Genspark Media Studio 正式发布，集成 20 多家厂商的 70 多个模型版本

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-10-29 14:53:19 来源：量子位

All in one、任何人都能用

Genspark的视频Agent工作台，Genspark Media Studio，正式发布了！

这次，它把一批前沿模型拉到了一起，组了个AI剧组。

负责当「导演」的大语言模型有三档可选：DeepSeek V4.1 Flash、Claude Opus 5.5，以及Claude Fable 5.1。

是的，在这里面甚至能用上Fable 5.1……

说实话因为某些众所周知的原因，我已经很久没有用到了。。。

具体干活的模型包括：Seedance 2.5、Kling、Veo负责生成视频，GPT Image、Nano Banana负责图像，ElevenLabs等音频模型负责声音。

总共接入了20多家厂商的70多个模型版本。

而且最近还打折！

北京时间10月27日18:00至11月4日18:00，Plus和Pro会员在Media Studio里的积分消耗打五折，规划、图片、视频、音频和3D生成都算在内。

6G冲浪的量子位也是第一时间拿到了实测资格。

我们直接走起～

实测Genspark Media Studio：奥特曼唱rap、拍商战短剧，都安排上了

一键get同款

在首页的Genspark Magic分区里，有很多爆款视频模版，点击即可一键做同款。

我精心挑选了一个rap视频，把奥特曼和Dario的照片传了上去。

美股IPO两兄弟，就是你们了！

但有个问题我没考虑到，如果直接上传真人图片，会被视频模型拦截。

Genspark还提醒我开拍前要确认版权问题，怪细心的。

系统再次提示使用半写实版还是卡通版，我选择了半写实版（赌一把），都确定后，它就开始工作了。

Agent调用了Seedance 2.5，虽然提示8-14分钟出片，但我体感大概两三分钟（？）片子就做出来了。

第一版出来的视频没有配乐，只有两个人干唱，于是我又让它找伴奏。

这个画布蛮有意思的，它找了三首备选伴奏，然后在画布上并列排布，点开哪个看哪个：

（虽然我并不知道为什么伴奏C会离得这么远…）

但这三首bgm都没有歌词，最后我让它做了一段原创rap伴奏，调用ElevenLabs生成。

还做了一下口型对齐，让两个人一起合唱。

成片by like：

挺好，也是看到奥特曼和Dario同台rap了，看起来练习时长两年半。

值得一提的是，第一遍生成的视频规格都是480p，如果不满意还可以继续调整，定稿之后再升级1080p。

秒出知识讲解视频

接下来，我让它做了一条知识讲解片，讲解《彗星来的那一夜》这部电影。

从首页输入框下方的「Knowledge Explainer」卡片即可进入，也可以直接自然语言描述。

接着系统提示我选择片长、视觉风格以及解说角度，还选择了音频模型，这里用的是MiniMax TTS。

我什么素材也没上传，直接让它自己做。

真的感觉秒出啊……我还在做另外一条片，转头回来它就做好了：

但第一版怎么说呢，emmm。。。

文案比较平淡，让人听着想睡觉，画面也跟PPT一样，一卡一卡的。

于是我又让它修改了一下，要求文案必须埋包袱、有悬疑感、能吸引观众，画面也更多变一些。

还调用ElevenLabs配了首bgm。

这bgm还是按时间轴分6个段落来写的，原创暗黑风……有点说法。

最后成片如下：

我觉得这个效果还可以。

在完全没有人工修改的情况下，解说文案和bgm都算到位，能完整把电影情节讲清楚，整体上也符合悬疑片的氛围。

虽然画面还是有点像PPT……

不过毕竟我什么素材也没上传，参考图啥的都没有，模型也只能用电影截图凑数。

零基础也能做短剧了

更奇妙的是，我发现还有个「故事圣经」功能。

一开始不知道是什么，后来发现，这不就是做短剧嘛？？

因为奥特曼和Dario的Rap视频，我随手起名叫「美股IPO两兄弟」。

直接点击「故事圣经」功能，它就围绕这个主题创建了一个新的项目请求：

哥哥是主承销投行的MD，弟弟是要上市的创始人——一张会议室，一个发行价，一个只有哥哥知道的秘密。

不是我说，这妥妥的爆款短剧剧本出来了啊！

凌晨三点的冷，像一笔还不清的账。

居然有点想看，是怎么回事。

我发誓，这都是Genspark先动的手，全AI生成。

素材它也先找了部分场景供参考：

人物设定我给了点要求，四个主要人物，一个像梁朝伟，一个像吴彦祖，一个像安妮·海瑟薇，还有一个像章子怡。

出来这四个：

可能是版权问题，人物不太像，但也行吧，一看大家都是金融精英。

接着，它产出了详细的人物设定、服装、道具以及定妆照，需要批准的内容有35项之多。

对于专业导演或剪辑师来说，应该可以做更精细的设定和调整。

但我在这方面是个小白，所以就无脑点批准。

但这里有个麻烦的地方，有些批准选项很难找。有一项我死活找不到，愣是找了十分钟。

而且一旦涉及修改，其他已批准内容也会退回待审批状态。

导致我批准了半天，终于成功提交了。。。

如果对话过长，它还会提示你可以存成skill，我这里就保存了个金融/商战短片skill。

设定全部保存好后，它把原始的5场戏拆出了84个镜头，又组成12个视频单元，写好提示词，再调用Seedance 2.5生成视频片段。

视频中画面穿帮、与设定不符的地方，它还自己做了返修，然后提示你重新运行草稿。

