现在各种模型跑分满天飞，但真用起来和榜单差距挺大。我觉得几个原因：

1. 刷榜：有些厂商对着榜单优化，换个题就露馅
2. 题目泄露：训练数据里可能混进了评测题
3. 场景不对：榜单是通用题，你的场景可能是垂直的

所以我一直建议：别迷信榜单，拿你自己的真实任务，小样本测一下，比看一万个跑分都准。

最近用 AI 做了个古风短剧，流程分享下：

1. 让 LLM 写剧本和分镜，一次出 10 集的分镜表
2. 生图模型出角色立绘和场景图
3. 图生视频（wan2.2）生成动态画面
4. 配音 + 剪辑合成

最难的就是角色一致性，我的办法是：固定 seed + 详细的外貌描述（发色、服饰、额头的印记这种标志性特征都写死），每次出图都带上同一段描述。

这样出来的角色虽然不能 100% 一样，但观众基本认得出是同一个人。比之前动不动就「换脸」强多了。

分镜表示例：

第1集：
- 镜头1：主角站在山顶，俯瞰云海（远景）
- 镜头2：主角转身，眼神坚定（特写）
- 镜头3：主角拔剑，剑光闪烁（中景）

整个流程跑下来，虽然累，但看到成片的那一刻还是挺有成就感的。