《現(xiàn)代電影技術(shù)》｜沈華清：生成式人工智能驅(qū)動(dòng)下的影視制作范式變革與技術(shù)前瞻

本文刊發(fā)于《現(xiàn)代電影技術(shù)》2025年第9期

專家點(diǎn)評(píng)

人工智能（AI）技術(shù)的快速發(fā)展與應(yīng)用正深刻改變影視內(nèi)容的制作流程，但相關(guān)技術(shù)和工具在可用性、可控性、創(chuàng)新性方面仍存在不足，制約了AI在影視創(chuàng)作生產(chǎn)中的深度應(yīng)用。《生成式人工智能驅(qū)動(dòng)下的影視制作范式變革與技術(shù)前瞻》一文立足于AI技術(shù)對(duì)傳統(tǒng)影視創(chuàng)作模式的重構(gòu)，系統(tǒng)剖析了生成式人工智能（GAI）技術(shù)在影視制作全流程應(yīng)用中的潛力與瓶頸，提出了一套面向未來(lái)的人機(jī)協(xié)作創(chuàng)作體系，為解決AI生成內(nèi)容與傳統(tǒng)影視后期制作流程脫節(jié)、數(shù)據(jù)無(wú)法雙向校驗(yàn)的問(wèn)題提供了系統(tǒng)性范式，對(duì)行業(yè)的技術(shù)升級(jí)與范式革新具有重要的前瞻指引價(jià)值。未來(lái)的GAI技術(shù)將進(jìn)一步向“動(dòng)態(tài)世界模擬”與“導(dǎo)演意圖推理”兩大方向深度演進(jìn)，不僅僅立足于生成孤立的視頻片段，而是可構(gòu)建一個(gè)可供導(dǎo)演在其中自由探索、實(shí)時(shí)拍攝，且符合物理規(guī)律的四維時(shí)空世界，徹底解決多鏡頭空間一致性難題。同時(shí)，未來(lái)AI將通過(guò)多模態(tài)交互學(xué)習(xí)導(dǎo)演個(gè)人風(fēng)格與創(chuàng)作意圖，從被動(dòng)的指令執(zhí)行者進(jìn)化為能動(dòng)地提出創(chuàng)造性方案的“AI副導(dǎo)演”。GAI不僅是創(chuàng)作生產(chǎn)工具，更是與創(chuàng)作者共生、能夠模擬敘事邏輯并涌現(xiàn)新創(chuàng)意的智能生命體，將引領(lǐng)影視創(chuàng)作進(jìn)入真正意義上的“人機(jī)共創(chuàng)”新紀(jì)元。

—— 丁友東

教授

上海大學(xué)上海電影學(xué)院黨委書(shū)記

上海電影特效工程技術(shù)研究中心副主任、博士生導(dǎo)師

作 者 簡(jiǎn) 介

沈華清

王文強(qiáng)

副教授，浙江大學(xué)藝術(shù)與考古學(xué)院設(shè)計(jì)藝術(shù)系副主任、碩士生導(dǎo)師，主要研究方向：數(shù)字藝術(shù)與動(dòng)畫(huà)。

【基金項(xiàng)目】國(guó)家自然科學(xué)基金企業(yè)創(chuàng)新發(fā)展聯(lián)合基金項(xiàng)目“云邊端協(xié)同框架下基于點(diǎn)云的三維感知建模與XR呈現(xiàn)的理論與方法”(U22B2034)。

摘要

隨著人工智能（AI）技術(shù)的快速演進(jìn)，其在圖像與視頻生成領(lǐng)域取得了顯著成就，并已滲透至影視及視頻內(nèi)容制作流程中。然而，由于相關(guān)技術(shù)在可控性、創(chuàng)新性等方面仍存在不足，AI技術(shù)在影視創(chuàng)作中的高層次、深度應(yīng)用仍面臨諸多挑戰(zhàn)。本文聚焦生成式AI驅(qū)動(dòng)下的影視創(chuàng)作范式變革與技術(shù)發(fā)展趨勢(shì)，基于當(dāng)前AI圖像與視頻生成的實(shí)際情況，深入分析開(kāi)源視頻模型的技術(shù)演進(jìn)，并從影視動(dòng)畫(huà)制作的技術(shù)難點(diǎn)切入，剖析當(dāng)前視頻生成AI工具存在的技術(shù)短板及藝術(shù)共創(chuàng)架構(gòu)的缺失，對(duì)未來(lái)商業(yè)影視創(chuàng)作系統(tǒng)的發(fā)展提出展望。研究表明，AI技術(shù)正推動(dòng)影視創(chuàng)作向更高效、更具創(chuàng)意的方向發(fā)展，為影視創(chuàng)作范式的變革與技術(shù)重構(gòu)提供了明確指引。

關(guān)鍵詞

生成式人工智能；開(kāi)源大模型；影視創(chuàng)作；范式變革；技術(shù)演進(jìn)

