AI 生成的 Kalshi 广告幕后 - 电影制作人如何打造了一个在 Veo 3 推出后起飞的 AI 工作室

从专注的两周试点开始，并明确 KPI。测试 AI 生成的内容如何针对定义的目标表现，然后调整训练数据以支持观众的需求。使用研究和受控发布的真实指标 – 第一个冲刺中的 4 个资产，预算约 5,000 美元，CTR 约 11%，完成率近 18% – 来构建可靠的画面。

在 AI 生成的 Kalshi 广告和 Veo 3 推出背后，Neil 领导了向快速迭代的 AI 工作室的转变。他跟踪了跨平台的账户和观众响应，同时避开了炒作。早期工作依赖于现实的预览和 视频，这些视频为赞助商和观众展示了实际结果，Veo 3 将渲染时间缩短了大约 25%，并使每周迭代次数高达 6 次。

工作室依赖于并行管道：一个用于内容生成器，每天产生 2-3 个草稿；一个 训练 循环，每周两次优化语气；以及一个验证步骤，检查进度是否符合基准。团队记录了每个 训练 周期和模型选择背后的 研究，创建了一个 强大的 工具包，可跨活动扩展，同时保持与简报一致。

对其他人的建议：组建一个精简团队，共享决策和性能日志。使用 平台 整合多渠道输出，保持 内容 与客户目标一致，并维护 视频 和资产，让观众感觉 真实。跟踪两条轨道 – 快速迭代和针对性研究 – 并应用 Veo 3 的洞见，将试点转化为可持续的操作。

从简报到生成脚本：将 Kalshi 的目标转化为 AI 工作室输出

建议：将 Kalshi 的简报映射到三种输出类型，并为每种锁定单个生成脚本，然后运行统一的演播室工作流程，将简报转换为生成脚本和生产就绪资产。在简洁报告中跟踪前后指标，并将所有输入和输出存储在 Kalshi 使用的平台上的 Dropbox 文件夹中。这不是猜测；它是数据驱动的，可重复用于品牌和故事。

操作手册

三种输出类型定义了核心工作流程：品牌故事用作电影和剪辑的叙事；解释性电影将 Kalshi 的平台概念转化为清晰的视觉效果；以及带有 cue 表的制作脚本供团队使用。转换将每个简报字段 – 观众、语气、长度和 CTA – 映射到脚本块、字幕或镜头列表。然后，工作室为每个平台生成正确的资产类型。此协议设定了速度和范围的期望。一周的节奏保持周期紧凑：草稿、测试、修订和发布；Dropbox 文件夹保存每个版本以供审计和向后兼容。Kalshi 可以每周审查更改，并与 mediamatters 基准和竞争对手比较，以保持真正一致。

在实践中，单个简报通过模板流动，将简洁的句子链接到故事板帧、CTA 链接到字幕，以及风险概念链接到可演示的视觉效果。如果简报缺少细节，系统会提示澄清问题，确保生成输出尊重品牌指南和生产限制。此方法让平台跨品牌和故事扩展，同时为报告请求和监管问题保持清晰的来源追踪。

治理和指标

指标关注观众行为和生产质量：跨平台的观看次数和完成率，加上来自审查笔记的定性信号。每个周期后，简短报告突出语气、节奏和结构的更改，并标记任何与合规或观众信号相关的担忧。该框架支持快速迭代，使团队能够调整类型、转换或资产，而不是等待完全重启。到周末，交付包括最终脚本、镜头列表和存储回 Dropbox 的就绪发布资产，带有版本控制以供追踪，以及与生产团队的清晰连接。

Veo 3 推出作为增长引擎：硬件、工具和工作流程的变化

立即升级 Veo 3 设置，使用紧凑的 AI 生成工作室工作流程：添加一台强大的工作站、快速 NVMe 存储和自动化模板，以缩短周转时间并交付真正重要的东西：大规模一致的质量。

硬件转变集中在更快、更高效的堆栈上。强大的 GPU、充足的 RAM 和 PCIe 4.0+ 存储为 AI 任务提供动力，如去噪、上采样和颜色分级，而不会出现瓶颈。这种小型足迹升级让您保持工作室精简，同时将 4K 剪辑在几小时内转化为精炼的剪辑，而不是几天。许多团队报告渲染速度提高 2 倍–3 倍，以及更稳定的播放，即使在重处理下，这将先前的限制转化为实际随需求扩展的新吞吐量。

工具向 AI 生成模板、更智能的颜色工具和自动化音频清理演进。编辑人员通过将可重复、高质量的基线应用于数十个剪辑来节省时间；大多数资产可以通过几次点击调整，同时保持一致的信息。结果是更好的创意控制，减少手动苦工，因此您可以为现实世界测试产生更多变体，并观察不同格式和平台上观众的共鸣。

