一只举着自拍杆的水豚（卡皮巴拉），最近成了TikTok上正当红的旅行博主。

视频中，它手拿自拍杆精神奕奕地说着开场白：“大家好吗？复制版的卡皮巴拉又带来新的Vlog啦！今天，我要带你们去我最喜欢的地方……”

这支靠谷歌Veo 3生成的AI视频，在TikTok上播放量超580万，获赞超84万。卡皮巴拉的表演和台词几乎看不出任何破绽，俨然是一位镜头感极强的专业视频博主。

发布视频的账号“CapiPapiofficial”自6月1日发布第一条Vlog起，在15天内共发布16条Vlog视频，目前粉丝数超89万，累计获赞数超1340万。

不仅如此，最近一周，X、Instagram、抖音等海内外平台重新掀起一阵Vlog热潮，只不过都是AI“拍”的。在AI的助力下，考拉、大脚怪、古代中东人、洞穴人都“创建”了自己的视频账号，摇身变资深Vlogger。

相关视频在TikTok上动辄收获超百万播放，获赞几十万。在Instagram上也有一些专门制作此类内容的账号，同样迅速走红。此前，创作者在三天内涨粉超30万，让人一度怀疑AI起号也如呼吸般简单。

为什么这类第一人称Vlog会让网友如此上头，引发大量模仿？我们试着拆解了几个热门账号，根据背后的工作流程，并制作了一条第一人称视角视频。

单条视频播放超1600万，

AI Vlog风靡互联网

虽然Vlog已经是一条成熟的内容赛道，但AI生成“真人感”Vlog还是俘获了一众网友。

据“AI新榜”观察，这些视频通常会顶着不同动物的形象，再以人类的口吻述说一些观点独特的吐槽向语录。除卡皮巴拉外，最早在这条Vlog赛道上走红的主角是“Yeti”（雪怪），一种介于人与猿之间的生物。（注：“Yeti”这个词起源于喜马拉雅地区，当地人称其为“雪怪”，它被描述为一种介于人与猿之间的生物，至今尚未有确切的证据证明其存在。）

此类Vlog中，“Yeti”的设定是一个“荒野求生的网红”。他会背着自己的大行囊到商场购物，在自己的冰洞里生火烧烤。他也会用愤世嫉俗的方式吐槽人类世界的食物、设定和规则，夸张又口无遮拦的发言引得评论区网友纷纷产生共鸣。

部分评论区截图

Vlog看重的是人物角色的个性表达和故事的完整性。当“喜马拉雅地区的雪怪”这种神秘假想的生物出现在人类世界，首先视觉效果上就很吸睛。

创作者还巧妙地在荒野场景中融入生活元素，比如雪怪们凑一起围炉煮茶、逛街购物。这种巨大的反差感，既形成了连续的故事情节，也增添了荒诞幽默的笑点，让整个视频变得极有节目效果。

截至目前，“yetivloglife”共发布12条视频，其中最高一条播放量超1600万，获赞超250万，这一热门视频得益于Vlog博主之间的合拍。

创作者将“Yeti”和另一热门角色“大脚怪”用AI进行联动，生成了他们一起探险的故事。

“Yeti”系列走红之后，一大波创作者踏浪而来，打造了形形色色的Vlog博主。上述被网友们戏称为“大脚怪（big foot）”的角色，在这一轮AI Vlog中同样出圈。

它的视频开篇就营造了悬念和紧张感，通过第一人称视角点明诸如“神秘巨兽”“荒野遭遇”的视频主题，向观众展示“它”所看到的世界，迅速抓住了网友们的注意力。

再加上视频中“自拍+手持跟拍+无人机远景”的镜头组合，配合快速切换的场景、风声和喘息声，共同营造出会既真实又刺激的观感，让人忍不住想看“接下来会发生什么”。

除了拍摄“野外求生”、“雪地探险”等充满悬疑气息的视频外，AI Vlog博主们更多的创作内容则是“旅行记录”。

和前面的“户外博主”设定不同，这些视频内容更轻松，画面场景也更多元，包括但不限于展现庞贝古城、 19世纪的伦敦以及美国工业革命时期的历史画。

通过让观众沉浸式体验历史、电影中的场景，这类账号在海内外平台上获得了大量关注。

据新榜旗下抖音数据工具新抖，抖音博主“现代小辉”从6月12日起发布第一条“体验历史名场面Vlog”，6天内新增粉丝数超1.45万。

视频能火起来，很大程度上在于画面逼真度极高。小红书博主“放空七秒”带网友第一视角体验邮轮旅行，评论区有网友锐评：“还好我留个心眼儿，不然我就吓死了，前三个片段根本看不出来是AI。”

还有一类深受国外网友欢迎的Vlog则是“洞穴人日常故事”。这类视频通常以“赛博神圣感”俘获海外有信仰寄托的网友，主要内容也和亚当夏娃、诺亚方舟等圣经故事息息相关。

