Adobe MAX 每年最受关注的部分，往往不是已经上市的产品，而是「Sneaks」——那些还处在实验阶段、不一定会上线的技术原型。2026 年的这一批公布了四项，方向各不相同，但都指向同一个问题：生成式 AI 能不能不只是「一键出图」，而是介入创作的控制过程。
Project Screen Test：用对话做角色
传统做法是写提示词描述角色怎么说话、怎么表演，然后反复重生成，直到碰巧对味。Screen Test 换成另一种交互：像视频通话一样和角色对话。
流程是：先描述基本性格（比如焦虑、害羞、笨拙），设定声音（从预设里选、用文字描述、或上传一段音频样本作为参考），然后进入「试镜」——用户可以像 FaceTime 一样和这个角色聊，边聊边补全背景、目标、缺点、恐惧、习惯动作。角色设定完成后，再描述场景，生成一段动态试镜视频。
这个设计的关键在于「指导」而不是「抽卡」。AI 视频生成最大的短板是控制力：传统动画里每个细节都由创作者决定，生成模型给的是一堆概率。用对话迭代人设，本质上是把「控制」从参数面板搬到自然语言里。
官方也承认它目前是独立实验，不确定会不会并入现有的 AI 视频工具。
Project Sight Span：把照片变成可走进去的空间
第二项做的事更直观：把一张平面照片、绘画或插画，转成可以转动视角的 3D 空间。
技术上有两个难点。一是补全画面之外的内容——转动视角时，原来被拍摄者遮挡的背后区域、画面边缘之外的背景，都要由模型生成，而且要和原画面自然衔接。二是保持风格与身份一致性——插画要保住笔触，人像要保住面部特征与纹身这类细节，不能一转视角就换了个人。
体验上有个折中：在 3D 空间里浏览时，画面会显得像素化、细节不清；选定最终视角后，系统再恢复该视角的分辨率。这个做法很务实——实时生成高分辨率 3D 场景的算力成本太高，先给结构、后给画质，是可行的工程路径。
它与苹果此前的空间重构功能有相似之处，但调整幅度更大：不只是微调构图，而是可以彻底改变拍摄角度。代价是，大幅调整之后的作品，还叫不叫「照片」就成了一个问题。
Project Sound Bender：可视化的音效调配
第三项针对音频。用户上传一段视频，用文字描述想要的声音（官方举的例子是「冒着气泡的科幻炼金锅声音」），系统生成音效并与画面同步。
比较有意思的是交互设计：工具给出一个方形控制面板，四个角自动分配不同类型的生成声音——密集的咕噜声与气泡爆裂、岩石沸腾般的轰鸣、带音高变化的电子音、噼啪作响的电火花。用户在面板上拖动光标，就能调整各类声音的配比，像调色一样调音。
这个思路把「生成」变成了「导航」。文本提示词的缺点是难以微调——想改一点点，只能重写整句；而二维面板让调整变成连续动作，创作者的意图更容易被表达。
Project Rinse Repeat：让修图可复用
第四项最朴素，可能也最实用：把一处已完成的编辑，自动套用到同一张照片里的其他人物或物体上。
场景很常见：合影里给一个人磨皮、去痘、调肤色，花了不少时间，剩下五个人要重复五遍。Rinse Repeat 会分析已完成的修改，把类似处理迁移到其他对象上。商业图片里也一样——给一个产品加了阴影，其他产品要跟着加。
这项技术的难点不在生成，而在「判断哪些修改是意图、哪些是偶然」。磨皮是意图，背景里偶然变模糊的一小块不是。要做到可用，模型必须理解编辑的语义。
四项背后的共同方向
把这四项放在一起看，Adobe 的赌注很清楚：生成式 AI 的第一波是「从无到有」，第二波是「可控」。
Screen Test 控制的是角色表演，Sight Span 控制的是视角，Sound Bender 控制的是音色配比，Rinse Repeat 控制的是编辑的迁移。四项都不是「一键生成一个成品」，而是「让创作者在生成过程中保持决定权」。
这也解释了为什么它们都还在实验阶段。可控性越强的工具，交互设计越难，越需要长时间打磨。对专业创作者来说，这类工具比「一键出图」有价值得多——他们要的从来不是快，而是「能改成我想要的样子」。
对行业来说，值得关注的是 Adobe 的节奏：先做实验、看反馈、再决定产品化。这套流程在 Firefly 上已经跑过一遍，现在被复制到了更前沿的方向。