值得学,但要把目标定在“关掉AI还能判断和做出东西”,而不是学会一套生成流程。AI漫剧和短视频的门槛正被工具拉低,稀缺的是选题、剪辑判断和验收标准。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
工具让“做出来”变便宜,判断力反而更值钱
材料里的观点立正判断,当每个人都能用AI做出漂亮作品,作品本身就证明不了什么;撤掉帮助后还会的东西才算数。他把“做出来了当成学会了”称为一种误会,并预测假学习会先繁荣再贬值1。放到漫剧和短视频上:能生成画面、配音、字幕,不等于会做内容。真正能区分人的,是知道什么值得做、哪里该剪、成片是否达标。
教程能加速,但不能替代建模和验收
材料里的观点立正指出,tutorial 往往把最值钱的能力外包了:选题、建模、拆解、验收、诊断、迭代。学员练的是走流程,不是长能力;toy project 还有复杂度、环境、路径三重幻觉,教程里的自信到真实场景容易崩2。他也说教程本身有用,前提是先有在真实世界里自己找答案的信心,再用教程加速2。所以学AI漫剧/短视频,可以看教程,但要自己定一个真实题目、自己定“什么算好”的标准。
短视频的关键环节是内容判断,不是自动生成
立正做视频播客时,Riverside 能自动挑片段生成短视频,但他自己的流程里不太用,交给剪辑同学,因为他对内容剪辑要求高:一个片段值不值得单独发,要看它有没有可独立讲的内容、观众没看前后文能否理解,起点和收尾都要判断3。他的后期流水线则把转录、字幕、文章、高光、封面拆成九个可单独运行的步骤4。这说明可学的是“把流程拆开、每步可验收”,而不是一键出片。
现有材料没有专门评估AI漫剧这一品类的市场前景或具体工具,以上是把立正关于学习、教程和视频剪辑的判断迁移过来;漫剧的题材、平台和变现条件需要另行核对。
出处
- 1假学习的终结
说明为什么“做出作品”不等于学会,以及撤掉AI后还剩什么。
- 2学AI的两大误区:找课本(只看不动手),抄作业(依赖tutorial)
具体列出教程外包掉的能力,以及教程在什么前提下才有用。
- 3我是怎样做视频播客的
用真实剪辑流程说明短视频里哪些判断无法交给自动工具。
- 4我的视频后期流水线skill
展示可拆步骤、可单独验收的后期流水线思路。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。