1引言

人工智能（AI）技術(shù)的突破性發(fā)展，正在重構(gòu)影視制作的技術(shù)生態(tài)。從早期基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的靜態(tài)圖像風(fēng)格遷移算法，到當(dāng)前依托Transformer架構(gòu)的視頻生成AI工具，如OpenAI的Sora、谷歌（Google）VEO3、即夢(mèng)AI與阿里云的通義萬(wàn)相等，生成式人工智能（Generative Artificial Intelligence, GAI）技術(shù)演進(jìn)呈現(xiàn)跨越式發(fā)展，不僅體現(xiàn)在生成內(nèi)容分辨率和畫(huà)面質(zhì)量的提升，更表現(xiàn)為創(chuàng)作維度的拓展。技術(shù)演進(jìn)不僅提升了內(nèi)容生產(chǎn)效率，極大降低制作門檻，拓展創(chuàng)作者表達(dá)的技術(shù)空間，更催生了人機(jī)協(xié)同的創(chuàng)作新范式，可能顛覆傳統(tǒng)影視創(chuàng)作流程，對(duì)影視產(chǎn)業(yè)的創(chuàng)新發(fā)展產(chǎn)生了深遠(yuǎn)影響。這種變革既體現(xiàn)在制作流程的數(shù)字化重構(gòu)，也表現(xiàn)為藝術(shù)創(chuàng)作主體性的技術(shù)延伸，標(biāo)志著影視工業(yè)進(jìn)入智能重塑的新紀(jì)元。本文旨在探討GAI技術(shù)在影視制作中的具體應(yīng)用，并結(jié)合影視動(dòng)畫(huà)創(chuàng)作的技術(shù)需求，揭示其潛力與局限，展望未來(lái)的發(fā)展趨勢(shì)與挑戰(zhàn)。

2GAI技術(shù)推動(dòng)影視制作工具技術(shù)升級(jí)

當(dāng)前，GAI技術(shù)已滲透至影視制作的全流程，涵蓋概念圖設(shè)計(jì)、分鏡繪制、場(chǎng)景生成、動(dòng)作捕捉、后期制作等關(guān)鍵環(huán)節(jié)，并已影響到傳統(tǒng)制作工具的技術(shù)發(fā)展與升級(jí)。

2.1 三維動(dòng)畫(huà)軟件的AI整合與優(yōu)化

近年來(lái)，AI技術(shù)逐步被吸收至主流三維建模與動(dòng)畫(huà)制作軟件，助推影視制作效率提升與表現(xiàn)力拓展。如，Blender和Cinema 4D等三維軟件引入了AI驅(qū)動(dòng)的建模輔助、材質(zhì)生成、圖像至模型轉(zhuǎn)換等功能，使創(chuàng)作者能更專注于創(chuàng)意表達(dá)而非繁瑣的建模過(guò)程[1]。Blender從3.0版本起開(kāi)始支持AI圖像生成插件，用戶可通過(guò)調(diào)用ComfyUI等應(yīng)用程序接口（API），將AI生成圖像快速轉(zhuǎn)化為三維模型基礎(chǔ)結(jié)構(gòu)[2]。Cinema 4D也推出了AI驅(qū)動(dòng)的材質(zhì)生成器，可根據(jù)文本或圖像自動(dòng)生成高質(zhì)量表面貼圖與光照參數(shù)，大幅縮短材質(zhì)設(shè)計(jì)周期[3]。

在角色建模與動(dòng)作生成方面， HyperMotion等AI工具可從單張圖像生成完整的三維角色動(dòng)作，結(jié)合骨骼綁定系統(tǒng)自動(dòng)完成關(guān)鍵幀設(shè)定[4]。通過(guò)深度學(xué)習(xí)算法，AI能夠生成精確的深度圖、姿態(tài)圖和基礎(chǔ)結(jié)構(gòu)模型，大幅縮短建模與動(dòng)畫(huà)制作周期。例如，DreamFusion和Luma AI的AI建模系統(tǒng)Genie可根據(jù)文本提示生成高質(zhì)量的三維模型，并支持導(dǎo)出為可編輯的OBJ或FBX格式，極大提升建模效率[5,6]。

