百万赞AI猫IP拆解，Wan3.0怎样让每集都是同一只猫

一条视频 163 万赞，粉丝 260 万，观众追的是同一只猫。系列 IP 的难处不在单个镜头好看，而在第 1 集和第 50 集还是同一只：脸型、工装、火锅店的光线方向都不能漂。把多模态参考、像素级一致性和 30 秒原生生成串起来，才谈得上一条稳得住的产线。

最近刷抖音，总能刷到一只头顶两只“妙脆角”的猫。

它在抖音账号“咪的妙脆角”里当修理工，今天修水泵，明天修机器。有一集它帮火锅店老板修好了灯泡，换来半价吃火锅，结果吃播效果太好，老板干脆给它免了单。这个系列里，有一条视频获赞超过163万，转发超过71.2万。账号一直定期更新，粉丝已经超过260万。

评论区里有一条留言我印象很深：“一句AI生成就否定了咪的所有努力。”观众追的并不是一条AI视频，而是一只有名字、有工作、会努力的猫。

麦芽团队聊到这个IP时说过一句话，AI更多是在解决一个问题：

角色立住以后，我们能不能稳定、持续地把它做出来，而不是每次更新都像重新做一个项目。

这篇就顺着这句话往下拆，一只猫怎样做到每集都是它，又怎样一集接一集稳定地做下去。

观众追的，是同一只猫

用AI做出一个好看的镜头，现在已经不难。难的是这只猫第一集长这样，往后每一集都还得长这样。

放到设计师的语境里，这个要求特别好懂。单条视频像一张概念稿，好看就能用。系列IP更像一套设计系统，同一个按钮在第1页和第50页必须长得一样，差1px用户都看得出来。猫头顶的妙脆角歪了一点，工装颜色深了一点，熟悉它的观众马上就会出戏。

AI视频的生成每次都带着随机性。同一句提示词跑两遍，出来的猫耳朵形状可能不同，脸型也会有细微差别。做单条视频，这种随机性有时是惊喜，做系列内容，它就是风险。

放到生意上看，这件事更要紧。一条爆款视频的流量，下一条很难接住，团队每次都得重新赌一次。系列IP靠的是积累，观众喜欢上这只猫，下一集就有人追，角色攒下的熟悉感会一集一集往下传。前提是它每集都还是它。猫一旦走样，攒下的熟悉感就要打折扣，追更的人也会流失。

麦芽从上线反馈里得到的结论是：

高频更新和角色温度并不冲突，AI提效以后，内容仍然可以靠人物和故事留住观众。

角色温度靠的是每一集都拿得出手的精品，高频更新靠的是一条稳得住的产线。两件事放在一起，就是精品内容的工业化生产。下面分两部分拆，先看精品怎么做出来，再看怎么一集接一集地稳定做下去。

精品的底子：先让模型把这只猫锁住

连续叙事和单条视频的要求不一样。单条视频只要一个镜头好看，连续叙事要的是单帧美感、角色、空间和叙事表达，在一连串镜头里同时立住。放到修理工妙脆角身上，至少有三样东西每一集都不能变。

第一是角色。脸型、年龄感、头顶那两只妙脆角、身上的工装，换了场景也得是同一只猫。

第二是场景。它在火锅店里修灯泡，镜头切到别处再切回来，店里的空间结构、光线方向、桌椅和道具的位置都得对得上。

第三是表演。剧本里写它先挠挠头、再踮脚去够灯泡，它就得按这个顺序一步步来，复杂的动作指令要执行到位，情绪也要跟着剧情走。

Wan3.0的几项能力，正好对着这三把锁。

先是全能参考。Wan3.0支持图、文、视频、音频四种模态参考，还进一步支持文档与网页。角色能给参考，场景和道具也能给参考。猫的三视图和场景设定图一旦喂进去，每个镜头都从同一份基准出发，整部剧就有了一份固定的底稿。

再是像素级一致性保持。连续生成里最常见的三种走样，角色身份漂移、道具变形、空间错乱，都是它要解决的问题。要做到的不只是“像”，更是“还原”。对系列IP来说，“像”只能保证观众认得出，“还原”才能保证观众不出戏。

然后是原生30秒生成和智能时长。一段完整的剧情动作能一次生成出来，不用切成很多短镜头再拼。拼接点越少，角色在镜头之间走样的机会也越少。

最后是超写实渲染和更强的视听冲击力。角色锁住了，画面还得好看。视频不止“会动”，更要有戏、动人，观众才愿意一集接一集地看下去。

回头看麦芽的选择，逻辑很清楚。精品内容的底子是角色立得住、场景对得上、表演有戏，Wan3.0的能力正好落在这三处。

从一集精品到每集精品，工业化靠整条链路

一集做成精品不难，难的是每一集都按精品的标准交付。麦芽评价效率的方式很能说明问题：

评价效率时，我们会把生成、筛选、返工、剪辑和审核一起计算，关注达到交付标准的完整作品，而不是单次生成速度。

做产品的人对这件事不陌生。demo谁都能做出来，难的是每次迭代都不出岔子，成本可控，还能规模化交付。内容生产也一样，精品要慢工出细活，走量又容易在品质上让步。单次生成再快，后面返工三遍，整体效率还是上不去。工业化要做的，是让一部剧的品质可预期，成本可预估，交付时间也排得出来。

所以麦芽算效率，看的是整条链路。麦芽旗下的跳跃视界AI内容生产平台接入了Wan3.0等视频生成模型，结合1000+导演skills，把从创作到出片的环节串到了一个平台上。导演的经验原本只在导演自己身上，做成skills以后，平台上的每个项目都能反复调用。