工作流程从手动移交转向模板驱动管道。摄入、代理创建、自动标记和粗剪生成现在并行运行，释放编辑人员专注于工艺和叙事。该方法适用于多个活动，因此您可以发布多个剪辑，这些剪辑与单一品牌声音一致，但对每个潜在客户观众感觉新鲜。这很重要，因为相同的 AI 辅助步骤快速生成许多版本，允许团队在不失去动力的情况下迭代想法。

治理和风险管理成为过程的组成部分。建立标记 AI 生成资产的规则，清楚地将合成内容与现实分开，以避免滥用或误导性信息。禁止的实践 – 如未经同意模仿真实品牌 – 必须被禁止，检查应在发布前标记潜在问题。保持内容透明保护用户，支持竞赛完整性，并与客户保持信任，同时仍启用对增长重要的实验。

团队实施指导：审计当前硬件容量，设置 6–8 周升级窗口，并首先部署自动化模板以测试节奏。测量渲染时间、修订率和客户反馈以量化影响；目标是周转时间减少 20–40% 和首次通过客户批准率提高 15–25%。使用单个项目构建两周试点，并在广泛推出前迭代管道。这种纪律方法将 Veo 3 转化为与雄心勃勃的创意目标一致的技术、工具和工作流程的增长引擎。

现场证据显示转变是真实的。监控搜索趋势的分析师注意到与更快剪辑生产和更高效审查周期相关的 AI 生成工作流程的兴趣上升。来自 Veo 3 活动的剪辑在编辑应用一致但多变的处理时往往表现更好，产生既真实又新鲜的信息。硬件功率、更智能工具和可重复过程的结合赋予工作室杠杆，以扩展活动、吸引更多客户，并将兴趣转化为持续增长 – 不是通过追逐炒作，而是通过交付客户注意和信任的一致结果。

真实角色和场景的提示工程：提示、调整和故障排除

从定义真实角色、可信场景和输出格式的提示蓝图开始；用背景故事、身体特征和对话风格锚定它，以指导提示并确保跨平台（包括视频）的专业外观结果。

使用生成具体故事框架和稳定视觉外观的提示。从核心前提开始，然后分层属性：年龄范围、声音、服装、照明、相机视角和场景上下文。包括明确的消除歧义规则：角色可以做什么和不能做什么、要显示的情绪，以及设置传达的内容。添加创意提示和基于科学的约束，以保持跨模型的输出一致。

利用调整来优化可信度：调整照明、阴影深度、肤色、织物质地和相机焦距。如果您针对动画运动，指定帧率和唇同步准确性；如果您偏好照片真实，收紧微表情和微表情。使用提示变体比较结果，这有助于为内容和模型保持获胜基线。

问题表现为僵硬、不匹配的阴影或角色偏离叙事。通过将提示拆分为模块来解决：1) 故事提示用于弧线，2) 角色提示用于外观和行为，3) 场景提示用于环境和道具。使用带有小更改的重试来指示改进，而不是广泛重写。维护提示日志，指示哪些调整产生了更好结果，以及哪些模型或平台产生了最佳概念验证视频。

始终与内容规则和平台政策一致；某些主题被禁止或限制；构建内容库需要意识到滥用风险以及如何避免生成违反安全指南的内容。使用护栏：移除不允许的术语、过滤提示，并在展示前审查输出。您可以在提示中指示警告以防止误解。

创建可通过交换名称、地点、道具和照明扩展到数百万变体的提示库。使用生成专业外观剪辑和静态图像的模板，带有清晰的变量用于情绪和设置。将提示和结果保存到内容目录，以简化跨项目的生产并展示 AI 模型的创意潜力。

使用定性和定量信号测量成功：真实分数、观众保留率和与故事简报的一致性。跟踪哪些提示产生最准确的模型和最令人信服的视觉效果；保持对提示如何影响偏见和代表性的认识。迭代循环以改进并帮助团队跨活动扩展内容。

采用提示工程的纪律性飞跃，以构建令人信服的角色和场景，同时保持在规则内并保护内容。通过关注提示、控制调整和主动故障排除，工作室可以生成一致、高质量的内容，可跨平台扩展并展示 AI 模型的创意潜力。

平衡 AI 生成和实际布景：布景设计、照明和道具决策

从 60/40 混合开始：AI 生成的宽场景背景和实际前景布景，然后将照明、道具和相机角度与两种模式对齐。这让访客专注于演讲，同时 AI 为视频提供可扩展、一致的世界的。

布景设计：构建带有内置平面、实际纹理和易于交换道具的模块化套件，这些道具在相同场景中与 AI 背景对读。先前，工作室依赖固定布景；现在工作室套件支持多种外观。为每个品牌创建展示场景，以测试标签上的词和环境如何对齐。保持中性纹理（木材、金属、织物），这些纹理与生成的天空保持真实，因此最有价值的帧在两种模式中都突出。

