卷模型不如卷调度，CrePal 要做 AI 视频模型的总导演｜对话 CrePal 创始人刘嘉铭
**文｜Pippobei 出品｜AI NOW!**
文｜Pippobei 出品｜AI NOW!
AI视频正在成为资本最密集、竞争最激烈的赛道。
今年，这一领域的总融资额预计将突破百亿美元。作为AI行业增长最快的细分方向之一，它的爆发式发展并非偶然——背后既有技术的飞跃，也有社交媒体的推动，更有内容创作者对效率工具和个性化表达的迫切渴望。
从 OpenAI 到 Google，从字节到快手，巨头纷纷下场，参数战、镜头战、清晰度战轮番展开。
但作为一个普通的创作者，却时常感觉到——AI工具看似越来越多，但做一支视频却越来越难。
X上的大神 PJ ACE曾直播教大家做 AI 短片，从剧本、分镜、人物、配乐到剪辑，需要在五六个平台之间切来切去；一位小红书知名的博主计算过，做一支1分钟的 AI 视频短剧，自己要花七天时间，总成本约2000 元左右。
看似人人都能用 AI 做视频，但普通人却被卡在复杂的流程里。最近，AI 闹发现了一款叫 CrePal 的视频 Agent，它最大的亮点是面向普通创作者，输入一句话就能生成一个可用的视频。
比如「帮我做一条麦当劳的火锅广告，20 秒」。然后什么也不用做，视频自动生成了。
CrePal 与可灵、即梦、Vidu 这些模型产品最大的不同是：它不是「一个模型」，而是「模型的总导演」。
换句话说，当你知道自己要做什么效果、但没有时间和能力自己搞定复杂的环节，CrePal 更适合你；当你想生成一段镜头、一个画面，且对细节有专业需求，那么可灵、Vidu 这类模型依然是不错的选择。
CrePal 定位的用户是想做AI视频的自媒体人，它的核心能力是「通过调度各种视频模型，帮你完成视频创作任务」。
| 逻辑 | 传统 AI 视频工具 | CrePal |
|---|---|---|
| 创作者的角色 | 使用工具的人 懂 prompt、调参数、剪片 | 提出创意目标的人 系统自动搞定执行 |
| 系统角色 | 提供功能 | 主动理解、调度与完成任务 |
| 模型使用方式 | 单点调用 | 多模型自动调度 |
| 成片流程 | 跨平台操作 | 全链路一体化输出 |
当我们给出一句话，CrePal 会自动完成以下几件事：
- 理解意图：你要做的是品牌广告，还是 vlog、或者一个剧情短片。
- 拆解任务：把文字拆成脚本、分镜规划、素材生成、音轨匹配、镜头剪辑、转场特效等子任务。
- 脚本规划：针对你的需求输出视频脚本、策划镜头
- 用 Midjourney 或 GPT-Image 生成静帧；
- 用 Veo、可灵、Seedance 等生成视频素材；
- 用 Suno等音频生成模型生成风格化 BGM；
- 最后再统一到一个自动剪辑系统完成节奏对齐、字幕匹配。
- 输出成片：成片是社交媒体可以直接投放的格式，你甚至可以选择抖音风、小红书竖屏、YouTube Shorts作为输出模板。
如果你是一个高阶玩家，CrePal 全环节可自主选择。
AI 闹试用了 CrePal 。测试目的：是否有能力生成一个相对复杂的场景，prompt 如下：
「请帮我生成一个 3 秒的 16 : 9 的画面，内容是在一个未来的废墟城市，天空中下着毛毛雨，在半地下室的窗台向外望去，窗台上摆着一个朴素破碎的花盆，花盆中开出了一朵非常简单朴素的小红花。后景的室外，雨中还能看到近处和远处都摆着一点垃圾（类似易拉罐、玻璃瓶）。画面是一个 17 岁黑发女孩的视角，镜头先从她的后脑勺的一侧带关系，然后推进到花和花盆的近景。」
这是一个实现起来有些难度的指示，涉及景别的变化，焦点的变化和被拍摄对象的变化。
除了花朵最后生出的部分有理解上的Bug，基本合格，可以替代一些水平基础的分镜师工作。
- 主角参考图，基本和预想的差不多
-
主视觉参考图，一定程度实现了废墟感
-
最终成片展示
2
CrePal 的创始人刘嘉铭（以下简称 jiaming）入行的第一份工作是在腾讯的微信事业群做 AI 产品经理，那是 2020 年，ChatGPT 还有2年多才发布。
