奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧

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。

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。

这个画布蛮有意思的，它找了三首备选伴奏，然后在画布上并列排布，点开哪个看哪个：

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。

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。

不过毕竟我什么素材也没上传，参考图啥的都没有，模型也只能用电影截图凑数。

因为奥特曼和Dario的Rap视频，我随手起名叫「美股IPO两兄弟」。

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。

但这里有个麻烦的地方，有些批准选项很难找。有一项我死活找不到，愣是找了十分钟。

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。

视频中画面穿帮、与设定不符的地方，它还自己做了返修，然后提示你重新运行草稿。

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。

第一感觉是，画面还蛮精美的，人物面部表情细节很到位，前后主体一致性也可以保证。

这个也是秒出，完全不需要多余的提示词，一个像素风HTML游戏就写出来了。

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。

测了这么多，Genspark Media Studio背后的流程调度是怎样的？

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。