MedLoom 调研报告
AI 视频生成 / 编辑工具全景分析 · 2026年5月 · 为医学科普垂类产品寻找最优产品形态
一、市场全景：2026年 AI 视频工具格局
2026年的 AI 视频市场已从"一个模型打天下"演变为按场景选模型的格局。核心分层：
| 层级 | 代表产品 | 核心能力 | 定价区间 |
|---|---|---|---|
| 底层模型 | Veo 3.1, Sora 2, Kling 3.0, Seedance 2.0, Wan 2.6 | text/image → 视频片段生成 | $0.01–0.15/秒 |
| 创作工具 | 即梦, 可灵, Runway, Pika | 生成 + 编辑 + 编排 一站式 | 免费–$95/月 |
| 端到端平台 | InVideo AI, HeyGen, Synthesia | text → 成品视频（含脚本/配音/素材） | $25–$89/月 |
| 编程框架 | Remotion, HyperFrames, OpenMontage | 代码驱动的视频制作管线 | 开源/免费 |
| 垂类产品 | Medeo, MedLoom | 行业定制的视频工作流 | 待定 |
二、六种交互范式分类
基于对 15+ 产品的调研，当前 AI 视频工具的交互可归纳为六种范式：
Text-First（文本即视频）
用户输入一段文字描述 → AI 自动生成完整视频（含脚本、画面、配音、字幕、音乐）
InVideo AI Sora Veo Pika (简单版)
✓ 门槛最低 · ✓ 速度最快 · ✗ 控制力弱 · ✗ 医学准确性无保障
Canvas/Board（无限画布）
类 Figma/PS 的空间化操作，多资产并行管理，非线性创作
即梦 画布 可灵 灵动画布
✓ 可视化强 · ✓ 多素材并行 · ✗ 学习曲线 · ✗ 不适合纯内容消费者
Agent-Driven（对话式创作）
用户通过自然语言对话驱动创作，AI 理解意图并执行（多轮）
即梦 Agent 可灵 灵动画布Agent InVideo Agent One Medeo Canary
✓ 最自然 · ✓ 适合非技术用户 · ✗ 精确控制难 · ✗ 依赖LLM质量
Timeline/NLE（时间轴编辑增强）
传统非线性编辑器 + AI 能力加持（智能剪辑、自动配乐、AI 特效等）
Runway Editor 剪映 Descript
✓ 精确控制 · ✓ 专业用户熟悉 · ✗ 门槛高 · ✗ 不适合快速出片
Keyframe-Bridge（关键帧驱动）
用户提供首帧+尾帧（或多个关键帧），AI 生成中间过渡动画
即梦 智能多帧2.0 Pika Pikaframes 可灵 首尾帧控制
✓ 可控性高 · ✓ 适合已有素材 · ✗ 需要准备素材 · ✗ 过渡质量不稳定
Reference-Remix（参考驱动）
从已有视频/素材出发，AI 分析结构后生成变体或衍生内容
Runway Edit Studio (Aleph 2.0) OpenMontage 可灵 Omni 参考生成
✓ 起点有保障 · ✓ 风格可延续 · ✗ 原创性受限 · ✗ 版权问题
三、重点产品深度拆解
3.1 即梦 AI（字节 · 剪映生态）
核心亮点：从"聊天框"到"画布"的交互革命。即梦是目前国内将 Canvas + Agent + 多帧 三种范式结合最好的产品。
📷 操作流程实录
Step 1: 输入 画布入口：输入 prompt 描述你想创作的内容，或从模板快速开始
Step 2: 生成+编排 画布工作区：左侧工具栏 + 中央画布排布多资产 + 右侧 AI 对话面板自动生成内容
Step 3: 输出 分镜输出：输入"电影感，两人对峙场面，分镜"→ AI 生成一致角色的多场景分镜
交互设计拆解
- 无限画布：类 Figma 左侧工具栏 + 中央画布，支持多资产并行、风格统一
- Agent 模式：灵感搜索 + 创意设计，对话即创作，系统主动预测下一步动作
- 智能多帧 2.0：上传视频段落拼接，首创视频片段锁定+局部修改，最多20帧
- 预测式交互：生成一张图后，自动推荐"扩图→封面"或"转视频→动效"
- 剪映闭环：素材直接导入剪映精修和发布
对 MedLoom 的启发
即梦的预测式交互可以借鉴——用户选了"银屑病病因"后，系统自动推荐"要不要加上预防措施？"或"生成30秒快速版还是2分钟完整版？"
但即梦的问题在于它是通用工具，医学内容的准确性完全靠用户自己把控。
3.2 可灵 AI（快手 · Omni One）
核心亮点：Omni One 统一架构将理解/生成/编辑融为一体。7合1编辑器 + 原生音画同步。
📷 创作界面
Step 1: 选择模型+输入 视频创作界面：视频3.0模型选择 + Prompt 输入 + 首尾帧控制 + 智能分镜，左侧导航含创意圈/Omni/灵动画布
