Google DeepMind 动画短片亮相圣丹斯：用 Veo 配合草图控制生成 4K 画面

如果你问一个传统动画师对现在的 AI 视频怎么看，得到的回答大概率是一声叹息：画面看起来很炫，但根本没法用，因为手和脸永远在抽搐，人物下一秒就换了张脸，导演要的微表情更是无从谈起。

不过，Google DeepMind 刚刚在圣丹斯电影节上亮出了一部叫《Dear Upstairs Neighbors》（亲爱的楼上邻居）的动画短片。这部片子由皮克斯前员工 Connie He 执导、知名概念设计师 Yingzong Xin 操刀美术，讲述女主角 Ada 被楼上邻居的噪音折磨到失眠、最后在脑洞与现实之间展开大战的故事。

但这不只是一部展映短片，它更像是 DeepMind 拿给好莱坞看的一份「工作流答卷」：他们到底是怎么让天马行空的 AI，乖乖听专业动画导演指挥的。

扔掉纯文字提示，让 AI「看懂草稿」

传统动画最讲究动作的节奏感，比如 Ada 困极时手指敲击键盘的停顿、面部微表情的喜剧卡点，或者摄影机推拉摇移的精确构图。团队很快意识到，光靠打字输入提示词，哪怕写上几千字也根本不可能控制这些细节。

DeepMind 的研究员最后选择顺应动画师的原生习惯：既然动画师靠画草图、甚至自己演一段来沟通，那就让 AI 也这么学。他们开发了一套新型的 video-to-video（视频转视频）工作流。动画师先在自己熟悉的绘图软件里画出粗糙的动态分镜或骨骼动作，再喂给模型，模型就会在严格贴合动作轨迹的前提下，把草稿渲染成具有独特艺术风格的最终画面，中间甚至可以自由调节「控制严格度」和「AI 自由发挥」的比例。

同时，为了解决角色长相每一帧都在变的问题，研究员开发了一套微调工具。美术团队只需要拿几张角色设计图和场景概念画，就能把专有的视觉概念直接教会定制版的 Veo 和 Imagen 模型，让表现主义的油画画风从头到尾保持统一。

告别「一键生成」，像改胶片一样局部返工

在好莱坞的专业工业流程里，根本不存在「一键成片」的神话。短片制作过程中，团队每天都会像传统制片一样开「每日样片会」（dailies），一帧一帧挑刺。

如果为了修一个眨眼动作就让 AI 把整段重跑一遍，几乎必然会破坏已经满意的其他部分。为此，DeepMind 专门开发了局部微调（localized refinement）工具。动画师可以在画面上圈出特定区域，单改某只手或某块阴影，而不用推翻整个镜头从头再来。

最后，为了搬上圣丹斯的大银幕，团队动用了 Veo 的 4K 超分辨率放大技术。这个模型并不是机械地拉伸像素，而是在艺术家的调校下，按照短片的美术风格补全细节。官方透露，Veo 4K 超分功能已经在 Flow 中上线，并在本月晚些时候接入 Google AI Studio 和 Vertex AI。

为什么重要

对于专业创作者和独立动画人来说，这部短片展示了一种真正务实的解法。过去两年，AI 生成视频在专业圈子里饱受诟病，核心矛盾就在于不可控和无法局部修改。DeepMind 没有试图用提示词去「消灭」动画师，而是把 Veo 包装成了画笔和渲染器，让画师用最低成本的原型草图去控制复杂的最终质感。如果你是一个懂分镜、懂动作规律的小团队，这种工作流未来很可能让你用几个人的规模，做出以往几十人 studio 才能啃下的大制作。

在行业层面，这看起来是 Google 对 Runway、Sora 等对手发起的一场针对专业影人的「降维公关」。跑分和展示惊艳的 Demo 已经不足以打动好莱坞，拉来皮克斯背景的导演、进驻圣丹斯电影节的 Story Forum，并把实战检验过的 4K 放大和工作流落到 Vertex AI 上，证明 Google 想把 Veo 牢牢焊死在专业影视工业管线里。

我们认为，DeepMind 这次最聪明的做法，就是承认了「纯文本 Prompt」在专业制作上的局限。不过隐患也同样明显：目前这套工具依然依赖研究员贴身辅助、专门定制，从高度实验性的实验室定制，走向全球普通画师都能顺手调用的标准化 SaaS 工具，中间往往还有巨大的工程鸿沟要跨越。