Pollo AI 藉助 OpenAI 多模型組合，把創意想法變成影片與圖像廣告
Pollo AI 是擁有超過 2600 萬使用者的 AI 影片與圖像創作平臺。OpenAI 於 2026 年 10 月 8 日釋出其客戶案例：Pollo Agent 用 GPT-5.6 做路由，用 GPT-6 Astra 處理敘事與場景規劃等難題，用 GPT-Image-2.5 負責圖像生成，把粗略想法變成海報、分鏡和約 15 秒的影片廣告。公司稱使用者選擇和切換模型的時間減少 50% 以上，30% 的創作者會話從模板開始。以上資料均為公司自述。
Pollo AI 是一家面向全球創作者與營銷人員的 AI 影片與圖像生成平臺，目前擁有超過 2600 萬使用者。2026 年 10 月 8 日，OpenAI 釋出了一篇客戶案例，介紹這家初創公司如何藉助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，把創作者模糊的想法變成完整的圖像與電影感影片廣告。案例的核心是 Pollo AI 的最新產品 Pollo Agent：它把"選模型、寫指令碼、做分鏡、出圖、成片"這一整套流程，壓縮成一條有引導的工作流。
一、產品定位：做影片領域的 Canva Pollo AI 的創始人兼 CEO Bill Zhu 把目標說得很直白："我們想為影片做 Canva 為設計做過的事。我們要讓它足夠簡單，讓更多人真正用得起來，而不只是那些本來就會的人。"公司的出發點是，即便有了生成式 AI，創作者和營銷人員仍然要在不同工具和不同模型之間來回切換，不少人會因為受挫而放棄專案。Pollo AI 想把這層摩擦拿掉。 最早的突破來自影片模板。據公司披露，目前有 30% 的創作者會話從模板或熱門格式工作流開始。在此基礎上，團隊推出了 Pollo Agent，讓使用者從更簡單的輸入出發，由系統負責後面的流程。Bill Zhu 表示，隨著 OpenAI 模型不斷進步，Pollo 想支援的工作流有越來越多在產品內部變得切實可行。 二、技術機制：按任務難度分層的模型組合 Pollo Agent 的第一步是理解使用者。它讀取使用者粗略的想法和視覺參考，再生成故事線、場景流程和指令碼。CTO Peter Zhou 說，OpenAI 模型的突出之處在於能理解含糊的創意輸入，並具備多模態能力，"GPT-5.6 在這方面表現尤其好"。團隊同時看重 OpenAI API 的穩定性和釋出節奏。
為了在推理深度、速度和成本之間取得平衡，Pollo AI 採用了分工明確的模型組合： 1. GPT-5.6 負責路由，即判斷使用者的請求屬於哪一類任務，該交給誰處理。
2. GPT-6 Astra 負責更難的工作，例如構思敘事、規劃場景修改。
3. GPT-Image-2.5 負責所有圖像生成，用於製作海報、分鏡和廣告視覺。Peter Zhou 的原話是："只要收到使用者生成圖片的任務，我們一定用 GPT-Image-2.5。它特別擅長處理不同型別的角色和文字。" 這種設計讓系統可以根據使用者提示詞，把推理強度匹配到任務本身，簡單任務不必為重型模型付費。Pollo AI 稱，使用者在選擇或切換模型上花的時間減少了 50% 以上，省下的時間可以用於創作。在選型上，團隊會用真實使用者的提示詞和工作流去測試各個生成模型，評估輸出質量、一致性、風格範圍、速度和成本。需要說明的是，這些數字均為公司自行報告，案例中沒有給出測試方法或第三方驗證。 三、三個應用場景 第一個場景是照片轉影片廣告。Pollo 的營銷套件 Marketing Studio 中有"Photo to Video Ads"工具，它用 OpenAI 模型把一張靜態圖片和一段提示詞變成短影片，目標是幫助小企業和 DTC 品牌在幾分鐘而不是幾天內生成社交媒體產品廣告。案例中，一位使用者想用產品照片做一支有奢華感的香水廣告，靜態照片無法傳達這種氛圍，專業拍攝又超出預算。該使用者最終得到一支約 15 秒的影片：畫面裡有絲絨質感、暖色聚光燈和瓶身特寫，結尾是香水被置於深紅色織物前。
第二個場景是奢華品牌視覺。一家珠寶品牌想要一張大膽的雜誌風廣告圖，但預算撐不起高概念的影棚拍攝。藉助 Pollo Agent 和 GPT-Image-2.5，品牌把"模特坐在獵豹身旁佩戴醒目珠寶"的創意變成了現實。畫面以深色帷幔和暖光構圖，並確保珠寶產品清晰可見。按案例說法，品牌拿到了成品級的奢華視覺，相比實拍，製作投入、時間和成本都更低。 第三個場景是把產品圖變成奇幻世界。一家飲料品牌希望蜜桃汽水在廣告中顯得俏皮而有想象力，普通的影棚產品照做不到。團隊用 Pollo Agent 和 GPT-Image-2.5（案例稱其帶來更清晰的細節和更快的生成）把一張簡單的瓶子圖片，變成了一片雪地微縮景觀，裡面有火車、蜥蜴和閃亮的水珠。 四、對行業的意義 對開發者而言，這個案例展示了一種可複製的架構思路：用較輕的模型做路由，用較強的模型處理困難推理，再把圖像生成交給專用模型。這樣的分層既控制成本，也縮短延遲。對營銷團隊和小企業而言，價值在於製作門檻降低：不需要拍攝團隊，也能在短時間內得到可用於社交平臺的廣告素材。對平臺方而言，模板加智慧體的組合說明，可重複的格式與更少的試錯，比單純堆疊模型數量更有價值。
五、侷限與展望 讀者需要保持審慎。案例由 OpenAI 釋出，屬於客戶故事，所有資料和效果描述都來自公司自述。文中沒有公開廣告的轉化率、單條素材成本的具體數字或質量評測，因此"高轉化"這一說法暫時無法獨立核實。此外，AI 生成的廣告在品牌一致性、素材版權和真實性披露方面仍有行業層面的疑問，案例也未涉及。 展望未來，Pollo 希望在未來 12 個月內讓 AI 影片成為日常內容創作的一部分。Bill Zhu 認為，這取決於讓"把想法變成可直接釋出、測試或用於投放的素材"變得更容易。他的判斷是："內容創作領域的 AI 變革，會青睞那些從一開始就讓創作更可重複的產品：更強的格式、更少的試錯，以及圍繞模型本身的更簡單的工作流。"換句話說，下一階段的競爭重點，可能不再是誰的單個模型更強，而是誰能把多個模型編排成一條穩定、低摩擦的生產線。