「還會地域黑，冊那」

在一文中，我首次建設(shè)性地提出：

「MinMax應(yīng)該研發(fā)胖貓Agent，早日完成胖貓視頻工作流閉環(huán)，讓胖貓博主實現(xiàn)麥當(dāng)勞自由?！?/p>

沒想到一個月后，一個東北小伙@jiaming，就率先開發(fā)出了全球首個胖貓視頻Agent——CrePal。

CrePal主打賣點是一站式搞定AI視頻制作。

它有一個主Agent來做任務(wù)調(diào)度，下邊有腳本策劃、圖片生成、視頻生成、視頻剪輯這四個子Agent。子Agent里邊集成了主要的圖片、音頻和視頻生成模型，包括Midjourney、GPT-Image、Google Imagen、Suno、海螺、可靈、即夢、Pixverse、Veo 3。

（文章最后，@jiaming挨個銳評了這些模型的優(yōu)劣）

我打開CrePal網(wǎng)站的的第一反應(yīng)是，這不就是我設(shè)想中的胖貓Agent？

這是我拿CrePal生成的胖貓視頻。

配樂整挺文藝，動畫比胖貓博主有創(chuàng)意，整出一種三毛流浪記的感覺了。

蘇北青年胖貓好不容易攢錢來上海旅游，外灘熙熙攘攘，胖貓饑腸轆轆。胖貓沒去過星巴克，更買不起意大利手工冰淇淋，好不容易看到一家熟悉的蜜雪冰城，依靠外灘欄桿，眺望陸家嘴繁華景色，喝一口大杯全糖少冰只要9塊錢的三拼霸霸奶茶，還沒來得及發(fā)出一聲滿足的嘆息。

東方明珠塔直接紅溫、蓄力，一圈圈蓄能光環(huán)接連升起，一道帶著正統(tǒng)巨富長chill之力的紅寶石激光精準(zhǔn)射爆胖貓手中的奶茶杯，可憐的胖貓啊，直接被沖擊波打到飛起，一直飛到大氣層仰望銀河系

上述是我腦補(bǔ)的，實際上我只給CrePal輸入了一段話，同時附上了MiniMax官方制作的胖貓視頻 https://v.douyin.com/aFi7mOJgJHw/ 。

雖然我對這條胖貓視頻很滿意，但是有一說一。CrePal剛發(fā)布十幾天，工程能力還不太穩(wěn)定。這條視頻沒有一次性成功，是開發(fā)者手動發(fā)給我的（@jiaming

jiaming對胖貓這個創(chuàng)意很滿意，他自己又生成了幾條胖貓視頻。其中一條，胖貓甚至?xí)约赫f「冊那」。

冊那，CrePal怎么會說上海話的？居然是飽受地域黑的東北老鄉(xiāng)造出了全球首個自己學(xué)會地域黑的視頻Agent

這一周里，我拿CrePal進(jìn)行了11次任務(wù)，其中9次任務(wù)都一次性成功生成了視頻。

兩次失敗的任務(wù)，一個是胖貓喝奶茶這個，另一個是我輸入了一條實拍視頻，想要調(diào)整一下人物膚色。但CrePal只支持生成內(nèi)容，并不考慮修改實拍視頻。

jiaming解釋CrePal的定位是，讓普通用戶也能輕松創(chuàng)作出高質(zhì)量的 AI 視頻。他的目標(biāo)用戶非常明確，就是想做AI視頻的自媒體。比如說胖貓博主、拿Veo 3做ASMR視頻的博主。

你簡要描述自己的想法，CrePal會據(jù)此寫腳本，然后根據(jù)腳本畫分鏡圖，再用分鏡圖生成視頻片段，同時生成配音配樂，最后將素材剪輯成片。

用戶不需要再切換幾個模型平臺，學(xué)習(xí)若干prompt寫法。Agent就可以解決流程調(diào)度問題。

這確實滿足了我想做胖貓博主的夢想。我拿CrePal做了7條胖貓視頻。

最近AI視頻屆最火的梗，無過于秦始皇騎北極熊。我守正出奇，大力創(chuàng)新，直接讓秦始皇騎胖貓。

這個「畫離弦」BGM是我自己上傳給CrePal的 MP3文件。

CrePal的配音、配樂能力比較初級，可以根據(jù)你輸入視頻的音色合成配音，但這個定制配音只能朗讀，不能唱歌。 CrePal只能拿Suno生成配樂，或者使用你自己上傳的配樂。