2.2 實(shí)時(shí)渲染引擎和虛擬攝制流程與人工智能技術(shù)的融合

實(shí)時(shí)渲染引擎已從原來(lái)的游戲領(lǐng)域成功拓展為虛擬攝制（Virtual Production）的重要工具。尤其虛幻引擎5（UE 5）憑借其強(qiáng)大的實(shí)時(shí)渲染能力、虛擬幾何體（Nanite）和全局光照系統(tǒng)（Lumen），已成為虛擬攝制的首選工具[7]，能高效渲染高精度模型，結(jié)合AI生成的虛擬人物和環(huán)境，提升影視制作的視覺(jué)效果。UE 5通過(guò)自有插件和第三方工具支持GAI，包括可用于訓(xùn)練機(jī)器學(xué)習(xí)模型UnrealSynth工具，以及CityBLD、METAVANCE、ConvAI等創(chuàng)作工具，可用于地形、數(shù)字人及角色語(yǔ)音的生成。Unity與多家AI技術(shù)提供商合作，如Hugging Face、Keras等，支持導(dǎo)入第三方AI模型，并可通過(guò)開(kāi)放神經(jīng)網(wǎng)絡(luò)交換格式（Open Neural Network Exchange, ONNX）實(shí)現(xiàn)AI模型的跨平臺(tái)運(yùn)行，無(wú)需云基礎(chǔ)設(shè)施，可降低開(kāi)發(fā)成本。Unity還計(jì)劃整合ComfyUI流程，配合其6.0版本中新引入的高清渲染管線（HDRP）增強(qiáng)模塊，實(shí)現(xiàn)AI生成內(nèi)容的實(shí)時(shí)導(dǎo)入與編輯[8]。

不過(guò)，虛擬攝制流程可能面臨基于空間智能技術(shù)的世界模擬工具的激烈沖擊。2025年7月，騰訊推出騰訊混元 3D世界生成模型Hunyuan World 1.0，初步實(shí)現(xiàn)三維空間一致性，但其攝影機(jī)位移能力有限，更適用于風(fēng)格化游戲場(chǎng)景[9]；僅一個(gè)月后，谷歌AI發(fā)布Genie 3，進(jìn)一步推動(dòng)空間智能發(fā)展，引入具身智能與物理交互機(jī)制，將對(duì)作為快速世界工具的實(shí)時(shí)渲染引擎帶來(lái)一定沖擊。谷歌Gemini 2.5 Flash Image（又名Nano Banana）則是谷歌DeepMind新推出的多模態(tài)AI模型，其基于Gemini世界知識(shí)系統(tǒng)，整合了地理信息、建筑結(jié)構(gòu)、物理規(guī)律等數(shù)據(jù)，核心能力在于融合多源信息生成高精度圖像，并具備現(xiàn)實(shí)世界推理能力[10]。

相比而言，無(wú)論是傳統(tǒng)的三維軟件還是渲染引擎系統(tǒng)，其技術(shù)基礎(chǔ)和設(shè)計(jì)思維已難以滿足新時(shí)代創(chuàng)作效率的需求，存在學(xué)習(xí)門檻高、人力成本高、流程復(fù)雜等問(wèn)題[11]。因此，影視動(dòng)畫(huà)制作系統(tǒng)亟需從底層架構(gòu)進(jìn)行徹底革新。

3視頻生成技術(shù)進(jìn)展及應(yīng)用思路

當(dāng)前視頻生成技術(shù)的突破在一定程度上實(shí)現(xiàn)了類似“拍攝”幾個(gè)鏡頭的能力，但這僅僅是影視AI創(chuàng)作的初級(jí)階段。目前，已有不少企業(yè)和研究機(jī)構(gòu)在系統(tǒng)性探索AI輔助乃至主導(dǎo)電影創(chuàng)作的可能性。從整體趨勢(shì)來(lái)看，人工智能生成內(nèi)容（AIGC）在影視創(chuàng)作領(lǐng)域的應(yīng)用主要呈現(xiàn)兩種路徑：一是基于工業(yè)化思維的視頻生成端到端解決方案，二是基于智能體（Agent）架構(gòu)的協(xié)作式創(chuàng)作模式。

3.1 工業(yè)化路徑：視頻生成的端到端解決方案

視頻生成的端到端解決方案以標(biāo)準(zhǔn)化、流程化、高效性為核心，構(gòu)建了覆蓋角色生成、場(chǎng)景合成到剪輯輸出的AI影視工具矩陣，尤其適用于短視頻的商業(yè)傳播場(chǎng)景。以Sora、Vidu、即夢(mèng)AI、海螺AI、Runway、Consistent Character、Melies、Pollo AI等為代表的工具快速普及，標(biāo)志著AI影視制作技術(shù)在傳播領(lǐng)域的泛化趨勢(shì)，使廣大技術(shù)基礎(chǔ)較弱、對(duì)專業(yè)制作軟件操作不熟悉的創(chuàng)作者甚至業(yè)余愛(ài)好者也能依靠GAI便捷地實(shí)現(xiàn)自主創(chuàng)作。GAI已廣泛應(yīng)用于企業(yè)培訓(xùn)、產(chǎn)品演示、社交媒體營(yíng)銷、教育科普等場(chǎng)景，顯著拓展了影視技術(shù)的應(yīng)用邊界，推動(dòng)了視頻內(nèi)容的全民化與普及化[12]。

