打下基础。这一模块也非常贴合当下社交媒体上消费需求旺盛的内容类型，比如热点短剧、职场轻喜剧、萌宠拟人、悬疑短片和品牌剧情广告。短剧创作真正难的地方在于连续性。人物要前后一致，场景要接得上，故事节奏要顺，镜头之间还要服务同一个情绪和叙事目标。Pavo 剧情短片功能重点解决的，正是从故事创意到成片雏形之间的流程衔接问题，让用户可以先快速得到一个可观看、可修改、可继续扩展的短剧初版。三个底层机制，让四个模块真正协同四个模块能够协同工作，背后是三个核心机制在支撑。第一个是素材快速引用。简单说，就是当前创作流程里产生的任何图片或视频，可以直接在下一步里引用，不需要离开平台去整理文件。生成的角色图可以直接作为视频首帧，上一个镜头的结果可以作为下一个镜头的参考，已有的商品图可以直接送进广告视频生成流程。这个能力的价值在于把一个通常分散在多个工具和多个本地文件夹里的工作流，拢在了同一个环境内。每次跨平台切换不只是操作成本，更重要的是你每次都要在新工具里重新解释上下文，Pavo 通过素材直接引用避免了这种信息损耗。第二个是智能模型路由。Pavo 内部集成了 Agnes 自有模型和部分第三方模型，智能路由会根据任务的复杂程度自动匹配：简单场景优先走成本低的基础模型，复杂人物动作、精细运镜、多镜头叙事这类任务则切换到性能更强的模型，包括外部模型。用户不需要提前研究各个模型的特性和适用边界，也不需要手动在多个平台之间切换去测试哪个模型效果更好，系统在这一层做了判断。这个机制对于并不熟悉各模型差异的普通创作者来说，降低的是入门门槛；对于有高频创作需求的团队来说，避免的是把高成本模型用在不需要它的简单任务上。第三个是 Harness 调度框架，这是 Agent 模式和剧情短片功能背后的统一引擎。Harness 的作用是把多步骤任务里的需求理解、素材引用、模型调用、生成执行、结果输出这些环节串在一起，使整个过程对用户来说是连续的，而不是一段一段需要手动衔接的。短剧 Harness 在此基础上做了针对内容创作的专项设计：它会先判断用户的创作类型，是情绪向的剧情短剧、还是传播导向的品牌广告、还是搞笑向的轻喜剧，然后根据类型匹配风格、设计镜头逻辑、调整生成路径，而不是对所有内容一视同仁地走同一套模板。这个差异在实际出片质量上是可以感知到的，尽管具体效果还需要实测来评估。Agnes-Video-2.5-preview：视频模型即将上线除了已经开放的 Agnes-Video-2.0，Agnes AI 的视频模型也即将迎来新版本 Agnes-Video-2.5-preview。Agnes-Video-2.5-preview 生成结果Agnes-Video-2.5-preview 预计本周上线。相比 2.0 ，新版本围绕效率、动态表现和可控性进行了升级。首先是生成速度，相比 Agnes-Video-2.0 版本提升了一倍。这个改动的意义不只在于等待时间减半，更在于它改变了批量测试这件事的可行性。做短视频素材的人都知道，一个概念通常要跑十几个版本才能选出方向，速度翻倍意味着同样的时间内，迭代轮数可以翻一番，试错成本在时间维度上也随之压缩。其次是动态表现。Agnes-Video-2.5-preview 优化了运镜效果，可以减少僵硬、突兀或不连贯的镜头变化，让画面运动更加顺滑。例如，在一段关于沿海渔民生活的视频生成中，Agnes-Video-2.5-preview 通过远景、特写、中近景之间的切换，完成了一个比较自然的叙事节奏。画面先用较大的环境镜头交代整体氛围，随后切入渔民整理渔网的手部细节，再转向人物拉网动作过程。整个过程没有出现明显突兀的跳切，也没有为了增加动态感而让镜头大幅晃动，景别之间的转换比较克制。Agnes-Video-2.5-preview 生成效果作为对比，Agnes-Video-2.0 在类似场景中的运镜和连续性略弱一些。它同样能够生成渔民劳作、渔船和海边环境等元素，但画面中少了复杂运镜、多镜头叙事等高难度场景，动作衔接不够自然，人物起身、搬动渔网的过程不自然。Agnes-Video-2.0 生成效果新模型也增强了对物理规律的还原，降低人物、物体和环境交互中的漂浮、穿模、不自然碰撞等问题。我们以沿海山路行车视频为例，画面中车辆始终贴合道路行驶，没有出现明显漂浮或突然偏离路面的情况。同时，人物和车内空间的关系也比较稳定。驾驶者的位置、方向盘、车窗和座椅之间没有明显穿模或错位。车外的护栏、山体、海面与道路之间也保持了相对合理的空间层次，环境没有因为镜头运动而出现大幅变形。作为对比，2.0 版本在类似场景中更容易出现运动关系不够稳定的问题，画面衔接处能看到瑕疵。左：Agnes-Video-2.5-preview 生成效果；右：Agnes-Video-2.0 生成效果这类改进看似细节，却是 AI 视频从能生成走向能使用的关键。在真实创作里，创作者往往不只需要一个可看的结果，还需要围绕同一主题不断尝试不同风格、镜头和情绪表达，从中挑出最适合继续打磨的版本。比如，围绕同一个香水广告提示词，Pavo 可以生成风格差异明显的多组结果。这种画面多样性对内容创作者很重要。广告、短片和社交内容往往需要多个可选版本：有的适合作为主镜头，有的适合作为氛围镜头，有的可以截取成转场或补充素材。如果生成结果过于相似，创作者只能在有限素材里挑选；而当同一提示词能够生成不同动作、不同镜头和不同氛围的版本时，后续剪辑、组合和二次创作的空间也会更大。另外，Agnes-Video-2.5-preview 允许用户上传多张参考图，让生成的视频在人物外观、商品细节、场景风格上与参考图保持一致。新版本还改善了画面中的字幕乱码问题。结语AI 视频和短剧正在进入一个需求快速放大的阶段。短视频平台需要更高频的内容供给，电商商家需要围绕同一款商品持续生成主图、详情页、种草视频和投放素材，短剧创作者则要更快完成故事、人物、场景、分镜和成片制作。过去，这些工作高度依赖人工，周期长、成本高。现在，AI 让个人创作者和小团队也有机会参与进来。但 AI 视频创作要不断尝试。比如一条广告视频要试不同镜头，一组商品素材要试不同风格，一个 AI 角色要反复校准一致性，一支短剧还要补分镜、补转场、补人物表情和场景变化。很多平台按会员、积分或生成次数收费，一旦进入高频试错，成本会很快累积。这也是 Agnes AI 免费开放全模态模型 API，以及推出 Pavo 的关键意义。文本、图片、视频三条模型线同时开放，再通过 Pavo 把 Agent、图片生成、视频生成和剧情短片放进同一个工作流里。对创作者来说，过去一个想法要不要继续往下试，往往取决于还剩多少额度、素材能不能顺利接到下一步。Pavo 把这些环节尽量收在同一个工作流里，让用户可以先把图片做出来，再继续生成视频，最后往短剧成片推进。成本压力小了，流程也少了很多中断，创作者才更容易把一个想法从草稿推进到可以发布的内容。当 AI 视频和短剧创作进入规模化试错阶段，真正的好创意才会被更快地筛选出来，被更多人看到。Pavo 链接：https://app.pavo-ai.work/