即梦 Octo 来了！它想做的 Vibe Create，是什么？

一个有「审美偏好」的合作者。

2026 年以来，AI 创作工具圈出现了一个很明显的趋势：越来越多产品开始往「全链路」的方向走 ，成为 All In One 产品。

这些 All In One 产品想解决的事情，总结下来就 2 个：

第一个是降门槛，让不会用专业软件的人也能做出东西来。

第二个，也是更核心的一个，是让创作的各个节点连起来，从灵感到成品之间的路径应该是连贯的，而不是每一步都要重新开始。

即梦最近推出了 Octo，定位是一个 AI 原生的动态叙事创作工具。简单说，就是在一张画布上，从最初的灵感碰撞一直做到成片导出。

接下来，分享我们完整的实测过程。

从一个模糊的想法，到一段动漫

调研和灵感碰撞

打开 Octo，进来就是一张空白画布。

我一开始只有一个很模糊的方向：想做一个昭和年代暗黑风格的短片，画面氛围要像押井守 1985 年那部《天使之卵》，并且要有 3D 人物，有矛盾感。但具体做什么故事、什么角色、什么结构，完全没想好。

在画布空白处按了一下 / 键，弹出了对话框。这是 Octo 的主要交互入口，任何时候、在画布的任何位置，按 / 就能跟它开聊。

我先问了一个比较开放的问题：

昭和年代动画的视觉特征有哪些？ 

Octo 做了非常详细的网络调研，将整个昭和时期动漫的风格和发展做了深度研究：

这个时候，你可以直接让 Octo 继续深化那个时代的画风风格，如果觉得不精准，或者太宽泛了，还可以把事先准备好的几张《天使之卵》截图，直接拖进画布里，作为 Octo 的参考。

这一步的体验挺顺的。Octo 自动解析了这几张图片的内容，马上就理解了我要的那种调性。它在回复里直接引用了图片中的视觉元素。

我让它联网查了一下昭和动画的美术风格演变，然后按时间线把每个阶段都做了一张代表图。逻辑挺清晰的，从50~60年代开始，那一段基本就是《铁臂阿童木》这种早期风格。

再往后走，画面开始往科幻靠。再到后期，就变成《天使之卵》《阿基拉》这种更强调艺术表达的类型。

在等结果的同时，可以跟 Octo 继续聊剧情方向，这个「异步并行」的设计挺实用的，生图或者搜索跑着的时候不用干等，对话可以正常推进。

锁定风格，搭建资产

灵感碰完之后，要做的第一件事是把风格锁住。

Octo 有一套资产系统，这是整个产品里最核心的设计之一。你可以创建不同类型的「资产卡」，风格、角色、环境、物体、还有一个自定义类型。每张卡里可以放文字描述和参考图片，相当于给 AI 建了一个记忆锚点。

我先创建了一个风格资产。把前面碰撞过程中筛选出来的几张最准确的风格图放进去，然后用星标功能把其中最好的两张标记为「主参考」。后续所有生图环节，只要在对话框或者生图节点里打一个 @，选择这个风格资产的名称，生成的图片就会自动引入这些风格参考。

这个 @ 引用机制贯穿了整个创作流程，后面会反复用到，比如我让 Octo 基于这个风格版生成相关的人物、场景资产。

它还会直接告诉你，它已经把这些风格“对齐”好了，后面再往下做会更顺。这个其实挺关键，相当于先把审美统一了一次。

然后在生图的时候，你会发现它不只是按提示词来。很多跟画面相关的背景设定，它会自己补上。比如环境、氛围这些，不需要你一句一句去描述。

Octo 还可以将生成的图片进行非常细致的微调，像是它一开始生成了一个巨大的骨骼教堂作为灵感源，但光影我并不喜欢，就可以用自然语言快速微调：

接着创建角色资产。我跟 Octo 描述了一下主角的设定：一个不怎么说话的、雌雄难辨的少年，穿着黑色上衣，眼神空洞。

Octo 根据描述自动生成了一张角色正面照。角色卡里除了图片，还有性格描述、人物弧光这些文字字段，可以继续补充细节：

所有资产建完之后，画布上就有了一套完整的视觉基础设施。后面不管是写故事大纲、做分镜、还是生视频，都可以通过 @ 来引用这些资产，保持全局一致性。

从灵感到故事大纲

资产搭好了，下一步是让 Octo 帮我把散乱的想法梳理成一个故事，其实从这一步能看出来，你完全不必带着准备好的灵感进入 Octo，它可以根据你一步一步产生的灵感，去整合、延伸。

我在对话框里让它生成故事大纲。因为前面所有的聊天记录、上传的参考图、创建好的资产卡，都已经在 Octo 的上下文里了，它对我想做什么已经有了非常完整的理解。

然后，它帮我生成了一些角色卡，像是孤独守护着少年和沉睡的女孩：

这些角色图可以直接接一整套工具去调。目前内置的能力已经挺全了。你可以直接改提示词做微调，也能一键生成视频、对口型、做高清化。

另外还有一些偏编辑向的工具，比如裁剪、加标注、消除笔、局部重绘这些，都是直接在图上操作，不用来回切。

它还会根据一开始的上下文，自动把环境相关的资产一起补出来。比如骨架、教堂、坟墓、玉佩这些。

每个资产都是卡片形式。卡片里的图片右上角可以点星标。这个星标的意思是：把这张图设成主参考。后面再生成内容，就会优先对齐这张图的风格和细节。切换也很方便，点一下就能换主参考：