以上操作簡(jiǎn)單的AI工具基本以閉源模型為主，而閉源模型要求用戶將需求上傳至服務(wù)器計(jì)算，僅開(kāi)放基礎(chǔ)應(yīng)用程序接口（API）參數(shù)調(diào)節(jié)和有限官方插件，且禁止第三方插件集成。相反，開(kāi)源模型則全流程本地化，原始數(shù)據(jù)在本地計(jì)算，如通義萬(wàn)相、LTX?Video、Mochi、HunyuanVideo等支持ComfyUI等開(kāi)源工具整合[13]，可融合不同計(jì)算方式的技術(shù)優(yōu)點(diǎn)和算法。這無(wú)疑為影視制作系統(tǒng)的流程提供了更為靈活的解決方案。

3.2 智能體路徑：專業(yè)創(chuàng)作導(dǎo)向的協(xié)作架構(gòu)

AI智能體憑借自主感知、決策、執(zhí)行的核心能力，正加速融入產(chǎn)業(yè)核心領(lǐng)域。影視制作用智能體需具備更多影視制作專業(yè)能力，并可更好地理解并執(zhí)行人類指令，代表了以專業(yè)創(chuàng)作為導(dǎo)向的AI影視制作發(fā)展趨勢(shì)。由新加坡國(guó)立大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的MovieAgent是該路徑的典型代表，其采用多智能體協(xié)作架構(gòu)，突破了傳統(tǒng)AI工具只生成不理解的局限，通過(guò)敘事導(dǎo)演、沖突調(diào)度、場(chǎng)景合成、鏡頭規(guī)劃、剪輯代理這5個(gè)層級(jí)的協(xié)同機(jī)制，構(gòu)建了一個(gè)具備敘事邏輯推理能力的AI系統(tǒng)。其核心優(yōu)勢(shì)在于對(duì)故事合理性的建模，而非僅關(guān)注視覺(jué)資產(chǎn)的生成[14]。

MovieAgent系統(tǒng)支持多種生成模型，可通過(guò)ROICtrl、HunyuanVideo_I2V[15]等工具生成參考畫(huà)面，用于輔助導(dǎo)演在前期預(yù)演階段進(jìn)行劇本與鏡頭設(shè)計(jì)的驗(yàn)證，從而實(shí)現(xiàn)對(duì)敘事結(jié)構(gòu)與視覺(jué)表達(dá)的高效迭代，降低后期制作成本并提升創(chuàng)作效率。盡管MovieAgent尚不能完全替代人類導(dǎo)演進(jìn)行商業(yè)級(jí)影視創(chuàng)作，但其作為視覺(jué)預(yù)演（PreViz）加速工具的價(jià)值已初步顯現(xiàn)。其在高預(yù)算項(xiàng)目的前期開(kāi)發(fā)中具有顯著優(yōu)勢(shì)，尤其適用于復(fù)雜場(chǎng)景的鏡頭調(diào)度與敘事邏輯驗(yàn)證，從而提升整體制作效率與創(chuàng)作質(zhì)量。

然而，從當(dāng)前商業(yè)電影與動(dòng)畫(huà)電影的制作流程來(lái)看，AI系統(tǒng)仍處于輔助角色，尚未形成完整的人機(jī)共創(chuàng)閉環(huán)。因此，理解AI在影視創(chuàng)作中的演進(jìn)路徑，必須深入分析商業(yè)動(dòng)畫(huà)與電影制作的產(chǎn)業(yè)邏輯和技術(shù)需求，從而為未來(lái)AI技術(shù)的發(fā)展提供方向性指引。目前，該路徑仍處于理想化雛形階段，在影視動(dòng)畫(huà)成品的創(chuàng)作中仍面臨視頻生成技術(shù)體系支撐不足的挑戰(zhàn)。未來(lái)的發(fā)展方向應(yīng)聚焦于增強(qiáng)AI在敘事理解、角色行為建模、跨模態(tài)協(xié)同等方面的能力，推動(dòng)AI真正融入專業(yè)創(chuàng)作流程的核心環(huán)節(jié)。

4當(dāng)前GAI工具的局限性

4.1 真實(shí)人物和空間模擬能力不足

相比傳統(tǒng)非真人實(shí)拍CG動(dòng)畫(huà)制作流程需經(jīng)過(guò)分鏡設(shè)計(jì)、原畫(huà)繪制、中間幀動(dòng)畫(huà)制作、背景繪制、合成與后期處理等核心步驟，AI技術(shù)的引入徹底顛覆了這一范式，只需輸入提示詞（Prompt）和參考畫(huà)面，即可獲得生成視頻。

在視頻生成過(guò)程中，GAI技術(shù)目前主要用于真實(shí)環(huán)境和光照、鏡頭內(nèi)角色動(dòng)作和表情變化及攝影機(jī)運(yùn)動(dòng)等模擬。但當(dāng)前GAI工具往往難以維持畫(huà)面中空間結(jié)構(gòu)的一致性，如何確保同一場(chǎng)景下元素的位置、比例與相對(duì)大小的恒定性仍是當(dāng)下難點(diǎn)。空間邏輯的缺失不僅影響畫(huà)面的視覺(jué)美感，也削弱了動(dòng)畫(huà)敘事的連貫性。Wang等[16]提出CharaConsist方法專為擴(kuò)散Transformer（DiT）架構(gòu)設(shè)計(jì)，利用點(diǎn)追蹤和掩碼提取自動(dòng)感知關(guān)鍵特征，可有效應(yīng)對(duì)角色和場(chǎng)景生成過(guò)程中的畫(huà)面一致性挑戰(zhàn)，具備一定的細(xì)粒度優(yōu)化能力。

