Google DeepMind 動畫短片亮相聖丹斯：用 Veo 配合草圖控制生成 4K 畫面

如果你問一個傳統動畫師對現在的 AI 影片怎麼看，得到的回答大機率是一聲嘆息：畫面看起來很炫，但根本沒法用，因為手和臉永遠在抽搐，人物下一秒就換了張臉，導演要的微表情更是無從談起。

不過，Google DeepMind 剛剛在聖丹斯電影節上亮出了一部叫《Dear Upstairs Neighbors》（親愛的樓上鄰居）的動畫短片。這部片子由皮克斯前員工 Connie He 執導、知名概念設計師 Yingzong Xin 操刀美術，講述女主角 Ada 被樓上鄰居的噪音折磨到失眠、最後在腦洞與現實之間展開大戰的故事。

但這不只是一部展映短片，它更像是 DeepMind 拿給好萊塢看的一份「工作流答卷」：他們到底是怎麼讓天馬行空的 AI，乖乖聽專業動畫導演指揮的。

扔掉純文字提示，讓 AI「看懂草稿」

傳統動畫最講究動作的節奏感，比如 Ada 困極時手指敲擊鍵盤的停頓、面部微表情的喜劇卡點，或者攝影機推拉搖移的精確構圖。團隊很快意識到，光靠打字輸入提示詞，哪怕寫上幾千字也根本不可能控制這些細節。

DeepMind 的研究員最後選擇順應動畫師的原生習慣：既然動畫師靠畫草圖、甚至自己演一段來溝通，那就讓 AI 也這麼學。他們開發了一套新型的 video-to-video（影片轉影片）工作流。動畫師先在自己熟悉的繪圖軟體裡畫出粗糙的動態分鏡或骨骼動作，再餵給模型，模型就會在嚴格貼合動作軌跡的前提下，把草稿渲染成具有獨特藝術風格的最終畫面，中間甚至可以自由調節「控制嚴格度」和「AI 自由發揮」的比例。

同時，為了解決角色長相每一幀都在變的問題，研究員開發了一套微調工具。美術團隊只需要拿幾張角色設計圖和場景概念畫，就能把專有的視覺概念直接教會定製版的 Veo 和 Imagen 模型，讓表現主義的油畫畫風從頭到尾保持統一。

告別「一鍵生成」，像改膠片一樣區域性返工

在好萊塢的專業工業流程裡，根本不存在「一鍵成片」的神話。短片製作過程中，團隊每天都會像傳統制片一樣開「每日樣片會」（dailies），一幀一幀挑刺。

如果為了修一個眨眼動作就讓 AI 把整段重跑一遍，幾乎必然會破壞已經滿意的其他部分。為此，DeepMind 專門開發了局部微調（localized refinement）工具。動畫師可以在畫面上圈出特定區域，單改某隻手或某塊陰影，而不用推翻整個鏡頭從頭再來。

最後，為了搬上聖丹斯的大銀幕，團隊動用了 Veo 的 4K 超解析度放大技術。這個模型並不是機械地拉伸畫素，而是在藝術家的調校下，按照短片的美術風格補全細節。官方透露，Veo 4K 超分功能已經在 Flow 中上線，並在本月晚些時候接入 Google AI Studio 和 Vertex AI。

為什麼重要

對於專業創作者和獨立動畫人來說，這部短片展示了一種真正務實的解法。過去兩年，AI 生成影片在專業圈子裡飽受詬病，核心矛盾就在於不可控和無法區域性修改。DeepMind 沒有試圖用提示詞去「消滅」動畫師，而是把 Veo 包裝成了畫筆和渲染器，讓畫師用最低成本的原型草圖去控制複雜的最終質感。如果你是一個懂分鏡、懂動作規律的小團隊，這種工作流未來很可能讓你用幾個人的規模，做出以往幾十人 studio 才能啃下的大製作。

在行業層面，這看起來是 Google 對 Runway、Sora 等對手發起的一場針對專業影人的「降維公關」。跑分和展示驚豔的 Demo 已經不足以打動好萊塢，拉來皮克斯背景的導演、進駐聖丹斯電影節的 Story Forum，並把實戰檢驗過的 4K 放大和工作流落到 Vertex AI 上，證明 Google 想把 Veo 牢牢焊死在專業影視工業管線裡。

我們認為，DeepMind 這次最聰明的做法，就是承認了「純文本 Prompt」在專業製作上的侷限。不過隱患也同樣明顯：目前這套工具依然依賴研究員貼身輔助、專門定製，從高度實驗性的實驗室定製，走向全球普通畫師都能順手呼叫的標準化 SaaS 工具，中間往往還有巨大的工程鴻溝要跨越。