爱诗科技 PixVerse 与 OpenAI 共同推出产品集成和创作者教育计划，高效打通 AI 创意全流程
要点
视频生成正在从"一个网站"变成"一个可以被调用的能力"。 近日，爱诗科技（AIsphere）旗下模型和开放平台 PixVerse 与 OpenAI 宣布开启深度合作：双方完成了一系列产品集成，并首次共同推出"从提示词到成片"（Prompt to Production）教育计划。…
视频生成正在从”一个网站”变成”一个可以被调用的能力”。
近日，爱诗科技（AIsphere）旗下模型和开放平台 PixVerse 与 OpenAI 宣布开启深度合作：双方完成了一系列产品集成，并首次共同推出”从提示词到成片”（Prompt to Production）教育计划。按照官方表述，该计划将通过线上研讨会和系列视频，帮助海外个人创作者和团队把创意构想更高效地转化为可落地的内容。
三个集成：插件、CLI 与 Canvas
产品集成集中在三个层面。
PixVerse 插件。 PixVerse 官方插件（PixVerse ChatGPT Plugin）现已原生接入 ChatGPT 与 Codex，借助 PixVerse 的制作规范与质量审核体系，用户可一站式完成视频、图像、音频的端到端生产。也就是说，创作者可以直接把想要制作的素材发给 ChatGPT，只需描述要求，由插件完成制作。
PixVerse CLI。 让 Codex 充当 AI 内容工作室，视频、图像、音频生成集中调用，并能搭建可复用的标准化流程，以适配大规模内容创作。
Canvas 支持。 PixVerse 为插件新增对 Canvas（AI 视频项目工作台）的支持，用户可在其中管理、打磨创意素材，生成并对比多个结果，确认满意后直接转入制作与交付。
三者叠加的效果是：从脚本创意到最终成片，可以在同一套工作流里走完，省去策划与制作之间的反复交接。
视频生成成为 Agent 可调用的接口
更关键的变化在接口层。通过插件、CLI 与 Codex 集成，PixVerse 的视频生成能力已被封装成 Agent 可直接调用的能力。Agent 无需打开平台界面，即可自主完成理解任务背景、生成创意简报、拆解分镜脚本、调用 PixVerse 插件生成视频这一整条链路。
“从操作网页到原生连接，视频生成正在变成 Agent 调用的能力，而不只是用户访问的网站平台，PixVerse 要成为人和 AI agent 的创作基础设施。”PixVerse 美国市场营销负责人表示。
在首场线上研讨会中，OpenAI 应用 AI 工程师 Tyler Ryu 演示了一个动画制作案例：先调用 PixVerse 插件，根据角色图片生成角色走路的参考视频，即用视频模型产出动作素材；再让 Codex 做技术处理，把动作套用到游戏角色上，即把素材落地为实际资产；最后用自然语言反复微调直至成片。整个过程不需要动捕工作室，也不需要动画软件。
Tyler Ryu 同时给出了一个判断：”AI 能把事情做到 80% 到 90%，最后一步仍需要专业视频模型来完成。”
一致性的经验：参考图要少而准，顺序不能乱
对 AI 视频创作而言，画面一致性是绕不开的痛点，研讨会也把这一环节作为重点。
Tyler Ryu 的做法是把角色和场景的参考图都放进项目文件夹，并明确要求 Codex 生成前先查看，使其记住场景布局与细节。PixVerse 社区创作者 Hidayat 主张参考图”少而准”：正面、背面、侧面各一张，加一张脸部特写即可，不必把头、手、身体都画得很细，这对人物、物体、场景都适用。另一位创作者 Aldo 则强调顺序：先做参考图，再做分镜，最后出视频，这样每个镜头里的脸和造型都能保持一致；分镜阶段就能发现问题并修改，成本远低于重做视频。
教育计划的具体安排
据 PixVerse 官方博客，双方于 2026 年 10 月 8 日宣布推出 Prompt to Production。计划首先面向不同地区举办两场直播网络研讨会：亚太场于 2026 年 10 月 28 日 12:00（GMT+8）举行，北美场于 2026 年 10 月 29 日 10:00（PT）举行，每场均有来自 OpenAI、PixVerse 及社区专业创作者的代表参与。
研讨会结束后，双方还将通过 PixVerse 官方 YouTube 频道持续推出视频系列，把同一套工作流拆分为独立课程，覆盖从 PixVerse 入门到使用 Codex 与 PixVerse CLI 自动化制作流程的各个环节。
结语
这次合作真正值得关注的，不是又多了几个入口，而是 AI 视频的生产关系在变：模型能力被拆成可编排的步骤，交给 Agent 串联，人退到”提要求”和”做判断”的位置。
这条路要跑通，仍有两个前提——一是跨工具的上下文能否稳定传递，二是生成结果的一致性是否足以支撑商业交付。教育计划本质上是为这两点在攒经验：把工作流标准化到可以教、可以复制，才谈得上规模化。