在角色動(dòng)畫(huà)生成方面，盡管傳統(tǒng)的語(yǔ)音驅(qū)動(dòng)面部動(dòng)畫(huà)技術(shù)已相對(duì)成熟，面向動(dòng)畫(huà)的風(fēng)格遷移技術(shù)也取得顯著進(jìn)展，但在角色面部和動(dòng)作夸張表達(dá)方面，以及角色動(dòng)作的物理合理性、作用力與反作用力的真實(shí)感及節(jié)奏感等方面，GAI技術(shù)仍存在較大提升空間。具體而言，在影視表演中，動(dòng)作節(jié)奏的變化是藝術(shù)表現(xiàn)的重要組成部分，角色從緩慢行走突然轉(zhuǎn)為奔跑的動(dòng)作節(jié)奏變化往往預(yù)示著劇情的轉(zhuǎn)折，這對(duì)AI工具的可控性提出了更高要求。當(dāng)前，AI視頻生成系統(tǒng)已引入如ControlNet等控制算法，以增強(qiáng)對(duì)生成內(nèi)容的可控性。然而，這類技術(shù)仍依賴于已有素材作為參考輸入，難以實(shí)現(xiàn)完全自由的動(dòng)作生成。尤其在不同比例、不同結(jié)構(gòu)的角色之間進(jìn)行動(dòng)作遷移時(shí)，如何保持動(dòng)作的一致性與結(jié)構(gòu)的科學(xué)性，仍是亟待解決的問(wèn)題。因此，當(dāng)前影視內(nèi)容AI生成需花費(fèi)大量時(shí)間開(kāi)展質(zhì)檢、人工調(diào)整等工作，人機(jī)協(xié)作過(guò)程中人的掌控性作用和中心地位至關(guān)重要。

4.2 GAI工具與傳統(tǒng)影視制作工具的流程整合性有待增強(qiáng)

當(dāng)前GAI工具和傳統(tǒng)影視制作軟件在流程整合度上依然不足。為提升視頻生成過(guò)程中的可控性，目前仍需借助傳統(tǒng)三維動(dòng)畫(huà)軟件生成草稿視頻作為參考，作為AI生成流程的輸入。這種混合流程雖在一定程度上提升了生成質(zhì)量，但也暴露出AI工具與傳統(tǒng)三維軟件之間整合度不足的問(wèn)題[17]。

除此之外，當(dāng)前的文本生成視頻或圖像生成視頻系統(tǒng)尚無(wú)法實(shí)現(xiàn)對(duì)運(yùn)動(dòng)路徑的精確控制。尤其在涉及多角色互動(dòng)的場(chǎng)景中，AI還需具備對(duì)角色間動(dòng)作節(jié)奏差異的調(diào)節(jié)能力。這種調(diào)節(jié)應(yīng)基于鏡頭時(shí)間線（通常不超過(guò)20 s）進(jìn)行精細(xì)控制，以確保角色動(dòng)作的協(xié)調(diào)性與戲劇表現(xiàn)力。在當(dāng)前技術(shù)條件下，高難度動(dòng)作仍需依賴傳統(tǒng)三維動(dòng)畫(huà)制作工具完成。例如，Cascadeur與iClone等專業(yè)軟件在動(dòng)作控制與預(yù)演計(jì)算方面表現(xiàn)出色，是當(dāng)前AI工具無(wú)法完全替代的[18,19]。因此當(dāng)前實(shí)現(xiàn)動(dòng)畫(huà)可控生成的有效路徑，是構(gòu)建多層級(jí)的視頻生成系統(tǒng)，即將動(dòng)畫(huà)的初步設(shè)計(jì)與規(guī)劃交由人工或傳統(tǒng)工具完成，而畫(huà)面融合與連貫性問(wèn)題交由AI處理。

5未來(lái)GAI技術(shù)演進(jìn)與應(yīng)用探討

5.1 人機(jī)協(xié)作從輔助生成向共同創(chuàng)作演進(jìn)

GAI對(duì)影視制作系統(tǒng)的重塑已形成不可逆轉(zhuǎn)的變革趨勢(shì)。目前，已有AI全棧式影視制作系統(tǒng)的雛形出現(xiàn)，從項(xiàng)目概念、腳本大綱、故事寫作，到影片生成、導(dǎo)出等流程，均可由AI完成。然而，這種一站式AI思路過(guò)于理想化，其線性結(jié)構(gòu)與人類創(chuàng)作的非線性本質(zhì)存在根本沖突。過(guò)度依賴線性流程生成的作品，難以體現(xiàn)藝術(shù)創(chuàng)作的復(fù)雜性與獨(dú)特性，最終可能淪為工業(yè)化標(biāo)準(zhǔn)產(chǎn)品，失去藝術(shù)價(jià)值。因此，AI影視生成系統(tǒng)的設(shè)計(jì)必須充分考慮人機(jī)共創(chuàng)機(jī)制，使AI成為輔助創(chuàng)作、激發(fā)創(chuàng)意的工具，而非替代創(chuàng)作的執(zhí)行者。

