镜头与主体关系难以锁定
提示词很难稳定表达机位、景别、视线和镜头运动。
AI VIDEO CONTROL LAYER · PRIVATE BETA
Story Box
把导演意图，变成可编辑的世界状态
用 Box 定义主体与空间，用导演台控制摄影机和调度，让视频模型从随机生成进入可重复的影视生产。
Models generate.Story Box controls.World state stays editable.
THE PRODUCTION GAP
视频模型越过了质量门槛，仍未越过生产门槛
当前生成方式仍主要依赖提示词、参考图和反复抽卡。画面可以惊艳，但镜头语言、主体关系与空间调度难以稳定复现。
“所有视觉内容精彩与否，本质上取决于对多种元素的排列组合。”
人物与场景在镜头间漂移
主体身份、空间位置和关键状态缺少持续约束。
成功经验无法直接复用
有效参数、创作取舍和导演判断通常随一次生成消失。
黑箱流程难以进入严肃生产
随机结果无法支撑协作、审查、版本管理与企业交付。
THE CONTROL LAYER
把创作意图转译为一个可拍摄、可修改的世界
Story Box 不替代视频模型。它位于模型上游，把导演意图变成结构化世界状态，再把确定的拍摄任务交给最合适的模型。
01剧本与参考
输入叙事、视觉和多模态参考
02导演台
定义资产、走位、镜头与节奏
03Box State
保存主体、空间关系与关键状态
04最适配模型
按任务接入视频与图像模型
05成片 / API
进入制作、交付与企业工作流
资产
Box 与 3D 资产交叉协作
摄影机
机位、焦段、目标锁定与轨道预演
空间
比例、边界、碰撞和主体关系
模型
连接不同生成模型与私有部署
BOX PROTOCOL
Box 不是一个立方体，而是世界状态的最小可编辑单元
人物 Box 定义主体，环境 Box 定义边界。镜头、位置、透视和美术关系被一次锁定，并持续保存在生产流程中。
BOX / STATE 03EDITABLE
IDENTITY
主体身份与资产引用
TRANSFORM
位置、旋转、比例与边界
RELATIONS
人物、物体和环境的空间关系
STATE
姿势、朝向、可见性与物理状态
HISTORY
关键变化与可复用创作决策
轻量资产
用带空间关系的贴图立方体规定主体，不依赖笨重建模流程。
多模态生成
Agent 可结合文本、图片和已有资产自动生成新的 Box。
统一尺度
把现实尺度、全景背景和预设人物映射到同一坐标体系。
交叉协作
Box、传统 3D 模型与生成资产可在同一场景共同工作。
AGENT-DIRECTED PRODUCTION
让 Agent 执行复杂调度，让创作者保留最终判断
空间定义 → 直觉指令 → Agent 执行。每一步都在缩小模型失控空间，同时保留人工调整和方案选择。
01
已实现
资产组合 Agent
理解场景指令，调用 Box、3D 资产、人物与全景背景，生成三套不同空间方案。
- 资产数量与类型
- 比例和空间边界
- 人物姿势与朝向
- 碰撞与关系检查
02
已实现
轨道调度 Agent
读取场景内主体位置，规划人物移动、摄影机轨道、速度和目标锁定，同样给出三套方案。
- 人物走位与节奏
- 曲线与环绕轨道
- 推拉和升降运动
- 摄影机目标锁定
开发中 · 80%
创作习惯学习与记忆
在获得授权的前提下，将用户的选择、修改、取舍和审美判断结构化，沉淀为可复用技能与个性化知识，提高长期协作效率。
SELECTED WORK
控制不是限制画面，而是让好结果能够被导演
以下内容来自封测阶段的创作与交付项目。影片版权归创作者所有，未经许可禁止下载和二次传播。
01 / 04产品演示 1
PRODUCTION-LED VALIDATION
先进入真实生产，再把交付经验产品化
Story Box 仍处于内部封测，但产品已经在专业教育、AI 电影节项目与真实商业交付中被持续使用和验证。
100+封测种子用户
20+意向企业客户
百万级真实商业交付项目体量
已验证电影节、教学与专业制作
CO-CREATION PARTNER
北京零壹造物 AIGC 影视学院
双方围绕课程、项目和商业制作深度共创。合作伙伴拥有面向字节跳动、小红书、腾讯与央视等客户的内容交付经验。
THE LONG-TERM SYSTEM
从 AI 视频控制层，走向视觉世界模型的状态协议
短期解决影视生产的精确控制，长期把 Box 的语义控制与长时状态能力延伸到实时生成、世界模型和端侧显示。
NOW内部封测
AI 导演台 + Box State
用可编辑世界状态控制资产、空间、人物与摄影机。
NEXT开发中
编排模型 + World Model Harness
让语义、交互和上下文实时转化为连续画面，同时维持长时状态。
LONG TERM研发中
生成式显示与端侧系统
结合生成式显示芯片，服务 VR、互动叙事和低延迟世界模型应用。