全部run完之后，终于进入了剪辑、配乐、上字幕阶段，这部分比前面的草稿返修要快多了。

这是最后的成片——《定价夜》：

作为一个没怎么看过短剧的人，想不到我也做出短剧来了。

第一感觉是，画面还蛮精美的，人物面部表情细节很到位，前后主体一致性也可以保证。

在我完全没有要求的情况下，它还自己配上了中英双语字幕。

不过也有缺点，比如片子后半段逐渐有些音画不同步，部分画面还是存在跳帧以及bug…

比如哥哥的眼镜为什么突然从脸上消失了啊喂！

做到这我瞅了眼，跑完3个case，初始的5万积分大约花费了4万5。

想不到吧，游戏也能做

还剩5000积分，我决定再做一个超级马里奥小游戏。

这个也是秒出，完全不需要多余的提示词，一个像素风HTML游戏就写出来了。

敌人踩踏、蘑菇变大、顶砖块、旗杆结算这些基础设定都有。

由于版权问题，音乐、关卡也都是从零代码绘制的原创素材，只有玩法机制和原作是一样的。

这一版主打一个合格、能玩，任天堂看了会心一笑。

而且积分也只消耗了几百。

如果你觉得游戏太简单了，Genspark还会进一步提示你如何升级机制：

不过到这就差不多了，因为老板问我为什么上班一直玩游戏。。。

Genspark Media Studio的拍片流程是怎样的？

测了这么多，Genspark Media Studio背后的流程调度是怎样的？

据官方介绍，Media Studio会用大语言模型担任「导演大脑」，负责理解需求、写剧本，再安排不同模型干活。

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。前面用到的Seedance和ElevenLabs，就是这套分工里的成员。

大语言模型还得知道，一部片子应该按什么顺序做。

所以，Genspark把制作流程整理成了不同的skill。拍广告有拍广告的做法，拍剧情短片有另一套，Agent会根据任务类型选用。

就拿《定价夜》来说，先写剧本，再拆分镜，然后确定人物和场景，才轮到视频模型开拍。

「故事圣经」就在这个过程中负责保存设定。角色长什么样、穿什么衣服，提前变成可供参考的固定资产，后面的镜头照着来。

同一套人物和世界观，还可以拿到其他项目里继续用。

有点像给AI剧组发了一份统一的拍摄资料，免得各拍各的。

至于拍出来有没有跑偏，还得检查。官方介绍，Agent会对照剧本和设定检查生成结果，不合格的安排重拍。前面做短剧时主动返修的操作，就对应这一步。

AI自己检查之外，用户也可以直接指定哪里要重拍。

比如一条30秒的视频，只有第7到13秒不满意，就点开Reshoot clips（局部重拍），在时间条上框出这一段，再告诉它怎么改。

按照官方介绍，它会保留原片的动作和机位，按新要求重新生成视频，一次最多指定5段，每段至少4秒。

如果只是画面里某个物体碍眼，则可以用Frame edit（帧编辑）框住它，选择替换或移除，适用于30秒以内的视频。

这样，修改意见就能落到具体的时间段，或者具体的物体上，不用每次都从头描述一遍整条片子。

还有个挺有意思的细节：同样叫做视频，知识讲解片和剧情短片走的技术路线并不一样。

Knowledge Explainer主要用的是code-to-video。简单来说，就是AI写代码，把文字、图表和动画排好，再渲染成视频。

讲一组数据，或者演示一个知识点，就不用把每一秒都交给视频模型去生成。

据官方说明，代码渲染本身不收积分，旁白和少量氛围镜头另外计费。

不过，代码能把画面做出来，视觉设计还得跟上，剧情片则更需要提前控制好人物动作和镜头。

为此，Media Studio还提供了3D白模预演。正式生成之前，先让Agent用白模搭场景，把人物站哪儿、镜头从哪儿拍确定下来。这一步不调用视频模型，确认后再交给Seedance出片。

再加上前面提到的480p草稿，思路也很好理解：能提前发现的问题，尽量别等高清成片出来了再改，这样可以减少返工，省下不少积分。

毕竟，谁的钱也不是大风刮来的……

All in one、任何人都能用

Genspark一直强调：All in one、任何人都能用。

这也是我实测下来最大的感受。

All in one，就是所有工作流：生图、生视频、配乐、加字幕……统统都在一个产品里完成。

Media Studio把这些步骤放到同一张画布里，中间产物都留着，Agent可以接着往下干，用户也能随时插手修改。

上面展示的几个作品，也都是我在不切换任何平台的情况下，全部使用Media Studio做出来的。

按照官方介绍，专业用户还可以在里面用图层编辑器和多轨视频时间线，导出PSD、Premiere工程或CapCut草稿，继续精修。

而对于小白，最直接的变化是，不必把所有工具先学一遍，就能直接开始尝试。

就像前面的《定价夜》，我只随手起了个名字，Media Studio就直接把故事展开了。接下来，它问，我选，哪里不满意，再用大白话告诉它。

怎么拆分镜、怎么写提示词，这些我原本并不熟悉、让人望而却步的事情，都可以交给Agent先完成。

这个过程中，人的工作也随之发生了变化。很多时间可以用来判断故事够不够吸引人、音乐对不对味，以及这个镜头到底要不要留下。

对于一个完全没做过短剧、甚至没怎么看过的人来说，也可以轻松实现自己的脑洞、做出属于自己的作品。

如果你看完也感兴趣，想自己上手试试的话，入口在这里，登录就能用～

产品地址：https://www.genspark.ai/media-studio