一支 AI 产品广告样片看起来很高级，能不能直接把几十个 SKU 交给同一家供应商？不能。真正值得扩量的，不是“最好看的一条”，而是同一套流程面对没见过的商品时，仍能把产品拍对、把卖点讲对，并把返工控制在可接受范围内。
这恰好是生成式产品视频正在出现的新分水岭：模型演示解决“能不能生成”，品牌采购要解决“能不能稳定交付”。
AdSpark 释放的信号：产品广告需要专门的验收维度
2026 年 10 月 7 日公开的预印本《AdSpark: A Large-Scale Dataset and Benchmark for Product-Centric Advertisement Video Generation》，试图把通用视频生成评估推进到产品广告场景。作者介绍的 AdSpark-300K 包含约 30 万组参考图、提示和视频，其中 10 万组来自真实广告，20 万组为合成广告；覆盖 40 个产品大类、3000 多个子类和 651 小时视频。
研究不只看清晰度或美感。AdSpark-Bench 用 220 个与训练集 SKU 不重合的测试案例，评估六类问题：画面质量、产品保真度、指令遵循、时间连贯性、音画对齐和广告有效性。其中 175 个案例包含多个镜头，用来检查商品跨镜头是否还是同一个商品、卖点有没有被真正呈现，以及多段画面能否组成广告叙事。
论文报告的主要观察是：现有模型即使能生成更有动感的画面，在复杂运动中仍可能出现形状变形、外观漂移、包装文字损坏；开源模型在多镜头一致性、指令遵循和广告有效性方面的问题更明显。这个结果不能直接替任何品牌选择模型，却说明了一件很实用的事：通用“画质好不好”不足以判断产品广告能否上线。
这项研究不能替品牌证明什么
AdSpark 是一篇预印本，不是已经被行业采用的采购标准。论文称数据来自一家大型电商平台的授权内部接口，但没有在正文中公开平台名称；数据集计划在论文接收后发布。截至本文写作时，外部团队也不能据此假设已经完整复现。
样本主要来自电商场景，SKU 选择又参考了 2026 年 4 月 15 日的平台点击数据，因此长尾商品、其他市场和不同广告风格仍有覆盖限制。论文的“广告有效性”部分包含多模态模型评分，不等于真实消费者实验、投放增量或销售结果。
所以，ONCE 的判断不是“照抄这套分数表”，而是把它转成采购动作：供应商必须在品牌保留的陌生 SKU 上接受压力测试，不能只展示自己挑选的英雄样片。
ONCE SKU 压力测试：先测系统，再买产能
第一步：把测试商品分成三档风险
不要让供应商只选最容易生成的商品。品牌可以从真实待制作清单里保留一组未参与演示的 SKU，并覆盖三类难度：
- 低风险：外形简单、包装干净、没有细小文字或复杂配件，用来检查基础画质和主体稳定性。
- 中风险：包含金属反光、透明材质、软体变形、多个配件或真实使用动作，用来检查物理关系和卖点能否被看懂。
- 高风险：带精细包装文字、接口、刻度、替换零件、相近变体或受监管主张，用来暴露“看似真实但商品不对”的风险。
测试集不需要覆盖全目录，但必须像未来订单，而不是像供应商作品集。每个 SKU 都要绑定确认过的参考图、型号、不可改变区域、可视化卖点和禁用表达。输入不固定，失败后就无法判断问题来自模型、资料还是临时改稿。
第二步：硬门槛与软评分分开
最危险的做法，是把所有项目揉成一个平均分。商品事实不应靠“画面很美”抵消。
硬门槛用于决定能不能上线：产品轮廓和关键结构不能变成另一款；品牌标识和包装信息不能乱码或换位；广告不能演示不存在的功能；卖点所需动作必须真的发生；跨镜头不能更换颜色、配件或结构；旁白与画面不能讲两个版本。
只要出现会改变购买判断的错误，这条就应判为未通过，而不是交给投放部门赌观众看不出来。美国联邦贸易委员会的广告基础指引长期要求广告真实、不误导，并有事实依据；它也明确会结合文字、图片、明示与暗示主张判断广告传达了什么。AI 生成不会把责任从广告主身上移走。
软评分用于比较通过硬门槛后的方案：画面吸引力、节奏、卖点表达效率、品牌风格、不同画幅适配和人工修复量。软评分可以帮助选更好的供应商，却不能让错误 SKU 获得“综合及格”。
第三步：按可交付成本决定是否扩量
不要只比较每次生成价格。品牌内部可以用一个更接近真实采购的式子：
风险调整后的可交付单条成本 = 测试与生成成本 + 人工修复 + 商品审核 + 重做与报废 ÷ 通过硬门槛的成片数
这不是行业均价，也不预设 AI 一定便宜。它只是把被隐藏的失败成本放回分母。如果某方案生成很快，却需要反复修包装、补接口、重做旁白，名义单价低不代表适合批量生产。
批量扩量前还应记录每个 SKU 的首次通过、修复后通过和最终放弃原因。这样留下的不是一次供应商排名，而是一张品牌自己的“生成适用地图”：哪些商品可全生成，哪些需要真实产品镜头加生成环境，哪些必须保留实拍或三维。
失败发生在哪里，决定下一步买什么
多数 SKU 都失真：先停扩量
如果不同商品都出现轮廓漂移、包装替换或跨镜变化，问题更像模型或工作流能力不足。继续堆人工修图，只会把自动化服务变成昂贵的逐条救火。此时应换生成路线、缩短镜头任务，或改用真实产品拍摄与传统后期。
商品保真，但卖点没被看懂：重写视觉任务
一条视频可以把商品保留得很准确，却只让产品转圈，没有展示“为什么值得买”。这通常不是再调颜色能解决的。应把抽象卖点改成可观察动作、结果和使用条件，再重新设计镜头。关于真实产品与生成背景如何接合，可参考 ONCE 的AI 产品广告背景制作分析。
只有文字、Logo 或接口不稳定：改为混合制作
不必因为局部失败就放弃整套方案。可以让生成负责环境、氛围和部分运动，让真实 packshot、包装、界面或关键结构通过实拍、三维或合成进入最终画面。这里的目标不是“AI 占比最高”，而是用最低风险完成广告任务。
如果项目是在已有视频上换色或改材质，验收重点会从供应商跨 SKU 能力转为单条镜头的时间稳定性，可再参考 ONCE 的关键帧与全段验收方法。
把测试集留成品牌资产
完成试点后，不要只保存最终成片。保留参考图、SKU 版本、卖点说明、提示与镜头计划、失败样片、修复记录、硬门槛结果和实际人工工时。下一家供应商或下一代模型必须在同一组保留 SKU 上再测，品牌才能比较流程有没有真正进步。
这套测试集也会改变制作公司的价值：从“替客户多生成几条”变成维护商品真实性、创意表达和可交付成本之间的判断系统。准备评估 AI、实拍与三维的组合时，可以联系 ONCE 视频制作团队，用代表性 SKU 和不可改变项先完成小规模压力测试，再决定整批制作路线。
事实来源：Yang 等《AdSpark: A Large-Scale Dataset and Benchmark for Product-Centric Advertisement Video Generation》，arXiv:2610.10047v1，2026 年 10 月 7 日；美国 Federal Trade Commission 的 Advertising and Marketing Basics 与 Advertising FAQ。中文站未附海外来源外链，因为没有中国大陆网络可达性实测。文中的 SKU 风险分层、硬门槛、可交付成本式和路线分流是 ONCE 的采购建议，不是论文标准，也不是 ONCE 客户结果。
