昨天凌晨两点十一分，我把同一段提示词粘贴进第四个模型。提示词是我前一天下午在国贸的咖啡店里写的，写在一张收据背面，只有三行。
凌晨两点十三分，生成的视频跑了四秒。画面里一个女人站在浴室，手里举着一卷白色的东西，对着镜头笑。我在桌上按了暂停。那不是卫生纸，也不是剧本里写的天空。我把这段命名为 take_07_wrong.mp4，存在桌面角落。
这是我这个月第七次通宵跑生成。原因很简单：项目要在 12 月 20 日交片，甲方给的参考是一段 2019 年的广告，要求「类似但更干净」。我在 12 月 15 日那天答应了。我以为 AI 能帮我把中间那层「类似」抹掉。结果它给了我一个举卫生纸的女人。
我记了表。五个模型，从 A 到 E，重复同样的提示词，总共 17 次。A 模型三次全糊，边缘像在流汗。B 模型第二次生成的烟看起来像塑料袋，浮在空中不动。C 模型最接近，但它在第 6 秒让主角的脸突然转成了另一个人。D 模型就是那个马桶广告。E 模型干脆给我一段四秒的黑色，一个字都没输出。
数字在这里没有意义，除了让我知道时间去哪了。真正的问题不在画面。是我的提示词本身写错了。我把「干净」理解成了光影和噪点，但甲方说的干净是——没有多余的情绪。我写了三行，前两行是镜头，第三行是「人物保持平静」。模型不懂平静，它只懂「面部五官不扭曲」。这两件事差了十万八千里。
去年十一月，我在亮马桥的一家拉面店碰到过一个做后期的朋友，叫周航。他当时说了一句话，我记到现在。他说，工具不会替你想清楚，它只替你把想不清楚的地方放大一百倍。我当时点头，没往心里去。昨天凌晨三点半，我把这句话翻出来，发给了他。他回：「所以你想清楚了吗。」
没有。我承认。
我把提示词拆开重写。第一行，只写环境：浴室，早晨，窗在左边，光从窗进来。第二行，写一个动作：女人抬起右手，把一卷纸放到架子上。第三行，我原本写了「神情平静」，删了。改成：「她看着架子。没有说话。」第四行，什么都不写。留白。这是我第一次在提示词里主动留白。
第五个模型，take_12，跑出来的那一刻我看了三遍。女人抬手，放纸，看了一眼架子，然后镜头停住。四秒。没有笑，没有扭曲，没有多出来的东西。它不是广告，它甚至不算好片。但它没有撒谎。这是这一整夜唯一让我坐直的一次。
我想说的是另一件事。这半年，市面上关于「AI 生成视频」的话我听得太多。它们都在讲效率、讲成本、讲一次生成多少秒。很少有人讲「描述」这件事是需要训练的。你要把一个缓慢的动作，切成环境、动作、观察、留白四块，这本身是一种写作。写得差，模型就替你拍一部马桶广告。这不是技术问题，这是句子的问题。
我不讨厌这些工具。我讨厌那种把工具当成魔法、把生成当成成品的气氛。我用自己的名字赌一句：接下来两年，做视频的人里，最贵的技能不是剪辑，是把一句话说清楚。这句话会得罪一些人。没关系。
凌晨四点二十，我关掉渲染队列。桌上有六个空的杯子，两个保温的没喝完。收据被压在最下面。take_12 留着，其余 16 段进回收站。早上八点，我给甲方发了邮件，附上四秒那段，写：「这版没有多余情绪，请确认方向。」
下午一点十七分，他回了一个字：「这个好。」
我盯着那三个字看了很久。没觉得被夸奖。只觉得那句删掉又打回来的话，值了。