📸 更多界面参考（点击展开 Google Images）
可灵 AI 灵动画布 Agent 模式、7合1编辑器、参考驱动生成等
交互设计拆解
- 灵动画布 Agent：自然语言多轮对话创作，支持局部修改、批量生成、风格统一
- 7合1多模态编辑器：在一个界面内完成增删元素、换背景、调风格、接镜头
- 参考驱动生成：上传参考视频，AI提取人物视觉+声音特征，新场景中复现
- 自动分镜：系统根据文本自动设计分镜，用户可手动调整
- 数字人 2.0：支持多语言/方言对话，口型同步
对 MedLoom 的启发
可灵的数字人+自动分镜组合适合医学科普场景——数字人讲解 + 系统自动匹配解剖图切片。参考驱动生成能力允许以已有手绘素材为参考，保持风格一致。
3.3 Runway（Gen-4.5 + Edit Studio + Aleph 2.0）
核心亮点：从 model company 进化为 product company。Edit Studio 是第一个围绕"编辑现有素材"设计的完整产品体验。
📷 工作界面
Home Runway 工作台：Apps 分区（Generate/Edit Videos/Images）+ Gen-4.5/Aleph 2.0 工具矩阵 + Assets 管理
📸 更多界面参考（点击展开 Google Images）
Runway Gen-4.5 生成器、Aleph 2.0 编辑器、Edit Studio、Timeline Editor（来源：2026评测文章）
交互设计拆解
- Edit Studio：单帧编辑画布 → 变更传播到全视频。先预览图片效果再提交生成
- Timeline Editor：传统 NLE 风格，拖放生成片段、剪切、转场、混音
- Apps 架构：Home / Assets / Sessions / All Tools / Editor 分区明确
- 逐步升级路径：Gen-4 Turbo（快速迭代）→ Gen-4.5（精品输出）→ Aleph（编辑素材）
对 MedLoom 的启发
Runway 的 "先预览再生成"思路极具价值——用户选完切片后，先看一张合成预览图确认效果，满意了再渲染完整视频。减少浪费。
3.4 InVideo AI（端到端视频 Agent）
核心亮点：输入一段文字，5分钟出完整视频（含脚本、素材匹配、配音、字幕、音乐）。编辑用自然语言："删掉第3幕"、"音乐换活泼一点的"。
📷 操作流程实录
Step 1: 输入 prompt 输入界面：一个大输入框 + "Generate my video" 按钮，底部快捷入口（Advertising Studio, Boards Agent, Clone myself 等）
Step 2: AI 工具编辑 AI 工具集：Looks（风格变体）/ Boards（分镜板）/ Angles（镜头角度）—— 用自然语言编辑
Step 3: 预览+导出 视频预览：生成完毕后的视频播放界面，底部有 "Edit & Download" 按钮，支持版本管理
交互设计拆解
- Prompt → Draft：描述主题/语气/受众/时长 → AI 生成完整视频草稿
- 语义编辑："让开头更有吸引力" → AI 自动加快剪辑节奏、换转场、提高音乐BPM
- AI Twin：上传30秒录音 → 克隆声音用于所有视频
- 1600万素材库：自动匹配 iStock 授权素材
- Agent One：跨场景/地点/角色的持久记忆，支持长片叙事
对 MedLoom 的启发
InVideo 的核心能力：用户只需说"给我一个银屑病预防的2分钟科普视频"，系统就能出成品。它使用通用素材库，如果换成专业医学素材库，这个 text-to-video 范式值得参考。
3.5 Pika（社交短视频快速生成）
📸 更多界面参考（点击展开 Google Images）
Pika 界面：极简 prompt → 生成、Pikaffects 一键特效、Pikaframes 关键帧控制（来源：评测和教程视频）
- 核心流程：prompt → clip，极简交互
- 特色工具：Pikaffects（一键特效）、Pikaswaps（换元素）、Pikaframes（关键帧过渡）、Pikaformance（口型同步）
- 定位：TikTok/Reels 格式的短视频，不追求长片叙事
对 MedLoom 的启发：Pika 的一键特效+换元素思路可以用于医学场景——"把这个关节图从正常状态切换到发炎状态"。
3.6 Medeo Canary（ONE2X · 软件生成系统）
📸 更多界面参考（点击展开 Google Images）
Medeo/ONE2X 界面：AI 视频创作、一键编辑、Agent 模式、自然语言驱动（来源：评测和产品页）
