别把每个镜头都跑 4K：AI 视频流水线的 Draft-First 状态机

摘要：Google Flow 新增 360p 快速打样、首尾帧控制和 1080p/4K 导出。比规格更值得关注的是一种工程信号：让错误版本在低成本阶段退出，只把高清预算投给通过验收的镜头。

做 AI 视频时，有一种很隐蔽的过度工程：脚本还没定，连续性还没验，先把所有候选镜头跑到最高分辨率。

结果通常是"一堆高清废片"。人物动作不对、产品细节编错、横版构图塞不进竖屏，这些问题在 360p 时就看得出来，却被拖到升清和剪辑以后才发现。

Google 8 月 27 日给 Flow 增加开始帧/结束帧控制、360p 低成本快速测试，以及 1080p/4K 导出。本文不评价模型效果，只借这个产品路径讨论一个更通用的架构：Draft-First。

分辨率应该进入状态机

不要让调用者随手传一个 resolution: 4k，而要让状态决定允许的分辨率：

text 复制代码

BRIEF
  → STORYBOARDED
  → DRAFTED
  → REVIEWED
  → SELECTED
  → UPSCALED
  → ADAPTED
  → PUBLISH_READY
  → VERIFIED

一个最小转移规则可以这样写：

ts 复制代码

const transitions = {
  DRAFTED: ['REVIEWED', 'DROPPED'],
  REVIEWED: ['SELECTED', 'REGENERATE', 'DROPPED'],
  SELECTED: ['UPSCALED'],
  UPSCALED: ['ADAPTED', 'REGENERATE'],
  ADAPTED: ['PUBLISH_READY'],
  PUBLISH_READY: ['SUBMITTED'],
  SUBMITTED: ['VERIFIED', 'FAILED']
} as const;

SELECTED 以前只允许草稿规格。没有验收结果的镜头，不能进入高清队列。这样做不是节省一切成本，而是把成本和不确定性匹配起来。

镜头不是文件，是带状态的实体

如果资产管理只剩 final_v7_really_final.mp4，自动化很快会失控。镜头至少需要：

ts 复制代码

interface Shot {
  id: string;
  purpose: string;
  facts: string[];
  ratioTargets: ('16:9' | '9:16')[];
  constraints: {
    startFrame?: string;
    endFrame?: string;
    mustKeep: string[];
    forbiddenClaims: string[];
  };
  candidates: Candidate[];
  review: {
    narrative: Status;
    continuity: Status;
    productFact: Status;
    copyright: Status;
    safeArea: Status;
  };
}

首尾帧属于 constraints，不是万能修复器。它可以帮助约束镜头过渡，但不会替你判断包装文字是否真实、肖像是否授权、产品承诺是否合规。

Draft 阶段验五件事

低清草稿不适合验毛发和纹理，却足够决定一个镜头该不该活下去：

叙事：信息出现的顺序对不对，前三秒是否能读懂；
构图：主体、字幕和产品是否落在各比例安全区；
连续性：人物、道具、光线、运动方向是否跳变；
事实：模型有没有擅自改包装、价格或功能；
节奏：动作时长是否容得下旁白和字幕。

草稿验收通过后，再看高清阶段的材质、锐度、降噪和局部修复。把两类检查混在一起，只会让人对着高清错误纠结细节。

升清队列需要预算和幂等

生产系统至少要有三个约束：

ts 复制代码

function enqueueUpscale(shot: Shot, budget: Budget) {
  assert(allRequiredChecksPassed(shot.review));
  assert(budget.remaining >= estimate(shot));

  const key = `${shot.id}:${selectedVersion(shot).id}:upscale-v1`;
  return queue.enqueueOnce(key, { shotId: shot.id });
}

所有必要检查通过后才能进队；
每个镜头有候选数和升清次数上限；
以版本 ID 生成幂等键，重试不会制造重复账单和重复资产。

队列返回 completed 也不等于业务完成。升清后仍要重新检查字幕、边缘、产品文字和音画同步。

多平台适配不能等于 crop

Google Ads 同日宣布 Asset Studio 的多模态视频创作全面可用，可从分镜推进到横版和竖版素材。这里的关键是"从分镜开始"。

建议把比例要求变成镜头约束：

json 复制代码

{
  "16:9": { "subject": "left-third", "caption": "bottom-safe" },
  "9:16": { "subject": "center", "caption": "middle-lower" }
}

双人对话、横向运动和大场景经常不能直接裁成竖版。可以共享事实卡、旁白、参考图和 B-roll，但最终构图、字幕安全区和镜头长度应该按平台重排。

Agent 在这条链里应该做什么

适合交给 Agent 的是：读取事实卡、拆分镜头、生成候选、整理版本、执行机械检查、准备多比例素材、填写平台字段和回读状态。

应该保留给人的，是版权、事实、人物授权、公开承诺和最终发布。

我们在 Tipkay 里把视频制作和平台运营做成不同岗位 AI 员工，也是同一个取舍：一个岗位负责一种交付和一组受限工具，平台登录态留在客户端，关键操作由用户确认。产品关系需要直说------这能减少人肉搬运，但不会自动让每条视频获得流量，也不能替代责任判断。

Draft-First 的核心不是低清，而是让不确定性尽早暴露。工程上最划算的高清镜头，往往是那些在低清阶段已经被严格挑过的镜头。

参考：