Genspark的视频Agent工作台——Genspark Media Studio，终于正式发布了！它汇聚了一批前沿AI模型，组成了一个强大的“AI剧组”。负责“导演”工作的大语言模型有三档选择：DeepSeek V4.1 Flash、Claude Opus 5.5以及Claude Fable 5.1。除了Fable 5.1因众所周知的原因暂时无法使用外，其他模型表现亮眼。具体执行方面，视频生成由Seedance 2.5、Kling、Veo负责，图像由GPT Image和Nano Banana生成，声音则由ElevenLabs等音频模型处理。目前平台已接入超过20家厂商的70多个模型版本。值得一提的是，近期还有优惠活动：北京时间10月27日18:00至11月4日18:00期间，Plus和Pro会员在Media Studio里的积分消耗打五折，涵盖规划、图片、视频、音频和3D生成。量子位作为首批获得实测资格的媒体，迫不及待地开始体验。
**01 实测Genspark Media Studio：一键生成爆款视频**
在首页的Genspark Magic分区，有许多爆款视频模板，点击即可一键复刻。我选择了一个Rap视频模板，上传了奥特曼和达里奥的照片，主题定为“美股IPO两兄弟”。需要注意的是，直接上传真人照片可能会被模型拦截，系统建议使用半写实或卡通风格，我选择了半写实版。确认版权后，Agent开始工作，调用Seedance 2.5生成视频。虽然提示预计需要8到14分钟，但实际体感只需两三分钟。
初版视频没有配乐，只有干唱。我在画布上看到系统提供了三首备选伴奏，点击即可试听。由于这些伴奏都没有歌词，我又要求生成原创Rap伴奏。随后，Agent利用ElevenLabs生成音频，并对口型进行了对齐调整。
最终成片效果不错，奥特曼和达里奥同台Rap，看起来练习时长两年半。值得注意的是，初版视频规格为480p，如果满意可以升级至1080p。
**秒出知识讲解视频**
接着，我让它制作一条关于电影《彗星来的那一夜》的知识讲解片。在首页输入框下方的“Knowledge Explainer”卡片即可进入，也可以直接用自然语言描述。系统会提示选择片长、视觉风格、解说角度以及音频模型（这里使用了MiniMax TTS）。我什么素材也没上传，直接让AI自主制作。感觉速度非常快，当我还在制作另一条视频时，它已经完成了。
不过第一版效果平平，文案平淡乏味，画面像PPT一样卡顿。于是我要求文案必须埋包袱、有悬疑感，画面也要更多变，并要求配乐。Agent生成了原创暗黑风BGM，按时间轴分为六个段落。最终成片在文案和氛围上还算到位，虽然画面仍显像PPT，但考虑到未提供参考图，模型只能调用电影截图，效果已属不错。
**零基础也能做短剧**
更有趣的是“故事圣经”功能。围绕“美股IPO两兄弟”这个Rap主题，我点击“故事圣经”功能，系统自动生成了一个商战短剧项目：哥哥是投行MD，弟弟是创始人，设定在会议室，核心冲突是一个只有哥哥知道的秘密。这剧本看起来很有爆款潜质。
我设定了四个人物形象（分别像梁朝伟、吴彦祖、安妮·海瑟薇、章子怡），系统生成了四张定妆照。随后，它产出了详细的人物设定、服装、道具等共35项内容。对于专业用户，这可以精细调整；作为小白，我直接无脑批准。过程中发现有些选项很难找，且一旦修改，已批准内容会退回，最终花费了十分钟才提交成功。
确认设定后，系统将5场戏拆分为84个镜头，生成12个视频单元，调用Seedance 2.5生成片段。对于穿帮或不符合设定的画面，Agent会自动返修。最后进入剪辑、配乐、字幕阶段。最终成片《定价夜》画面精美，人物表情细腻，主体一致性保持良好，还自动配上了中英双语字幕。不过也存在缺点，如后半段音画不同步、跳帧、人物眼镜消失等Bug。
**想不到也能做游戏**
剩余5000积分，我决定尝试制作一个超级马里奥小游戏。系统秒出，无需额外提示词，直接生成了一个像素风HTML游戏。包含敌人踩踏、蘑菇变大、顶砖块、旗杆结算等基础玩法。由于版权限制，音乐和关卡均为原创，但玩法机制与原作一致。这版主打合格可玩。如果觉得简单，系统还会提示如何升级机制。可惜做到这，老板叫我回去上班了。
**02 Genspark Media Studio的拍片流程是怎样的？**
测了这么多，Media Studio背后的流程调度是怎样的？官方介绍，Media Studio使用大语言模型担任“导演大脑”，负责理解需求、撰写剧本，并安排不同模型分工。它接入了20多家厂商的70多个模型版本，覆盖视频、图像、音频和3D。不同类型的任务（如广告、剧情短片）有专门的制作流程Skill。
以《定价夜》为例，流程是先写剧本，再拆分镜，确定人物和场景，最后由视频模型拍摄。“故事圣经”在此过程中负责保存设定，确保角色和世界观的一致性，类似给AI剧组发了一份统一的拍摄资料。
为了减少返工，平台提供3D白模预演和480p草稿。正式生成前，先用白模搭建场景确定站位和机位，确认无误后再调用视频模型。如果生成结果有偏差，Agent会自动检查并返修，用户也可以指定局部重拍。此外，知识讲解片使用“代码渲染”技术，将文字和图表转化为视频，视觉设计则由代码渲染完成。
**03 All in one、任何人都能用**
Genspark一直强调“All in one”和“任何人都能用”。这是实测下来最直观的感受。All in one意味着从生图、生视频、配乐到加字幕，所有工作流都在一个产品中完成。中间产物保留在画布上，Agent可以继续处理，用户也能随时修改。
对于专业用户，提供图层编辑器和多轨视频时间线，可导出PSD、Premiere工程或CapCut草稿。对于小白，最大的变化是不需要先学习所有工具，直接就能开始。像《定价夜》，我只需起个名字，系统就会自动展开故事。接下来的拆分镜、写提示词等工作都由Agent完成，人的角色转变为判断故事吸引力和修改意见。即使从未做过短剧，也能轻松实现脑洞，做出属于自己的作品。