影視角色魅力的展現(xiàn)高度依賴于對(duì)白與行為表現(xiàn)，角色塑造的獨(dú)特性不僅是藝術(shù)家創(chuàng)作興趣的焦點(diǎn)，也是觀眾情感共鳴的關(guān)鍵。因此，GAI系統(tǒng)在生成角色時(shí)，不僅要關(guān)注其造型與動(dòng)作設(shè)計(jì)，更應(yīng)深入理解角色性格與行為邏輯，使其具備人格化的表達(dá)能力。只有當(dāng)AI生成流程能夠支持藝術(shù)家的思想植入與行為干預(yù)，才能真正實(shí)現(xiàn)人機(jī)共創(chuàng)的理想狀態(tài)。

具體而言，如何在故事創(chuàng)作、場(chǎng)景生成、故事板生成、動(dòng)畫(huà)生成與修改、自動(dòng)剪輯與修改等流程之間建立反饋關(guān)聯(lián)，是充分利用AI潛力、構(gòu)建人機(jī)共創(chuàng)體系、保留創(chuàng)作者藝術(shù)自由度的關(guān)鍵所在。唯有如此，AI才能真正賦能影視動(dòng)畫(huà)創(chuàng)作，成為藝術(shù)表達(dá)的新載體，而非工業(yè)化復(fù)制的加速器。

5.2 應(yīng)用GAI工具實(shí)現(xiàn)劇本生成和節(jié)奏把控

GAI在情節(jié)生成與故事結(jié)構(gòu)構(gòu)建中，應(yīng)結(jié)合可視化的情感曲線與反饋式檢測(cè)機(jī)制，實(shí)現(xiàn)對(duì)故事節(jié)奏、角色動(dòng)機(jī)與情感弧線的動(dòng)態(tài)調(diào)整。這不僅有助于提升GAI生成內(nèi)容的敘事一致性，也為人類創(chuàng)作者提供了可交互、可修改的共創(chuàng)路徑，使AI真正成為輔助創(chuàng)作的智能伙伴，而非單向輸出的自動(dòng)化工具。

5.2.1 基于情感曲線的劇本生成

佛蒙特大學(xué)伯靈頓分校計(jì)算故事實(shí)驗(yàn)室的Andrew J. Reagan及其團(tuán)隊(duì)通過(guò)對(duì)大量圖書(shū)的下載數(shù)據(jù)與情感曲線的分析，驗(yàn)證了作家?guī)鞝柼亍ゑT內(nèi)古特（Kurt Vonnegut）關(guān)于故事形態(tài)（Story Shapes）的理論假設(shè)[20,21]，認(rèn)為由上升型（如窮變富，主角情感一直為喜）、下降型 （如由富變窮，主角情感一直為悲）、陷入絕境然后成長(zhǎng) （降-升，主角情感先悲后喜）、伊卡洛斯式 （升-降，主角情感先喜后悲）、辛迪瑞拉式 （U型，主角情感先喜后悲再喜）、俄狄浦斯式 （降-升-降，主角情感先悲后喜，最后悲）這6種情感弧線構(gòu)成了故事創(chuàng)作的底層結(jié)構(gòu)模式。其中，上升型與辛德瑞拉式U型反轉(zhuǎn)故事往往有更高的下載量，這可能反映了人類對(duì)希望與救贖主題的心理偏好。

這些發(fā)現(xiàn)為傳統(tǒng)敘事理論提供了實(shí)證支持，也為AI劇本生成提供了可量化的結(jié)構(gòu)模型，使AI在情節(jié)生成過(guò)程中具備更符合人類情感預(yù)期的判斷依據(jù)[22]。基于情感曲線的劇本生成將成為未來(lái)電影劇本AI生成的主要突破口。

5.2.2 情節(jié)沖突智能化設(shè)置

在影視敘事中，觀眾通常從主角的視角理解故事，而推動(dòng)劇情發(fā)展的核心機(jī)制往往源于沖突，即主角在面對(duì)外部阻礙時(shí)的應(yīng)對(duì)與成長(zhǎng)，當(dāng)反派角色具備清晰的行為邏輯與內(nèi)在動(dòng)機(jī)時(shí)，正面角色的反擊與博弈才具有合理性[23]。反派與正面角色的交匯，往往發(fā)生在某一關(guān)鍵場(chǎng)景中，這種偶然交叉成為推動(dòng)劇情高潮的關(guān)鍵節(jié)點(diǎn)，角色交錯(cuò)時(shí)間線則是承載故事張力的核心所在。未來(lái)AI應(yīng)能理解并實(shí)現(xiàn)情節(jié)沖突的智能化設(shè)置。