jiaming发现，越是普通的用户，越会把 AI 想得非常厉害。「比如一个小孩，会去问AI怎么组装他的玩具车；一个老人会用方言喊AI帮他买东西」。可是，这些是当时AI完全做不到的事。
他开始将兴趣转向研究 Agent，那时候还没有「 Agent 」这个词，「行业里一些人管这种AI叫数字生命，就是能解决问题，有记忆力的智能体。」
2024 年 3 月，jiaming 决定创业，第一个切入方向是 AI 约会助手，但很快发现过于依赖早期的推广资源，之后迅速转向 AI 视频的 Agent。在今年年初发布了一个面向 vlog 爱好者的 AI 剪辑工具「 AI VLOG」，一度登上 PH 的周榜、日榜第一。
但是， AI 剪辑工具的用户活跃度极大受制于「视频拍摄速度」， 于是jiaming自学AI视频 ，想了解创作者的卡点在哪里。他付费上了很多视频课，发现都是「水课」，自己最真实的痛点没有一门课能解决。
这就是创办 CrePal 的初衷。
「普通人不是不想做AI视频，而是没有一个既专业又懂你的Agent。」
现在，CrePal 仍处在早期验证期，系统尚未完全摆脱模型本身能力的限制，视频输出的稳定性和美学质量仍被底层模型的成熟度限制的比较多。
但是它的有趣之处是：在一个极卷的赛道跳出了工具逻辑，从「模型力」转向「调度力」。
这也决定了它在行业中的独特位置：不是一个模型厂商，也不是一个剪辑平台，更不是一个 SaaS 工具，而是一个视频调度中枢和协作接口。
以下是 AI 闹和 jiaming 的采访。采访时，CrePal刚上线两周，收入远超jiaming的预期，他精神亢奋，准备从深圳搬到杭州。 jiaming说，做CrePal第一天起，他就觉得做对了。「有一种很强的时代的召唤感，大言不惭地说，它和我如此匹配，非我莫属。」
- 2024年2月公司成立。jiaming（左）和同事开会
- 公司最初在花卉市场办公，一个独栋小楼，jiaming过年时给公司贴对联
- 2025年7月，Crepal团队已经搬入杭州的一个Wework
对话Jiaming
Part01
不是完美无缺
我们解决省钱、省时
AI闹：CrePal 第一次亮相在观猹发布会上，听完你的介绍，我的第一反应是，这就是我做视频最大的痛点，第二天反应，这个方向怎么之前没有公司做？**
Jiaming：第一是在 2025 年之前，AI 视频技术不成熟。真正的变化发生在今年年初，很多视频模型可以让自媒体创作者生成一个差不多的片子了，加上 Gemini Cloud 对多模态内容超强的推理能力，这是 CrePal 最刚需的功能。 2024 年我们推出 AI Vlog时，技术上是有点吃力的，今年的基建就成熟了。
还有就是市场对 Agent 的理解也成熟了。 2024 年我创业做 Agent，很多投资人觉得我是一个骗子，Agent 是什么东西？ 赚钱吗？什么叫 Agent， 用户也听不懂，要感谢今年 Manus 的火爆，彻底带火了「 Agent」 这个词。
其实很多伟大的产品，需要一个适合的时间点，时代自会召唤出来，创业者的使命就是把它 deliver 到这个世界。
AI闹：AI视频赛道是最卷的赛道，作为一家创业公司，为什么还要做？
Jiaming： 本质上就是我觉得大家做的真不行。
模板和workflow这种被各家普遍采用的形式马上就要被淘汰了。一个特别精致的AI短视频怎么可能是一句话生成？正常人类谁能用得明白复杂的节点托拉拽？
很多 AI 视频创业公司其实根本不了解用户的痛点。不知道是他们太有钱了还是为何，很迷信自己的判断力。行业大部分的做法是直接把模型信息隐藏，自己训练一个小模型；或者直接给用户提供模板效果。如果你真的做过自媒体，就会发现，这是一个非常不自由的交互。
创作者需要在创作过程中被激发，然后自己调整，再把新的想法输入。
我的判断是现在大部分这个方向的创业公司产品，注定会在一两年之后会被时代淘汰掉，workflow马上就会成为历史。
时间会证明像 CrePal 这样全开放的一站式Agent是这个领域的最佳应用形态。
