AI视频项目最容易失控的时刻，往往在Demo通过之后。
设想一个交付难题：15秒的赛博朋克街道Demo让团队拍板开发10分钟短片。进入正式制作，某些镜头一过5秒，霓虹招牌在闪烁中慢慢变形；人物转身，夹克拉链突然消失。单看片段像风格，剪进连续叙事就是穿帮。更麻烦的是，重跑一次，错误可能换个位置出现。
Sora曾把行业预期抬得很高。上海交通大学新闻学术网转载的材料显示，OpenAI于2024年2月15日推出Sora，演示能力包括最长一分钟视频和多镜头一致性。商传媒 SUN MEDIA的报道则称，该产品于2025年3月25日终止服务，并把使用者留存率低、运算成本高和上市前紧缩开支列为相关原因。报道还提到，OpenAI最初把Sora定位为「物理世界模拟器」。到了商业制作，演示片能连贯，不等于项目能逐镜头修改；依赖单一云端模型，也会把交付风险绑在服务状态和平台成本上。
先锁住会穿帮的东西
烂尾镜头继续靠Prompt追加「保持角色一致」「不要改变背景」，收益通常不可预测。文字描述能给方向，却很难固定招牌的空间位置、拉链的结构，以及人物与镜头的相对距离。
更可控的做法，是先在Unreal Engine 5.5或Blender中搭一个Block-out。模型可以粗，材质也可以简化，但几何位置、相机轨迹和主光方向要先定下来。低模的任务很窄：把空间关系留在一个可以重复调用、可以逐项修改的场景里。
接着输出深度图（Depth Map）、法线图（Normal Map）和光流图（Optical Flow），交给基于扩散模型的Rerendering流程。制作顺序可以压缩成一行：
低模场景 → 深度/法线/光流 → AI重渲染 → 掩码返修
此时，AI主要处理材质、纹理、光影和细节补全。霓虹招牌的位置由3D场景决定，相机运动由既定轨迹决定；画面哪里出错，后期也更容易找到对应层级。
坏一块，就修一块
Rerendering最实用的地方，是把返工从整段重生成缩小到局部。
以30秒追踪镜头为例，可以先选3至5个关键帧，在ComfyUI中用LoRA尽量约束角色特征，再处理中间帧。若检查时发现第12帧有一块100×100像素的背景崩坏，就给这一区域画掩码，用Inpainting重绘；人物、机位和其余背景不用跟着重跑。
对于适合分层的镜头，还可以拆成静态底图、动态掩码和局部重绘。客户要改招牌颜色，后期只动招牌；角色服装有问题，就回到角色层。此前《别急着叫Sora 3，10分钟短片还得靠工作流》提到的镜头拆分，在这里变成了可执行的返修方式：几何层负责位置，纹理层和光影层交给AI。
算力账单换了位置
端到端生成把计算藏在平台API后面；本地或私有云重渲染，则把GPU推理、显存占用和任务调度摆到工作室面前。
这不代表每家团队都要搭8000P算力池。站内《8000P算力池扩容实录：千卡集群的调度开销到底藏在哪》记录的是更大规模的集群场景，其中NCCL通信延迟和显存碎片会直接影响吞吐。文中案例显示，一个4K Rerendering任务若调度不当，显存利用率可能低于60%，渲染时间会从2小时拖到10小时。
对具体项目，更该先算镜头长度、分辨率、需要重绘的区域和并发任务数。能用掩码修100×100像素，就没必要重跑整段4K；能复用深度图、法线图和3D资产，也不必每次从零开始。算力管理和资产复用，最后都会反映在交付时间上。
AI坐在渲染位，项目才好改
Sora停服消息更适合被看作一次工作流校正。文生视频仍有价值，但长片和连续叙事还需要稳定的空间、时间与版本管理，单次生成很难包办这些工作。
把空间交给3D资产，把时间交给关键帧和相机轨迹，再让Rerendering补足材质与光影，AI才真正进入影视后期。能救回烂尾项目的，是可复用的场景、可定位的错误和可局部返修的镜头。一键出片的快感少了，交付反而有了抓手。