5.2.3 對(duì)白生成和故事節(jié)奏的控制

影視敘事主要依賴兩種表達(dá)方式：畫(huà)面敘事與對(duì)白敘事，二者共同完成情節(jié)交代、人物表現(xiàn)和情感表達(dá)。在劇本中，對(duì)白敘事在時(shí)間序列上占據(jù)主導(dǎo)地位，角色需要說(shuō)完對(duì)白，畫(huà)面才能切換到下一個(gè)鏡頭序列。雖然鏡頭剪輯、場(chǎng)景切換等工作都在后期進(jìn)行，但劇本對(duì)白的生成及其從文本到語(yǔ)音的轉(zhuǎn)換決定了影片的主體時(shí)間結(jié)構(gòu)[24]、鏡頭時(shí)長(zhǎng)與節(jié)奏安排[25]。AI對(duì)白生成需在這一領(lǐng)域持續(xù)發(fā)展，使電影整體張弛有度，符合當(dāng)下及未來(lái)觀眾的接受習(xí)慣。

5.3 應(yīng)用空間智能技術(shù)實(shí)現(xiàn)場(chǎng)景和故事板生成

5.3.1 場(chǎng)景生成和優(yōu)化

在影視與動(dòng)畫(huà)制作中，GAI生成的場(chǎng)景不僅要具備視覺(jué)美感，還需滿足空間與物理的一致性要求。尤其在故事板構(gòu)建階段，GAI工具需能根據(jù)單張圖像生成多角度、多景別的背景畫(huà)面，并確保場(chǎng)景中元素的位置、比例、材質(zhì)和光影等維度協(xié)調(diào)統(tǒng)一。空間智能技術(shù)的推進(jìn)有助于實(shí)現(xiàn)生成內(nèi)容的三維空間一致性，但當(dāng)前由于視點(diǎn)或虛擬攝影機(jī)位移能力有限，更適用于風(fēng)格化游戲場(chǎng)景。未來(lái)的空間建模將不再局限于靜態(tài)圖像生成，而是實(shí)現(xiàn)圖像與幾何體之間的動(dòng)態(tài)轉(zhuǎn)換，根據(jù)虛擬攝影機(jī)距離自動(dòng)調(diào)整空間結(jié)構(gòu)，以形成更自然的視覺(jué)體驗(yàn)。將空間智能與視頻生成技術(shù)結(jié)合，是提升AI視頻真實(shí)感的關(guān)鍵路徑。未來(lái)在這一基礎(chǔ)上，配合智能光照優(yōu)化和攝影機(jī)運(yùn)動(dòng)規(guī)劃，將有望將虛擬場(chǎng)景與敘事有機(jī)結(jié)合。

5.3.2 故事板生成和智能分鏡

當(dāng)前GAI驅(qū)動(dòng)的故事板生成工具在圖像生成效率上表現(xiàn)突出，但畫(huà)面間常存在場(chǎng)景不統(tǒng)一、元素缺失或比例失調(diào)等問(wèn)題。尤其在連續(xù)鏡頭中，角色、物體與背景的空間關(guān)系往往無(wú)法保持一致，影響敘事邏輯。因此，故事板生成應(yīng)基于空間語(yǔ)義建模進(jìn)行構(gòu)建，確保每幀畫(huà)面繼承并維護(hù)前序畫(huà)面的空間信息。例如，角色在不同鏡頭中的比例、位置、光影等，均需進(jìn)行閉環(huán)校驗(yàn)與動(dòng)態(tài)優(yōu)化。當(dāng)前主流方法仍依賴三維軟件骨架結(jié)構(gòu)維持比例恒定，而空間智能技術(shù)則有望通過(guò)幾何理解能力，實(shí)現(xiàn)更高層次的空間一致性控制。此外，智能分鏡系統(tǒng)應(yīng)支持多視角、多景別生成，滿足藝術(shù)家對(duì)鏡頭語(yǔ)言的多樣選擇。目前多數(shù)AI系統(tǒng)僅依據(jù)文本生成單一鏡頭視角方案，缺乏靈活性。未來(lái)應(yīng)基于大數(shù)據(jù)訓(xùn)練，提供多個(gè)候選鏡頭供創(chuàng)作者選擇，提升鏡頭切換的藝術(shù)性與敘事邏輯性。同時(shí)，還需建立與故事文本的關(guān)聯(lián)結(jié)構(gòu)，使畫(huà)面修改能夠反饋至腳本更新記錄中。