AI闹：CrePal 从脚本规划、视觉参考到最终生成，每个环节，你们全开放给用户，但具体怎么做「多模型调度决策」？
Jiaming： 脚本规划经过实测，包括和专业博主的交流，DeepSeek 做这种发散性的镜头设计以及需要艺术感的内容，发挥较好，其他模型相对理性一点。
主视觉参考图，Midjourney 基本合格。如果你有明确的视觉参考，比如你想以刘亦菲作为主形象，那就把图贴到系统里，flux dev也生成得不错。
在视频生成环节，我们使用的是闭源模型组合，通过一个可以动态变化的知识组织让系统去理解各家模型擅长做哪些任务，然后再调用知识判断你的任务，匹配哪家比较适合：比如Hailuo做小动物跳水的视频，做得最好，系统直接选用Hailuo，不会选可灵了。
AI NOW！：在用 CrePal 做我的一支原创短片 demo 时，最后视频生成还是有一些 bug ，这是为什么？
**Jiaming：**CrePal 的价值不是让人一句话得到一个完美无缺的视频，而是让用户原本要花更多的时间和更多的钱，能尽可能节省。
所以，第一版视频不可避免有小 bug ，普通人也不太可能一句话就把一个视频创意说明白。你直接用AI视频模型也是需要反复修改 prompt，多轮抽卡，抽十次，才能得出满意的效果。CrePal 并不能让这些事情消失，因为这是模型的基础能力决定的，但可以帮你做自动优化、自动筛选优质素材。
最近也有计划加上「自我评估」，让 Agent 在每个环节自主反思效果。
Part02
好的套壳绝不是 token的倒买倒卖
AI闹：从工程角度，现在难度最大的是哪个模块？如何解决？
Jiaming： 最难的也是花精力其实是剪辑部分，因为市面上没有现成的模型对剪辑支持的很好。
好在团队的执行力很强，用工程手段快速打造了一套Agent剪辑系统。现在 CrePal 的剪辑能力放眼全世界的 AI 产品，无论从理解的精准度，还是根据指令做自由交互的程度，都是最好的。
AI闹：能不能举一个，你们花了很多时间优化，但用户感觉不到的产品细节？
Jiaming： 根据指令生成脚本，做出场景或者人物的参考图。
这背后有一个难点：用 AI 作图的人都知道，作图的时候要强控风格的一致性，保证所有细节的统一，所以对 prompt 的书写技巧要求极高，我们其实花了很大精力做 prompt 的优化，让 Agent 更加懂你。
不过，也得益于文生图模型日趋稳定，比视频模型强不少。
**AI闹：CrePal 的定位避开与巨头在底层技术上的直接竞争，所以核心竞争力是否应该是独特的交互体验？你打算怎么优化？
Jiaming： 对，现在还在优化一些我不太满意的交互点，目的是希望流程更加丝滑，更符合创作者进入心流的状态。
比如文生图现阶段是一张一张地生成。是不是可以识别哪些能批量生产？在完成脚本策划和形象设计后，分镜是不是可以十张一起出，然后直接把图放到轨道预览界上，用 Story-Board 的故事版，给用户一个快速的反馈，用户可以一目了然，先看下图片，想修改，就quote选中图片或者文字再做调整。
还有一个重点就是尽快上线社区，让用户可以把作品分享到社区，大家多交流激发，这个也很重要，也是我优先级最高的事情。
AI闹：你在发布会上说绝对不做 token 的倒买倒卖，现在的商业模式是原价调模型 API，通过调度能力和整合能力赚服务费，这背后的判断是什么？**
Jiaming： 首先，希望帮用户省钱。我敢保证对于 90% 的 AI 视频创作者，使用 CrePal 绝对是花钱最少的。举个例子，有些模型，它的首图选用某种结构比较不容易出 bug，只有一些很懂各家大模型且有实操经验的人才了解，现在 CrePal 可以帮你减少抽卡的次数。
用户购买的是 CrePal 的推理能力和服务价值，这是我认为 Agent 最合理的商业模式。因为模型不是我们自己做的，是模型公司做的，我们提供的价值不在模型，倒卖模型给用户赚 token 钱不符合长期的商业逻辑，帮助用户解决学习门槛和提高效率的价值才是我们长期该赚的钱。
AI闹：上线至今，CrePal的收入状况和增长？
