视觉风格以及解说角度，还选择了音频模型，这里用的是MiniMax TTS。
于是我又让它修改了一下，要求文案必须埋包袱、有悬疑感、能吸引观众，画面也更多变一些。
在完全没有人工修改的情况下，解说文案和bgm都算到位，能完整把电影情节讲清楚，整体上也符合悬疑片的氛围。
零基础也能做短剧了
哥哥是主承销投行的MD，弟弟是要上市的创始人——一张会议室，一个发行价，一个只有哥哥知道的秘密。
人物设定我给了点要求，四个主要人物，一个像梁朝伟，一个像吴彦祖，一个像安妮·海瑟薇，还有一个像章子怡。
接着，它产出了详细的人物设定、服装、道具以及定妆照，需要批准的内容有35项之多。
如果对话过长，它还会提示你可以存成skill，我这里就保存了个金融/商战短片skill。
设定全部保存好后，它把原始的5场戏拆出了84个镜头，又组成12个视频单元，写好提示词，再调用Seedance 2.5生成视频片段。
全部run完之后，终于进入了剪辑、配乐、上字幕阶段，这部分比前面的草稿返修要快多了。
不过也有缺点，比如片子后半段逐渐有些音画不同步，部分画面还是存在跳帧以及bug…
想不到吧，游戏也能做
由于版权问题，音乐、关卡也都是从零代码绘制的原创素材，只有玩法机制和原作是一样的。
Genspark Media Studio的拍片流程是怎样的？
据官方介绍，Media Studio会用大语言模型担任「导演大脑」，负责理解需求、写剧本，再安排不同模型干活。
它接入了20多家厂商的70多个模型版本，覆盖视频、图像、音频和3D。前面用到的Seedance和ElevenLabs，就是这套分工里的成员。
所以，Genspark把制作流程整理成了不同的skill。拍广告有拍广告的做法，拍剧情短片有另一套，Agent会根据任务类型选用。
就拿《定价夜》来说，先写剧本，再拆分镜，然后确定人物和场景，才轮到视频模型开拍。
「故事圣经」就在这个过程中负责保存设定。角色长什么样、穿什么衣服，提前变成可供参考的固定资产，后面的镜头照着来。
至于拍出来有没有跑偏，还得检查。官方介绍，Agent会对照剧本和设定检查生成结果，不合格的安排重拍。前面做短剧时主动返修的操作，就对应这一步。
比如一条30秒的视频，只有第7到13秒不满意，就点开Reshoot clips（局部重拍），在时间条上框出这一段，再告诉它怎么改。
按照官方介绍，它会保留原片的动作和机位，按新要求重新生成视频，一次最多指定5段，每段至少4秒。
如果只是画面里某个物体碍眼，则可以用Frame edit（帧编辑）框住它，选择替换或移除，适用于30秒以内的视频。
这样，修改意见就能落到具体的时间段，或者具体的物体上，不用每次都从头描述一遍整条片子。
还有个挺有意思的细节： 同样叫做视频，知识讲解片和剧情短片走的技术路线并不一样。
Knowledge Explainer主要用的是code-to-video。简单来说，就是AI写代码，把文字、图表和动画排好，再渲染成视频。
不过，代码能把画面做出来，视觉设计还得跟上，剧情片则更需要提前控制好人物动作和镜头。
为此，Media Studio还提供了 3D白模预演 。正式生成之前，先让Agent用白模搭场景，把人物站哪儿、镜头从哪儿拍确定下来。这一步不调用视频模型，确认后再交给Seedance出片。
再加上前面提到的480p草稿，思路也很好理解：能提前发现的问题，尽量别等高清成片出来了再改，这样可以减少返工，省下不少积分。
All in one、任何人都能用
All in one，就是所有工作流：生图、生视频、配乐、加字幕……统统都在一个产品里完成。
Media Studio把这些步骤放到同一张画布里，中间产物都留着，Agent可以接着往下干，用户也能随时插手修改。
上面展示的几个作品，也都是我在不切换任何平台的情况下，全部使用Media Studio做出来的。
按照官方介绍，专业用户还可以在里面用图层编辑器和多轨视频时间线，导出PSD、Premiere工程或CapCut草稿，继续精修。
就像前面的《定价夜》，我只随手起了个名字，Media Studio就直接把故事展开了。接下来，它问，我选，哪里不满意，再用大白话告诉它。
怎么拆分镜、怎么写提示词，这些我原本并不熟悉、让人望而却步的事情，都可以交给Agent先完成。
这个过程中，人的工作也随之发生了变化。很多时间可以用来判断故事够不够吸引人、音乐对不对味，以及这个镜头到底要不要留下。
对于一个完全没做过短剧、甚至没怎么看过的人来说，也可以轻松实现自己的脑洞、做出属于自己的作品。
产品地址：https://www.genspark.ai/media-studio
KV Cache被压成常数！OCR开源新王：页数没上限，缓存砍96% 2026-10-27
国产AI 3D大模型Hi3D来了！开源可商用，PK干掉GPT-6 2026-10-27
VAST开源实时世界模型EdenLive！单消费级显卡、720P超24FPS 2026-10-18
下架8个月，GPT-4o的拯救行动居然还在继续 2026-10-11
相关阅读
2D动画唇动合成，根据语音自动生成动画人物口型
只需要输入一段语音，代码会自动生成与之相对的动画唇形，还是毫无违和感的那种，这是一个在GitHub上拥有501星的开源项目，叫做Rhubarb Lip Sync。
Hinton为儿子加入谷歌，现在痛悔毕生工作，“青少年做水管工吧”
日本：敞开训练AI不用管版权，LeCun：机器学习天堂
PyTorch官方教程大更新：增加标签索引，更加新手友好
比尔盖茨：GPT-5不会比GPT-4好多少，生成式AI已达到极限
MEET智能未来大会万字实录，ChatGPT：看完让人激动不已
热门文章
刚刚，Anthropic公开335页招股书：史上最大IPO，史上最亏AI公司
国产5B生图模型海外突然爆火，4天超百万下载
KV Cache砍掉99%，单卡吞吐飙6倍，港科CMU联手岩山科技开源新模型
科大讯飞首发星辰TaaS平台，让Token真正成为千行百业的生产力
一张5090跑起34B实时世界模型，国产玩家拿下英伟达大奖！
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1