GPT-Image 2.5 发布那天，我很快就用上了。

写个 skill 让 Agent 去调，或者在工作流里把模型名改一下，几分钟的事。这两年新模型出一个我接一个，早就是肌肉记忆了。

出图这件事，我从来不缺办法。

卡住我的一直是后面那截。

图出来了，想让它动起来，得再接一个视频模型，参数和计费方式又是另一套。想配旁白，再接一个。最后要剪，这一步干脆没法自动化，老老实实把文件全导出来，一个个拖进剪辑软件。

我的流程到"出图"为止是通的。再往后，断了。

这个断点我搁了很久，一直懒得动它。直到那天晚上我改着改着有点烦，索性关掉终端，打开了一个收藏夹里的网页

那个网页叫 PixTV

刚上线不久的一个 AI 创作平台。之前刷到过一眼，觉得有点意思就收藏了，一直没顾上打开。

一句话交代它是什么：文本、图像、视频、声音、音乐在一块画布上生成，站内直接剪，模型用的是 GPT-6、Opus-5、GPT-Image 2.5、Seedance 2.5 这一挂。

打开之后第一感觉，手感是熟的。

一块可以无限拖拽的画布，每个节点是一个生成动作，节点之间拉线，素材顺着线往下流。左边是模型和工具，右边是参数。

这里基本没有学习成本，上手就知道该往哪儿点。

先说生图，正好赶上 GPT-Image 2.5

工具好不好使，得看出活儿。我先拿图试的手。

GPT-Image 2.5 是这个月 8 号刚发的，PixTV 的模型列表里已经能直接选。

我没试那些花哨玩法，直接上了我最常做的东西：海报。

看标题那两行字。

NIGHT 和 ACE 是模型自己画出来的，不是后期叠上去的图层。更关键的是，这两行字压在人物后面，被手臂、球拍、飘起来的马尾挡掉了一部分，挡完之后单词还认得出来。

这件事上一代模型基本做不到。要么字糊成一团符号，要么它干脆把字老老实实摆在人物前面，变成一张贴了字幕的照片。

2.5 这次升级最实在的一块就在这儿：短文本能画对，而且理解得了"字在人后面"这种图层关系。

对做内容的人来说，这个能力的价值比什么风格滤镜大得多。公众号头图、视频封面、活动海报，全是文字和人物打架的活儿。以前这类图我得出完图再进设计软件排字，现在一次就出来了。

在画布上出一张图，是这么几步

说回工具本身。在 PixTV 里出这么一张图，操作比想象中简单。

在画布空白处单击右键，会弹出一圈图标：文本、图片、视频、音频、上传、剪辑。想干什么点什么，这里选图片。

一个图片节点就落在画布上了。左边是提示词输入框，底下挂着模型选择，右边弹出参数面板。

出完海报我顺手又跑了几个别的方向。

图这块的手感是够的。但如果只是出图，那它跟别的生图工具没什么区别。

真正让我留下来的，是下面这段。

视频有两种做法，先说省事的那个

出图只是热身，视频才是我最想试的部分。

PixTV 这边给了两条路。一条傻瓜，一条讲究。先说傻瓜的那条。

首页就是一个输入框，跟你用惯的那些聊天框没什么两样。把想法丢进去，底下挑模型、比例、清晰度、时长，回车。

模型下拉点开，视频这块给的是全的：Seedance 2.5、Seedance 2、Seedance Pro、MiniMax H3、Veo 3.1 Fast、Gemini Omni Flash 等等都在里面。

比列表更有用的是，鼠标停在每个模型上，它会告诉你这个模型擅长什么、要花多少积分、大概等多久。

这个设计我很买账。

说到积分，顺带提一句：现在是上新补贴期，部分模型的定价低于成本价。下面我跑的这些，你现在去试，比平时便宜。

我丢了两个灵感进去。

一条是黑白老电影风格的谐音记单词：农妇抱着孩子哭喊"弟弟、弟弟、妹妹也 S 了，这个家就算是散了"，最后飞出单词卡 dismiss。

[谐音记单词dismiss.mp4]

另一条是古装的：书生饿得瘫在石阶上哀嚎"我好饿"，话音刚落，夜空一暗，成群大白鹅从天而降把他埋了。

[饿书生庭院遭鹅群坠击.mp4]