**Jiaming：**7月16日正式公开发布 Beta 版，截至8月1日已获取 5000+ 注册用户，上线 48 小时收获 500+ 美金订阅收入；
Part03
得调度者得天下
AI闹：你从 2023 年创业就坚定做 Agent，到今年 Agent 概念已经被「喊烂了」，你认为 Agent真正的价值和壁垒在哪里？
Jiaming： 创新的交互机制，以便于能收集足够多的过程数据以及用户记忆，这会构成产品未来不可撼动的一个壁垒。
但我发现大家在实践过程中其实并不重视这个事，哪些数据值得被整理，哪些记忆值得被调用，行业的认知很浅。
记得 2024 年初某知名机构的合伙人跟我交流的时候，直接说，他不相信未来 Agent 的记忆是有价值的，因为模型足够强的话，可以用很少信息做出推理，我当时和他吵起来了，我觉得太荒诞：那时候大家对大模型有一种盲目的迷信，但我这种 2020 年就入行做 AI 的人非常清楚模型的底层原理以及演化的过程，即便如上帝一般的模型，如果没有合适的、足够多且丰富的 context 作为支撑，也无法展现出应有的表现。
AI闹: 还有一部分不看好 Agent的业内人士认为，Agent+应用其实就是套壳，难度并不大。
**Jiaming：**和大家的看法不同，开发一个表现优异的垂直Agent应用，最重要的不是领域的 Know-How 有多高。这当然也重要，但是只要够用就行。
最重要的是团队对 Agent 系统开发的经验和认知够不够硬，能不能把Know -How 和 Agent 开发做有机结合。所以任何不是专业做 AI Agent 应用的公司，只是做视频厉害的人做的 Agent 基本都是用不了的。
比如英雄联盟这款游戏，faker之类的顶尖选手可能玩得非常好，全世界也没人打得过他，但是他不具备做游戏的专业知识和技能，他肯定不会成为最好的游戏的开发者。
AI闹：CrePal 的核心价值是调度各种大模型视频。未来 AI 行业的「话语权」会从模型厂商转移到调度平台吗？**
Jiaming： 肯定会。我理解的AI的调度权是像大众点评或者小红书，对用户有实际的指引作用，能解决真问题。
现在只是 AI 模型厂商没有那么多，但是试想一下，再经过一年， 随着 AI 视频模型的发展，更加百花齐放，甚至有新的厂商加入战斗，那创作者们会更加困惑：我到底用谁和谁的组合来完成创作？
模型解决的是这件事能不能做，我是帮大家解决用最短的路径成真，要使用哪些模型。
一旦用户用上 CrePal 其实很难回到过去那种在各个平台做任务的状态，因为我们提供了十倍好的效率提升和体验提升。
CrePal 是一个很接地气的产品， 无论从话语权，还是对整个行业影响力，我认为未来丝毫不逊于任何一家厉害的模型公司，它注定是人机交互时代的一个标准答案，这点我很有自信。
AI闹：CrePal 怎么在「调度」这件事上持续保持领先？如果其他大厂也开始做类似的产品？
Jiaming： 我不是很担心。因为我们团队对这事理解得非常深，实践能力和落地能力也很强。
坦率说，在我的视野里，比我们团队做 Agent 能力还强的，全世界数得上的团队，都在做通用 Agent 或者自己的垂类Agent。如果此时此刻有个人说做出跟我们一样的事情，多半是吹的。
CrePal 这个产品形态现在也是全球仅此一家。
AI闹：但是你没有喊出「第一」「首家」？
Jiaming： 我们的用户，谁关心你第一个还是第二个？就关心你是不是好用，能不能帮我一站式解决问题，还能省钱？
我只关注用户的需求。
AI闹：最后，推荐三本影响你最大的书。
Jiaming： 第一本是《博弈论》，给我全新的视角。就像我经常被问到，如何理解未来跟大公司或者大模型公司的关系，我会用博弈论的视角制定公司的策略；第二本是《乌合之众》，创业者都应该看，帮助理解一群人如何看待你的产品，怎么利用这些制定传播策略；第三本推荐《高等数学》，极限法是一个判断事情时很好用的思维。
图片来源｜受访人供图、Unsplash
—彩蛋一枚—
我们有播客了
在小宇宙APP搜索**「AI NOW」**
