一張參考圖先被放進去了：Reference to Video 的小站，把混亂的素材收成了一個介面

先從一個很小的動作看起：上傳一張人物照片，再傳一段影片，或許再加一段音訊，接著寫一句 prompt，選一個模型，等影片生成。這串流程最近被一位獨立開發者整理成一個名為 referencetovideo.net 的小站，並在 V2EX 的「分享創造」板發文，提供註冊登入即贈送一次免費生成，想聽的不是稱讚，而是哪裡難用。

問題先於產品：參考素材的碎片化

這個站的起因值得先看。開發者自己在玩 AI 影片時發現，現在的模型早已走出文生影片、圖生影片的二分法，開始接受參考圖、參考影片、音訊等多種輸入。但每家模型支援的組合不同，使用者在幾個分頁之間來回切換，記不住誰喫什麼素材。

這是一個典型的介面層級問題：模型能力在快速分裂，而各家的官方介面各自為政。使用者真正需要的是一個能容納所有素材類型的共同工作區，讓「我手上有一張產品圖、一段想參考鏡頭運動的影片」這種混合需求，不必被拆成好幾次跨站操作。

開發者自己列出的使用場景很有說服力：拿人物圖繼續生成影片、用產品圖做廣告、拿一段影片參考動作或鏡頭、幾種素材混著用。這些場景共同的特徵是「素材已經存在」，缺的只是把它們送進模型的順暢通道。這與我們先前觀察過的Twibird 把書籤做成可搜尋的個人知識庫是同一類設計判斷：當既有素材散落在各處，把「已經有的東西」重新組織起來，本身就是產品。

一個早期介面的誠實與粗糙

從發文描述看，這個站目前的流程相當直白：上傳、寫 prompt、選模型、生成。技術棧也是獨立開發的標準配置，Next.js、PostgreSQL、Stripe、Vercel，再串接各家影片模型 API。

這種組合的優點是誠實。它沒有假裝自己是平臺，沒有包一層敘事外衣，就是一個把多模型輸入收攏的工具。早期的工具型網站往往有這種質地：功能先於視覺，可用先於好看。V2EX 社羣也偏好這種語氣，開發者直接說「有問題直接噴就行」，這種坦率本身也是一種介面設計，它把回饋的門檻降到最低。

但粗糙也同樣明顯。多素材混合輸入的介面，最難的從來不是上傳本身，而是素材之間的關係要怎麼被表達。一張人物圖是「主角的長相」，一段影片是「鏡頭的動法」，這兩者在 prompt 裡的角色完全不同。如果介面只提供一個共用的上傳區和一個 prompt 框，使用者就得自己用文字去解釋每個素材的用途。這正是這類聚合工具下一步要解的題：素材需要被賦予角色，而不只是被收進來。

贈送一次生成，是一種介於行銷與測試之間的設計

註冊即贈一次免費生成，這個安排比它看起來更有意思。AI 影片的單次生成成本不低，送一次等於開發者自掏腰包買一輪真實測試。對照一般 SaaS 常見的十四天試用，一次生成的設計更誠實也更精準：它篩出的使用者，是真的有素材想試的人，而非路過註冊的帳號。

從介面角度，這也把新手的第一次接觸設計成一次完整流程的體驗，而不是一段功能導覽。使用者走完上傳到生成，工具的核心價值就被自己驗證了。

收束：聚合的工具，最終要贏在素材的語意

referencetovideo.net 還在早期，發文裡「邊做邊改」四個字已經說明一切。它目前做的事，本質是把分裂的模型輸入收進一個屋簷下，這一步的價值真實但可被複製。真正能拉開差距的，會是它如何處理素材與素材之間的關係：讓使用者指明這張圖是誰、那段影片是節奏還是運鏡、那段音訊是配樂還是口型來源。

誰先把這層語意做進介面，誰就把「參考」從一個資料夾變成一種創作語言。這個小站還沒做到，但它已經站在對的問題上。