一开始我就定了一个方向，要做 3D 和二维动漫混搭的效果。Octo 会直接按这个思路往下走，自动帮我把反派也补出来。

比如它生成了一批带现代武器的掠夺者，还有一个首领角色，整体风格跟前面的设定是对齐的，不会跑偏。而且不只是出图。角色的外观、性格设定、人物弧光这些信息，会一起生成出来，直接挂在卡片里。后面用的时候可以随时切换，也不用再单独去补设定。

接下来，Octo 会把前面这些素材直接整理成一个完整的故事大纲和分镜。

完整到什么程度？基本就是一整套能直接用的方案。画面怎么展开、镜头怎么切、节奏怎么走，它都会给你写清楚。每个镜头里用到的参考元素、角色之间怎么互动，也都一并标出来。

而且，Octo 的画布本身就是一个自由的空间，你可以在任何时候回到任何环节，跟任何一个节点展开对话。

整个故事大纲里的分镜，可以直接一键生成视频。提示词是开放的，你可以随时改，不用被锁死。底层用的是 Seedance 2.0，所以生成速度和画面一致性都还可以。

所有视频是可以并行生成的。一开始它先帮我拆了 7 个分镜，整体衔接是顺的，不会有明显跳段。

每个分镜都可以单独生成，而且同一个分镜还能多版本一起出。等于说你可以一边扩数量，一边做筛选。

我当时是直接让它并行跑了 9 条分镜视频，一轮下来就能看到不同版本的效果：

画布里还设置很方便的「整理」功能，一键将故事分镜整理到画布里合适的位置：

最后一步，把所有视频拖进画布底部的时间轴。时间轴支持基础的剪辑操作，可以调整视频片段的顺序、裁剪长度、做简单的编排。

导出的时候有两个选项。一个是直接导出视频文件，拿到就能用。另一个是导出 XML 工程文件，这个 XML 可以直接导入 Premiere Pro 或者 Final Cut Pro，所有的时间轴信息、片段顺序都会保留。

对于需要做更精细后期的人来说，在 Octo 里完成主体创作，然后无缝切到专业剪辑软件里做最后的打磨。

现在，打磨过后的整体的剧情就是一个黑发的雌雄莫辨的少年，一直在守护着骨架教堂里的一位少女。这个少女身上有一个神秘的玉佩，然后很多3D风格的反派，突然打破了这片宁静，闯进了这个骨架教堂里面，去夺取这个玉佩。

但是这个少年，通过触碰玉佩，将所有的反派都震晕在原地。本来大家都以为这个带着玉佩的少女一直在昏睡，但最后，她的眼皮动了一下，暗示观众她即将苏醒了：

整体的视频角色、场景的一致性确实还可以，日漫风格的男女主角与 3D 风格的反派在一些动作上的交互基本都做出来了，而且视频本身就是自带音频直出的，剪辑起来也不是很困难。

现在，我们总结下 Octo 做的事情，本质上是把「灵感→调研→资产→剧本→分镜→视频→剪辑」这整条链路，从原来分散在五六个工具里的状态，收进了一张画布。

以前完成一个视频作品，通常的流程是：创作者先有清晰的分镜脚本，或者至少是一个特别具体的灵感、思路，再用 AI 反推每个画面的提示词。整个过程本质上是「先想清楚，再让 AI 执行」。这当然非常重要，但问题是，人的创意灵感往往很难一开始就具象。

它可能是一段音乐，可能是头天晚上突然想到的某个点，有感觉，但肯定没法用精准的语言去描述。

更麻烦的是，当你强行把这种模糊的感觉翻译成文字提示词的时候，往往很多关键元素都丢掉了。氛围感、说不清楚的情绪等等，在变成一些具体的提示词、工作流后，就已经不是原来那个东西了。

Octo 想做的，是在这个「灵感还很模糊」的阶段就介入。你不必先把感觉翻译成语言，可以直接扔进来一张图、一段参考素材，甚至只是停留在某个节点上，Octo 会跟着你的光标去理解你在关注什么，主动抛出它认为匹配的参考画面，帮你把那个模糊的感觉一点点「找出来」。

整个过程不是「你说，AI 做」，更像是两个人一起在找一个还没有形状的东西。这种体验，某种程度上更接近一个「有审美偏好的合作者」，而不只是一个执行工具。

目前 Octo 还很「年轻」，还没有全量上线。但它体现了即梦对「人与 AI 关系」这件事的持续探索。

即梦张楠曾分享过她的一个判断：

未来人与 AI 最理想的关系，不是替代，而是共同协作。

言下之意是：AI 激发人，人再借助 AI 走得更远。Octo，就是这个方向上的一次具体实验。

文章来自于"十字路口Crossing"，作者 "镜山"。