核心理念："视频工具应该是为每个人个性化生成的"——他们做的不是一个视频产品，而是一个能根据用户需求定制视频工具的系统。
用户痛点收集（与 MedLoom 高度相关）
- "我有自己的素材库，能否支持批量化生成？" ← 这就是我们！
- "能不能支持导入固定工作流？" ← 这也是我们！
- "能不能支持无限画布、具备导演视图？"
- "能不能做 OEM 贴牌？"
Medeo 的参考价值：验证了"专业素材库 + 定制化工作流"的产品形态。AI 辅助医学内容生成存在可行的产品路径。
3.7 补充参考：Sora 与 Luma
Sora (OpenAI)：极简输入框 + 社区展示，纯 Text-First 范式
Sora
OpenAI 的视频生成产品，定位纯 Text-to-Video。交互极简：一个输入框+生成按钮。代表了"模型即产品"的极端路线。
Text-First 模型驱动
Luma Dream Machine：创意 Agent 定位，"让你高产"的创作助手
Luma Dream Machine
Luma 的定位从"3D重建"转向"Creative agents that make you prolific"。走 Agent-Driven 路线，强调创意产出效率。
Agent-Driven 创意效率
四、MedLoom 适配分析
4.1 素材特征分析（决定产品形态）
| 维度 | 特征 | 对产品设计的影响 |
|---|---|---|
| 背景 | 全部纯黑底 | 可叠加任何背景，适合合成；但成品需要设计感 |
| 音频 | 全部静音 (-91dB) | 必须后配 TTS/数字人；但也意味着完全的灵活性 |
| 时长 | 单切片 2-8秒，单知识点 6-66秒 | 天然适合短视频（30秒-2分钟） |
| 分辨率 | 1920×1080 / 24fps / H.264 | 专业级，无需上采样 |
| 编码体系 | 9=总结版，Q=扩展版，1-6=标准版 | 支持"快速版/标准版/深度版"三种输出模式 |
| 内容类型 | 解剖图/人物/微生物/药物/器械/复合图示 | 视觉丰富，但风格偏科普卡通而非写实 |
| 覆盖范围 | 银屑病全部12模块/57知识点/463切片 | 单病种完整度极高，适合 PoC |
4.2 用户场景矩阵
| 用户 | 场景 | 期望输入 | 期望输出 | 时间预算 |
|---|---|---|---|---|
| 医生 | 给患者做科普 | 说一句话/选个病 | 30秒-2分钟视频 | < 1分钟 |
| 药房药师 | 门店科普屏/公众号 | 选病+选模块 | 1-3分钟视频 | < 5分钟 |
| 药厂市场部 | 产品推广素材 | 上传文案+选风格 | 定制化视频 | 可接受 30 分钟 |
| MCN/内容团队 | 批量生产科普内容 | 批量 query 列表 | 批量视频 | 批量自动化 |
五、三套交互方案
方案 A：一键出片（InVideo 范式）
核心交互
界面草图
- 首页：一个输入框 + "试试这些问题"的推荐卡片
- 预览页：左侧视频预览 + 右侧切片列表（可拖拽排序）
- 输出页：视频播放 + 下载/分享按钮
优势
- 医生 1 分钟内出片，门槛最低
- PoC 阶段最快实现（核心只是：query → 匹配 → 拼接）
- 直接利用已有专业素材库
劣势
- 创作自由度低，高级用户可能觉得不够
- 编排质量完全依赖 AI 的匹配准确度
方案 B：分镜画布（即梦范式）
核心交互
优势
- 创作自由度高，适合专业内容团队
- 可视化的知识地图让用户理解素材全貌
- 即梦/可灵用户会觉得熟悉
劣势
- 开发成本高（画布/拖拽/时间轴）
- 医生可能觉得太复杂
方案 C：对话+预览（Agent 范式）
核心交互
优势
- 最贴近医生的日常沟通方式
- 无需学习任何界面
- 可以处理复杂需求（"适合给老年患者看的版本"）
劣势
- 对 LLM 理解能力要求高
- 多轮对话的延迟影响体验
- 难以精确控制输出细节
六、最终建议
建议：PoC 用方案 A，产品化后 A+C 混合
理由：
- 方案 A（一键出片）开发最快（核心只是 query匹配 + 切片拼接 + TTS），3天可闭环
- 方案 A 最能体现核心价值——用户输入一句话，得到专业准确的医学科普视频
- 产品化后在方案 A 的基础上叠加方案 C（Agent对话）作为高级模式——"对话微调"
- 方案 B（画布）留给后期 Pro 版，面向药厂/MCN 专业用户
排除了：
- 纯方案 B 起步：开发成本高，医生用不上，PoC 来不及
- 纯方案 C 起步：LLM 匹配准确度不够稳定，PoC 可控性差
不确定的（你比我清楚的部分）：
- 核心用户画像——决定方案优先级
- 一键出片的"简单"交互如何平衡专业感和易用性
- 手绘卡通风格在2026年的市场接受度