那么，现在的AI生成视频是否已经无所不能了?采访中，李东珅讲了一个此前从未公开的制作事故。第四集结尾，孙小圣长大了，团队忽然发现生成的内容不对，人物所有的行为和表情都非常僵硬。同样的提示词、同样的模型、同样的操作人员，谁都不知道问题出在哪儿，排查花了约十天。

　　答案出人意料。“问题的原因是我们最初的人设图里面没有尾巴。”李东珅解释，没有尾巴，AI便默认这是一个“人”在扮演猴子，面部有软体，模型认为这个部分不能动，表情一旦僵硬，动作也跟着僵了。“后来我们把尾巴加进去了，一切就都对了。”他把这个案例当做理解AI的钥匙：模型是一个智能体，不是摄影机，也不是建模软件，创作者必须建立与它交流的方式。

　　谈到技术瓶颈，李东珅给出了一个与外界想象不太一样的答案：画面的视觉一致性问题已经基本解决了，目前最难的是情绪连续性。“一个镜头大概15秒，现在变成了30秒。这30秒里，人物的情绪是有起伏变化的，但到下一个30秒，我们就要重新构建情绪逻辑，这个非常难。”李东珅说，他已经向芒果灵创和模型合作方火山引擎提出建议，希望尽快开发一款具有“记忆功能”的工具，能把一整集放在一个任务条下完成。

　　此外，现阶段，团队还只能靠海量提示词兜底。磨合初期，一个镜头的提示词要写七八千字，细到人物面部哪一块肌肉开始抖动，但提示词写得细不代表写得对。李东珅表示，目前没有想象出来而AI做不到的场景，“现在的问题是我们的想象力跟不上模型能力”。

　　单集成本约90万元 不到同等水准动画剧集十分之一