9月底，印度娱乐科技公司Eloelo Group在FICCI FRAMES 2026上发布Dolphin AI，定位为一套面向端到端视频生产的智能体工作台。这款产品并非凭空诞生，它最初是为了解决Eloelo自家的产能问题：旗下短剧平台Story TV已经产出超过5000部原创剧集，团队每个月要测试超过10万个创意素材。在这样的产量下，制作流程里的每一个堵点都会被放大，Dolphin先在公司内部跑通，累计生成约4.8万个视频，随后才对外开放早期访问。
Eloelo创始人兼首席执行官Saurabh Pandey在演讲中把微短剧形容为娱乐行业的即时零售时刻。他的判断是，格式每变快一次，品类就会变大一次。按他的说法，微短剧目前是一个全球约150亿美元的品类，中国领先，美国紧随其后，而印度是增长最快的市场：微短剧应用在印度的下载量已经达到流媒体平台的六成到六成五，用户每天在这些应用上花费60到70分钟。
需求增长得比产能快，这是Dolphin诞生的直接原因。Story TV起步时以印地语内容为主，随后扩展到泰米尔语、泰卢固语、博杰普尔语、卡纳达语与马拉雅拉姆语，内容库超过5000部微短剧，用户突破1.2亿。Pandey提到，当观众每月需要200到250部新剧时，团队当时的产能只有约100部。AI被用来压缩制作成本与试错周期，如今月产量已经提升到250部。在他看来，AI还让混合形态成为可能，例如真人演出搭配AI生成的背景，也让年代剧这类高成本题材在微短剧的预算里变得可行。
Pandey点出了当前AI视频工具最普遍的短板：缺少上下文保持能力，很难做出超过8到10秒的连贯内容。具体表现是镜头一换，人物、服装、地点与道具就可能重置，观众会立刻出戏。这不是画质问题，而是模型缺少跨镜头的记忆与约束。
Dolphin AI针对这一点设计了多镜头规划与连续性系统，目标是在整部作品里保持角色、声音、服装、道具、地点与视觉语言的一致，让创作者把作品当作一个整体来推进，而不是一个镜头一个镜头地单独生成。这个思路与近期多家视频模型强调的多参考输入、关键帧控制方向一致，区别在于Dolphin把它放进了工作流层：模型负责画，工作流负责记住。对一部要出几十个镜头的短剧来说，这种差异直接决定成片能不能用，因为观众对同一张脸的记忆远比模型想象的牢固，一处漂移就足以让前面的铺垫失效。
产品形态上，Dolphin提供三种入口。面向普通创作者的是对话式生成，把一段简要需求变成成片；中间一层是模板，内置社交、教程等常见场景；面向专业团队的是工作台，提供镜头级控制与同一环境内的剪辑与增强。更进一步的是Film Studio，它把一份剧本转成结构化的多镜头制作方案：先读懂剧本的前提、基调、时序与角色弧光，再识别出角色、地点与道具，生成可复用的视觉、声音与服装资产，交给创作者审核并锁定。
把资产锁定这件事单独做出来，针对的是制作中的实际痛点。当同一个角色要出现在几十个镜头里，靠每一次提示词重新描述是极其脆弱的，任何一次措辞变化都可能让形象漂移。先定义资产、再反复调用，思路更接近传统影视的前期准备，也让一致性从模型能力问题变成流程管理问题。
Eloelo首席技术官Sagar Gaonkar给出的产品哲学值得留意。他认为生成式AI的迭代速度超过了任何围绕单一模型设计的产品，今天领先的视频模型明天可能被超越，不同模型也各有擅长的任务。因此未来的创意软件不该是在模型之间选一个赢家，而应该是一层能够理解创作者意图、拆解工作、为每个环节挑选合适模型，并在结果拼回来时保持连续性的系统。用他的话说，模型正在变成组件，创意系统才是产品。
这套定位落到工程上，就是Dolphin支持模型上下文协议，可以让Claude、ChatGPT、Gemini与Cursor这类兼容的AI客户端调用它的图像、视频与声音能力，也能与n8n等工作流工具配合。对企业客户来说，这种做法的好处是不必把生产线绑在某一家模型供应商上，可以根据任务切换。代价是这一层必须持续跟进各家模型的接口变化，维护成本不低。需要正视的是，Adobe、Runway与Pika等公司也在频繁更新视频自动化功能，留给创业公司的差异化空间需要靠具体场景来证明。
Dolphin瞄准的不只是印度市场。Pandey提出，AI视频可能让娱乐成为印度下一个重要出口品类，就像上世纪九十年代的IT服务一样。支撑这个判断的是规模：印度创意经济约占GDP的2.5%，创作者群体估计有8000万人，语言与文化的多样性本身就是内容出口的素材库。如果制作成本与复杂度被压低，小团队和个人创作者就有机会为海外受众生产内容，而不是只做本土市场。
风险同样清晰。版权与数据隐私的监管还在演进，AI生成内容在专业场景里的合规边界并不稳固；平台依赖第三方模型意味着议价能力有限；而从工具走向被全球工作室与广告主采用，需要的不只是产品能力，还有销售与支持体系。目前Dolphin AI已经开放早期访问，创作者可以通过官网排队或使用邀请码进入。对国内团队来说，这条路径提供了一个参照：与其再做一个通用视频生成模型，不如把某个高产量垂直场景里的流程沉淀成系统，用工作流的确定性去对冲模型的不确定性。