这些Vlog中的主角长相不再是精致无暇的超模脸。自然的日光、手持自拍的角度，都把画面中的每个人物都刻画得真实可感。

看上去，他们就是在山区探险的真人博主，在街头偶遇到的普通人，在游轮上一起旅行的情侣，甚至在寒冷的雪地里被冻得说话不利索。

正是因为视频画面“质感真实”，带有极强的拟真效果，让其在短时间内成为了TikTok、Instagram、抖音等海内外平台上流行的内容创作风潮。

打造一条“拟真感”的AI Vlog

这类玩法在外网爆火之后，a16z的Justine Moore在X上发文称，这些视频其实是使用谷歌的Veo 3视频生成模型制作的，并且制作起来“惊人地简单”。

具体制作过程，可以归结于这几个步骤：

首先，需要确定自己的视频主角，为其打造一个具体的人设。雪怪（Yeti）、大猩猩（Bigfoot）、考拉（Koala）都是TikTok上热门Vlogger。

比起其他AI视频，Vlog更注重故事情节和个性表达。

这里可以让Gemini、GPT等扮演电影视频提示词作者，帮我们打造能够形成病毒式传播的YouTube Vlog系列视频。

提示词：Your Role：Act as an expert cinematic video prompt writer. Your goal is to help me create scenes for a viral YouTube vlog series.

现在大语言模型的能力差异并不大，我们可以基于使用习惯、输出内容和优势来选择使用哪个AI。关键之处在于赋予AI具体的人设，来引导生成更为准确的视频想法和提示词。

以“Yeti”角色为例，我将它设定成“一只生活在雪林中的毛茸茸的大型白色雪怪”，具体提示词如下：

The Character & Series:The star is a large, fluffy white yeti who lives in a snowy forest. He vlogs his daily "survival," but he's not a rugged expert.

His personality is a hilarious mix of sarcastic, emotionally unstable, and overly dramatic, but he's ultimately lovable. The series is a parody of influencer culture meeting wilderness life.

之后，我们需要确定镜头数量，进一步让AI生成不同分镜。需要注意的是，为了尽量保证Veo 3能生成连续统一的画面，这里最好让AI按指定格式输出。（完整提示词可在AI新榜后台回复“Vlog”获取）

提示词格式：

场景描述：一只「巨大的白色毛茸茸雪怪正对着一个围着围巾（外形）」，「用树枝做手臂的雪人比手画脚（动作）」。

镜头角度/风格：自拍镜头，「用毛茸茸的大爪子抓着抖动的手机，镜头被哈气模糊，背景是积雪覆盖的小屋，雪人“妻子”坐在一根木头上像个女王。」

对白/旁白：他大声说：「“她已经雪龄八周，现在必须要个Labubu。Labubu到底是什么？我用石头查了一下谷歌——没反应。”」

（「」中的内容可替换）

接着再根据AI给出的不同分镜，让Veo 3生成视频即可。选择Veo 3的主要原因在于它能够为不同角色赋予自然的微表情、动作变化和旁白音效，实现一键直出。

以上述场景为例，Veo 3生成的英文Vlog效果：

最后，把生成的分镜交给剪辑软件进行最后的整合编辑，一起看看效果：

在生成过程中，只要创作者掌握了提示词模版，并合理替换其中的角色名称、动作和情节，Veo 3生成的结果通常能保证可控。

但如果想实现角色一致性，则仍然有一定几率的抽卡风险。以制作“神秘猫猫准备惊喜”Vlog为例，Veo 3在保持猫咪一致性方面就会出现偏差。尽管是不同场景下的同组提示词，Veo 3随机生成了前后两个品种的猫。

首尾两个片段的猫猫出现差异

此外，我们也尝试了豆包视频模型。豆包生成的画面效果真实，但暂不支持对口型功能，需要重新上传画面并配合文本进行AI配音。因此，在视频制作效率方面，豆包就不如Veo 3。

同一组提示词，豆包生成的效果

与其他AI生成工具相比，Veo 3更侧重对角色面部表情、动作和声音的精细控制。这种对“拟真感”的追求，对于打造低成本且真实可信的AI视频至关重要。

另外，Veo 3生成视频效率大幅提升，前阵子，Veo 3上线了Fast模式，生成8秒视频的时间控制在2分钟以内，这也在一定程度上促进了类似AI Vlog视频的病毒式扩散传播。

从全民热舞到Vlog，

爆款短视频都能用AI重做一遍？

2024年，一张照片让全民热舞的短视频，一度刷屏了TikTok。彼时，阿里通义实验室开发的视频生成模型Animate Anyone让不少人过了一把“舞蹈区博主”的瘾。

使用门槛足够低，生成效果可控，视频可玩性足够高，这让普通人对AI有了探索欲和使用欲。

这一轮创作热潮的背后，同样得益于AI能力的提升。

过去，作为一名Vlogger，通常要包办视频的策划、拍摄和剪辑，一个人就是一支独立的拍摄团队。现在从脚本构思、画面拍摄到后期配音，都可以让AI生成。它还能够提供“不同视角”的镜头，在短时间内就能提供信息密度极高的内容画面。

最早一批爆火的AI Vlog创作者们，还顺势推出了在线课程，售卖可复制的提示词模版，详细拆解AI起号全过程，售价25美元。虽然光靠提示词，并不是制作短视频的好办法，但它至少让更多玩家知道可以用AI专门做某类视频，也方便大家去尝试视频的各种可能性。

“AI新榜”此前报道过用AI演绎知识科普内容、拿捏海外网友，以及用AI制作ASMR视频等案例，正如AI Vlog一样，这些案例是用AI实现“像素级”的视频内容复刻，并获得了可观的播放数据。

一个可见的趋势是，在垂直细分领域，创作者们用AI进行内容创作和账号孵化，依然藏着巨大的流量增长潜力。