Genspark 把视频制作交给智能体导演：说清一句需求，脚本、分镜到成片都在同一块画布上
核心概要
Genspark 上线 Media Studio，把视频制作从一条需要剧本、演员、布景、配音、配乐和剪辑师的流程，收进一个由 AI 智能体担任导演的工作台。用户只需描述想要的片子并回答几个问题，智能体先就概念、脚本、分镜和预算与人确认，再调度图像、视频、音频、3D 四类、来自十余家提供方的生成模型完成生成、质检、剪辑与合成。成品规格从 15 秒广告到 10 分钟短剧，也可输出海报或可交互的影片。
深度剖析
视频制作从一套需要剧本、演员、布景、配音、配乐和剪辑师的工序，变成说清想要什么就能启动的任务。 此前，最有想法的人多半在清单第一项就停下，继续做下去的人要花数周去学一套为专业者搭的工作流。 按 Genspark 的说法，已经试过的视频工具仍要求专业工作流和多年剪辑经验，这里的入口只是描述作品、回答几个问题，制作交给工作台完成。
一条片子由一位智能体导演统筹，而不是由一个生成模型一次产出。 这位导演的规划、脚本和代码由 Claude Opus 5.5 与 Fable 5.1 两个语言模型承担，GPT-6 Astra 在 3D 导演阶段做多模态核验，也就是检查不同模态的生成结果，随后由它调度图像、视频、音频、3D 四类、合计来自十余家提供方的数十个生成模型，名单里有 Seedance 2.5、GPT Image、Nano Banana、ElevenLabs 和 Seed Audio。 落到具体操作，智能体在渲染前先就概念、脚本、分镜和预算与人确认，再跑完生成、质检、剪辑与合成，关键节点回到对话，不满意的帧可以直接圈出来说明改哪里。
启示与展望
定位在把想法直接做成片子的人：一个入口、一条管线，脚本、角色、布景、分镜、3D 白模动画、配音、音乐与音效都放在同一块无限画布上，首版生成之后素材由图层编辑器、多轨时间线和 3D 白模导演台接手，智能体也能调用同一批工具。
适用区间由 Genspark 以例子形式给出，即 15 秒广告与 10 分钟短剧两端，属于产品自述的能力边界；模型名单会随新模型发布而更新，因此可用的生成模型不是固定集合。