十五秒，一次成片，自带音画同步。这在半年前是要拆成六七个分镜分别生成、再一条条剪起来的活儿。

省事归省事，但这条路有个硬伤。

整条是一次性生成的，你只能改整体，改不了局部。第三个镜头的表情不对，重来就是全部重来，前面两个满意的镜头也一起报废。

对一条十五秒的段子来说无所谓，多跑两次的事。对一条要交给客户的片子来说，这就不行了。

第二种：在画布上拆开做

这就是画布该上场的地方。

进入画布，出现五个节点：上传、故事脚本、图片生成、视频生成、视频剪辑。

先说第二个，故事脚本。

点开是一个文本框，让你写下想讲的故事、场景或者角色设定。右边挂着一个叫"文本增强"的面板，模型用的是 Gemini 3.8 Flash。

我丢进去的是一段素设定，大概一百多字：一片无边沙海，沙暴之墙把世界劈成两半，白袍女子掌心托着逆重力飞升的沙漏，深褐衣着的男子握着燃白焰的经幡，沙下浮起一张巨型青铜面具。片名 THE NINTH SAND。

点增强，它吐回来一段四百多字的东西。

但有一点得说清楚：它给的是一整段，不是分镜表。

没有镜头编号，没有时长，没有景别标注。你拿到的是一段写得很漂亮的画面描述，不是一张可以照着拍的排期表。

对我来说这正好。我自己有拆分镜的习惯，它把我最烦的那步——把干巴巴的设定翻译成模型听得懂的电影语言——干掉了。但如果你指望它替你把片子排好，会失望。

后面就顺了，但顺序值得说一下。

第一步，从脚本分出素材。

从文本节点拉线出去，一条线接一个图片节点。我拉了六条：SERA 的定妆照、ODEN 的定妆照，加上开场大远景、栈道崩塌、青铜面具、终局对峙四张场景图。

六个节点都读得到上游那段脚本，我只需要在各自的提示词里说清楚这一张要谁、要什么。

第二步，把图变成镜头。

每张场景图再往右拉一条线，接视频节点。图在这里是首帧，所以提示词只写动什么、怎么动就行，画面描述不用再写一遍，写多了反而容易让它偏离。

比如面具那条我只写了：面具持续向上升起，双目赤金光逐渐增强，表面流沙不断倾泻，镜头低机位仰拍缓慢上摇。

有人物的镜头，把定妆照一并挂上去当参考，几个镜头之间的人才不会长得一次一个样。

视频节点一个镜头一条，哪条不满意单独重跑，不影响别的。这就是它比第一种路子强的地方。

第三步，合成。

最后把几条视频都拉到视频剪辑节点，排时间轴、裁切、加转场，全在站内完成。

也就是说这条片子从一句灵感到成片，我没有离开过这个页面。

没有下载。没有上传。没有格式转换

画布真正爽的地方，是分叉

上面那套流程，说到底只是"省了切换"。真正让我觉得这个交互选对了的，是另一件事。

同一张图，我拉了三条线出去，接三个视频节点，分别给了三种不同的运镜提示词。

三个节点并排跑，跑完并排摆在画布上。

我盯着看了两分钟，选了中间那个。

这个动作在聊天框里是做不到的。在聊天框里，你只能生成一个、看一眼、不满意、再生成一个，然后回头翻记录去找刚才那个"好像还行"的版本。

而在画布上，所有版本同时在那儿，看得见，摸得着。不满意的那两个我也没删，留在旁边当备选，都在一个画布里。

但话说回来，画布不是什么新东西。

这句我得说清楚，免得显得我没见过世面。

节点式画布在 AI 创作这条赛道上，这一年已经不算稀奇了。你现在随便点开几个视频生成平台，十有八九都有一块无限画布，功能多少而已。这个方向是对的，行业早就达成共识了。

问题是，大部分做得很糙。

有的画布是硬贴上去的，跟主流程两张皮，你在画布里折腾半天，最后还得导出来去别的页面接着干。有的节点类型给得很吝啬，只有图和视频，写脚本还得回聊天框。还有的连线逻辑做得不清不楚，跑完一遍你都说不清素材到底从哪个节点流到哪个节点去了。

所以我现在看这类产品，不问"有没有画布"。我问三件事：画布是不是主战场，节点够不够全，一条线能不能从头拉到尾。

上面那一遍跑下来，这三个问题的答案都是肯定的。

写在最后

回到开头那个问题：模型都这么强了，流程怎么还是断的？

这两年我见过太多人把 AI 创作工具的竞争，理解成模型参数的竞争。谁家视频模型又能多生成十秒，谁家图像模型手指头终于画对了，然后得出结论：工具没有壁垒，模型好就赢。

我不这么看。

真正卡住创作者的，从来不是模型不够强，是流程不成形。

你手里有全世界最好的四个模型，它们之间没有一条线连着，你照样要在六个标签页之间来回搬运，照样要在聊天记录里翻三屏找上一版。

我是一个写代码出身的人，不是科班的创作者。这些年最深的体会是，工程里那套"把过程可视化、把中间态留下来、让每一步都能回溯"的思路，搬到创作里一样成立。

画布做对的事情，就是把创作过程从一条聊天记录，变回了一张可以修改的图。

模型会一年换三轮，今天最顶的半年后就是基础款。

但什么样的流程配得上你要讲的那个故事，这个问题永远只能由人来回答。