照明：跨 AI 和实际板使用统一的键光，1-2 个实际光以暗示深度，以及反弹板以匹配颜色和对比。从中性基线开始，然后根据生成场景的氛围调整。此方法改善真实性和质量，报告将显示更高的观众保留率和转换率。

道具：选择在两种模式中都存在的物体、锚定场景，并避免与 AI 生成背景冲突的道具。使用简单测量网格保持规模和视角一致；标记复杂物品以避免在演讲或字幕中的误读。这些选择为访客跨视频和演讲提供有价值的提示。

过程和指标：电影制作人和公司团队跟踪来自多项研究的简洁报告。Google 的分析显示混合布景的更高参与度和转换率。对于品牌和工作室，这些结果指导下一步投资并为未来拍摄提供有价值的指导。

使用 AI 的后期制作：编辑、颜色、音频和质量保证

实施可重复的 AI 驱动管道，在单次通过中处理编辑、颜色和音频，然后在交付前运行自动化 QA。此工作流程的飞跃意味着您进入一个新阶段，其中当前项目更快、更一致地扩展；这就是为什么团队倾向于 AI 生成管道。

使用 AI 编辑

• 使用 AI 生成的场景检测自动创建初始剪辑、标记不可用镜头，并提出过渡点；快速审查并将编辑与当前简报和平台指南比较。
• 在过去工作中训练模型以保留节奏和语气；输入您偏好的类型并使其可用于未来剧集，以便团队跨活动重用设置。
• 整合教育提示，让助手学习安全内容实践，减少滥用风险并确保强大的展示。
• 将编辑锚定到画外音和音乐提示，以在剪辑出现在各种设备上时改善转换；针对跨平台的就绪发布基线。

颜色、音频和质量保证

• 应用 AI 颜色分级以匹配选择的风格跨场景；使用参考帧确保情绪一致性，并避免破坏观众信任的突兀转变。
• 使用基于 AI 的去噪和上采样，然后使用可用 LUT 或为每个品牌和项目定制的颜色管道验证跨设备的 consistency。
• 运行 AI 驱动的音频清理以减少嘶声、爆破噪音和房间环境声；执行响度标准化以满足平台规格并跨语言保留语音清晰度。
• 质量保证检查涵盖视频-音频同步、字幕准确性、帧率稳定性以及伪影检测；使用简单检查列表记录问题，并在需要时升级。
• 整合政策更新的教育以防止失误；使用像 crazyegg 这样的分析跟踪参与度和迭代影响，以改善观众观看的内容和活动的转换率。

影响、指标和下一步：广告如何在 Veo 3 后驱动工作室增长

采用可重复的提示到生产循环来扩展工作室。从将 Veo 3 输出与当前生产工作流程对齐开始，使用 Dropbox 作为资产中心和轻量级 SaaS 层来跟踪提示、模型和规则。Neil 指出，此方法让您处于良好位置，将意识转化为账户，并根据潜在客户在漏斗中的位置排名，当势头建立时。

引入三周推出以测试提示和模型；这种电影般的测试转化为生产就绪提示。第 1 周关注入职提示和两个模型；第 2 周扩展到三个模型和四个提示；第 3 周捕获获胜配置并记录规模运行手册。维护最小更改节奏，以便团队快速学习而不会中断。

测量框架集中在意识提升、创建的账户、生产吞吐量和真正重要的东西：每个账户成本和整体效率。我们监控广告排名以优先考虑 ROI 最佳的提示，并强制执行规则以遏制提示和输出中的仇恨言论。指标位于共享仪表板上，每周产生一个具体数据点，指导迭代，同时支持显示 SaaS 采用准备的潜在客户。

关键指标

指标	第 1 周	第 2 周	第 3 周	第 4 周	备注
意识（印象）	210,000	320,000	450,000	520,000	Veo 3 后趋势上升
创建的账户	18	35	52	68	每周稳定增长
启动的 SaaS 试用	9	18	28	42	转换率约 2.0%
生产中使用的提示	12	20	28	35	添加新的获胜提示
部署的模型	2	3	4	5	更强大的输出
参与率	1.8%	2.3%	2.7%	3.1%	更高相关性
Dropbox 资产利用	40	75	110	150	资产集中
广告排名	5	4	3	2	改进效率

下一步

在 Dropbox 中整合资产，将运行手册编入 SaaS 工作流程，并与 Neil 对齐每周审查。构建一个小、可扩展的团队，以随着公司扩展维持增长。目标是增长意识、转换更多潜在客户，并保持所有账户向就绪管道移动。您的团队应跟踪从生产到营销的故事，确保工作室以清晰、实际的结果闻名，这对当前和未来活动很重要。