他们还联合Wan3.0打造了解说剧工作流，口型、节奏适配剧情节奏。解说剧讲究画面跟着解说走，人物开口要对得上台词，镜头切换要踩在剧情的节拍上。这些靠单次生成很难每次都对齐，做进工作流以后，每一集都能按同一套标准出片。

模型能力和链路叠在一起，最直接的体现是抽卡率。结合阿里云技术团队的体系化服务，Wan3.0的抽卡率达到75%以上可用。做系列内容的人对这个数字最敏感，每多抽一次，消耗的是成本和时间，还有导演的耐心。可用率稳定在75%以上，一部剧的排期才排得出来。

产线要稳，靠驻场和skills兜底

链路搭好了，连续生产里还是会冒出badcase。在麦芽选用Wan3.0的作品背后，阿里云PE和算法团队直接驻场，逐条内容分析打磨，和麦芽联合打造精品作品。麦芽这样描述驻场的价值：

这套流程很像我们做可用性测试。拿出真实的失败样本，定位问题出在哪一层，改完再对照验证。对一致性来说，这一步尤其关键。猫走样了，原因可能在参考图或提示词，也可能在模型本身，只有和懂模型的人一起复盘，才判断得到最底下那一层。阿里云这套打法把模型方的人直接放进了生产现场，问题能被及时定位，再用对照测试验证，这比单纯调参数管用得多。

一次修好，只能救一集。系列IP要每集都稳，修正的办法就得固化下来，下次直接调用。阿里云在这一层做的，是根据客户的业务场景，协同客户打造skills和可复制的工作流，帮客户用好模型，同时提供共性skill。头部团队可以做深度定制，规模小一些的团队也能直接用上共性skill，不必从零摸索。

沉淀下来的经验，可以归结成一句话，先锁不变量，再写变化。核心角色、主要场景和人物之间的位置关系先定死；@角色只在素材阶段做一次，后面的镜头都从同一份素材出发；每个镜头按画面、光影、声音、台词、风格、衔接六层来写；上一个镜头的终点，就是下一个镜头的起点。

设计师对这套逻辑应该很熟。组件库建好以后，新页面直接调用，不用每次从头画。skills和工作流在内容生产里起的就是组件库的作用。麦芽希望每次更新不再像重新做一个项目，靠的正是这一层。

用Wan3.0做一只连续三镜头不走样的角色

前面讲的都是别人的猫，最直接的验证办法是自己做一只。我设计了一个小测试，检验同一个角色连续出现在三个镜头里，能不能保持不走样。测试角色是我公众号的IP杜小虎。

参考图用的是这张三视图，从正面、侧面到背面都有，还附了一张脸部特写。虎纹怎么走，毛衣领口多高，胸前那枚金色AI芯片胸针在什么位置，这些细节最容易在生成里跑偏，也是判断一致性时最该盯的地方。

三个镜头的提示词：

镜头1提示词：偷看

3D动画短剧质感。温暖的客厅夜景，一只小虎趴在木质茶几边缘，只露出脑袋和两只前爪，眼睛盯着桌上的橙色零食袋，耳朵轻轻抖动，慢慢把头往前探。镜头缓慢推近，暖色台灯光，浅景深。

镜头2提示词：伸爪

3D动画短剧质感。同一只小虎爬上茶几，小心翼翼地伸出右前爪去扒零食袋，零食袋发出沙沙声，被声音吓了一跳，立刻缩回爪子左右张望。中景固定镜头，暖色台灯光。

镜头3提示词：装无辜

3D动画短剧质感。客厅里传来开门声，同一只小虎叼起零食袋迅速跳下茶几，把袋子塞到沙发靠垫后面，然后端坐在地毯上，歪头眨眼，一脸无辜地看向镜头。镜头从全景切到小猫近景。

打开阿里云的网站（或任意接入了Wan3.0模型的AI视频工具平台），在模型选择处选中Wan3.0。上传参考图点击生成视频。

这是我实测的结果，角色一致性非常好

我又测了同一个IP形象在10个场景下，10种不同装扮的视频，人物一致性依然保持得非常完美

这个测试比三镜头难得多。换场景、换衣服，画面里大部分东西都在变，模型得分清哪些可以变，哪些不能动。衣服可以换，虎纹、脸型和头身比例得留住。这条视频用的是同一张参考图，提示词只有一句“帮我生成这只小老虎的30s视频，分为10个场景下不同的装扮切换”，30秒里连换10次，小虎始终是同一只。系列IP做节日特辑、换季剧情，要的就是这种能力。

想试试Wan3.0的朋友可以到阿里云体验一下

点击立即体验之后，就可以免费测试效果

进入创作页以后，上传参考图，输入提示词，选好分辨率和时长就可以生成。建议先用480P把效果跑通，满意了再换更高的分辨率出成片。

回到那只猫

“咪的妙脆角”能攒下260多万粉丝，靠的是观众愿意一直喜欢这只猫。AI要做的，是让它每一集都还是它，还能一集接一集稳定地做下去。Wan3.0把角色、场景和表演锁住，驻场团队陪着把偏差修掉，skills和工作流让经验可以复制，跳跃视界再把整条链路串起来。高频更新和角色温度，可以同时成立。

如果你也在做短漫剧或IP系列内容，可以先用Wan3.0试试效果。

本文由人人都是产品经理作者【AI高手杜小虎】，微信公众号：【AI高手杜小虎】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议