比如，我想要讓胖貓使用上傳的音樂旋律 唱歌， 歌詞是「胖貓騎著秦始皇，秦始皇也要騎胖貓」。但這做不到，CrePal只能重新生成一段BGM，然后讓胖貓用陰陽怪氣的童聲朗讀歌詞。

我還碰到了一次人物不一致。生成東北雨姐騎胖貓的視頻，我上傳了雨姐照片要求參考形象，但CrePal生成的雨姐長得完全不像，而且兩個視頻片段的雨姐形象不一致。

為了解決人物一致性問題，CrePal用了先統(tǒng)一生成人物形象，再將人物形象作為首幀圖來生成視頻片段的辦法。但依然偶爾會出錯。

雖然有一些小問題，但CrePal已經(jīng)完成了我的胖貓博主夢想。

CrePal生成的胖貓視頻，創(chuàng)意和畫面豐富程度都遠(yuǎn)超專業(yè)胖貓博主。全球首個胖貓視頻Agent，CrePal當(dāng)之無愧

一些小問題也很好解決。比如CrePal無法跟著旋律唱歌詞。MiniMax的海螺AI就能干這個事啊，胖貓博主都是拿海螺AI生成的「秦始皇騎北極熊」歌曲。

我鄭重建議MiniMax，盡快與CrePal合作，用海螺AI的語音生成能力聯(lián)手CrePal的視頻制作調(diào)度能力，共同賦能全球首個胖貓視頻Agent。

當(dāng)然，CrePal也能做正經(jīng)視頻。

我指定它調(diào)用Veo 3，生成胖貓切漢堡的ASMR視頻，一次性生成的質(zhì)量還可以。雖然切漢堡后的畫面不符合物理規(guī)律，但這是模型的問題，只能多生成幾次抽卡來解決。

這一周測試下來，我拿CrePal生成了10條視頻。

我的第一感覺是視頻生成太貴了。CrePal注冊送500積分，我充了19美元的月費會員，有2000積分，jiaming又送了我3000積分。10條短視頻下來，基本用完了。

CrePal生成一條視頻的成本大概是2-3美元，我問jiaming會員定價19美元能不能掙錢。

東北老鄉(xiāng)很坦誠，說上線不到一個月，還算不出來能不能掙錢。（反觀上線十幾天就敢算ARR的）

最后，我讓jiaming挨個銳評了主要的圖片、視頻生成模型，給大伙貢獻(xiàn)一點創(chuàng)業(yè)試出來的know how。

Midjourney：在寫實細(xì)節(jié)的把控力上非常好，特別適合做寫實類人像或夢核類的圖片，而且人臉保持性也做得比較好，比如想做個劉亦菲的圖，它就能把臉比較還原地保持下來。

GPT-Image：目前最好的可以基于多圖參考來做圖的模型，所以它可以很好地把人物形象和場景融合到一起，并且保持好兩者的一致性。

Google Imagen：性價比高，做一些場景圖的效果還不錯。

Veo 3：很強(qiáng)，強(qiáng)于其他所有模型。在預(yù)算充足的情況下，建議所有人都直接用 Veo 3 搞，但它也確實比較貴，谷歌官方定價8秒鐘就要6美金。

海螺：特點很明顯，做運動類的鏡頭比較符合物理規(guī)律。比如做人物跑步、打架的素材，它的穩(wěn)定性比較強(qiáng)。（咸魚補(bǔ)充，海螺是胖貓視頻開創(chuàng)者）

可靈：中規(guī)中矩，沒有特別強(qiáng)的專長，什么都挺好，穩(wěn)定性好，瑕疵率也比較低。價格不算貴，也能用得起。如果希望穩(wěn)定出貨，不想來回調(diào)，那就選可靈，基本能一次成。

即夢：最大的亮點就是便宜和快。除了便宜，它對風(fēng)格化內(nèi)容的理解和保持也做得比較好，能讓水墨風(fēng)的圖動態(tài)地動起來。但它的問題也比較明顯，就是容易出物理性的 bug，比如跑著步就飛天上去了。

Pixverse：可靈 2.1 平替。

（本文配圖由CrePal生成，Gemini 2.5 Pro輔助寫作。）