5.4 基于符號(hào)指令實(shí)現(xiàn)GAI視頻鏡頭語(yǔ)言控制

GAI生成視頻中，角色動(dòng)作與攝影機(jī)運(yùn)動(dòng)的可控性仍是一大挑戰(zhàn)。當(dāng)前系統(tǒng)多為端到端生成，缺乏對(duì)已生成內(nèi)容的二次編輯能力，導(dǎo)致創(chuàng)作過(guò)程高度依賴“抽卡”式嘗試。與此同時(shí)，GAI工具依賴文本提示詞系統(tǒng)，語(yǔ)義模糊導(dǎo)致人機(jī)溝通效率低下，創(chuàng)作者所需的角色運(yùn)動(dòng)和攝影機(jī)運(yùn)動(dòng)方式無(wú)法正確傳達(dá)給GAI工具。因此，可進(jìn)一步探索導(dǎo)演指令對(duì)于GAI工具的有效傳達(dá)，將導(dǎo)演意圖轉(zhuǎn)化為可執(zhí)行的符號(hào)指令，從而提升生成準(zhǔn)確率與效率。

在進(jìn)行角色和攝影機(jī)運(yùn)動(dòng)控制時(shí)，建議采用基于三維簡(jiǎn)單模型的軌跡控制機(jī)制，先生成低精度的運(yùn)動(dòng)軌跡視頻與攝影機(jī)路徑，在此基礎(chǔ)上進(jìn)行細(xì)節(jié)補(bǔ)充與修改，從而在降低計(jì)算復(fù)雜度的同時(shí)，為創(chuàng)作者提供了更多交互控制機(jī)會(huì)。AI在角色運(yùn)動(dòng)控制過(guò)程中，需負(fù)責(zé)角色動(dòng)作的物理合理性、表情及姿態(tài)的協(xié)調(diào)性，并實(shí)現(xiàn)空間關(guān)系一致性的動(dòng)態(tài)維持?，而在攝影機(jī)運(yùn)動(dòng)控制過(guò)程中，需考慮鏡頭和剪輯的連貫性，避免發(fā)生空間關(guān)系錯(cuò)亂甚至不合理的越軸現(xiàn)象。

5.5 立足制作全流程的聯(lián)動(dòng)式剪輯和預(yù)覽

當(dāng)前GAI視頻生成技術(shù)尚未與傳統(tǒng)剪輯工具形成有效聯(lián)動(dòng)。現(xiàn)有剪輯軟件缺乏對(duì)AI生成內(nèi)容的多層次時(shí)間序列展示能力，也難以將生成結(jié)果與原始劇本進(jìn)行動(dòng)態(tài)對(duì)比與校驗(yàn)。因此，當(dāng)前亟需構(gòu)建一個(gè)劇本、分鏡、剪輯聯(lián)動(dòng)的制作生產(chǎn)流程，實(shí)現(xiàn)：（1）多層次時(shí)間軸展示，即按段落、鏡頭、動(dòng)作單元分層展示內(nèi)容；（2）劇本與分鏡雙向校驗(yàn)，即自動(dòng)比對(duì)生成內(nèi)容與原始劇本，檢測(cè)敘事邏輯一致性；（3）因果關(guān)系推演機(jī)制，即基于生成的視頻抽取關(guān)鍵幀形成分鏡，便于審核和優(yōu)化；（4）智能建議系統(tǒng)：根據(jù)時(shí)間長(zhǎng)度、鏡頭節(jié)奏、情感弧線等維度，提供剪輯優(yōu)化建議。

以上制作生產(chǎn)流程，將提升GAI在影視創(chuàng)作中的參與深度，使其不僅限用于內(nèi)容生成，還能參與流程優(yōu)化與反饋調(diào)整。

6結(jié)語(yǔ)

AI影視制作工具正經(jīng)歷從圖像生成向圖形控制和空間編輯的演進(jìn)過(guò)程。圖像處理系統(tǒng)擅長(zhǎng)呈現(xiàn)視覺(jué)感性內(nèi)容，而圖形處理系統(tǒng)則更適用于結(jié)構(gòu)建模與理性控制。融合二者優(yōu)勢(shì)的共創(chuàng)系統(tǒng)是未來(lái)發(fā)展方向，即藝術(shù)家主導(dǎo)創(chuàng)意判斷與藝術(shù)推敲，AI負(fù)責(zé)細(xì)節(jié)生成與視覺(jué)一致性保證。這一融合趨勢(shì)不僅要求AI具備空間建模、動(dòng)作控制、時(shí)間線編輯等核心技術(shù)能力，更需構(gòu)建一套完整的人機(jī)協(xié)作流程，實(shí)現(xiàn)從劇本創(chuàng)作到成片輸出的全流程閉環(huán)。AI將逐步從輔助工具升級(jí)為智能創(chuàng)作伙伴，推動(dòng)影視與動(dòng)畫(huà)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型與效率躍升。

當(dāng)前，GAI在三維建模與動(dòng)作控制領(lǐng)域已展現(xiàn)出巨大潛力，重構(gòu)創(chuàng)作模式、優(yōu)化技術(shù)流程，將成為動(dòng)畫(huà)與游戲制作邁向高效、直觀新階段的關(guān)鍵。未來(lái)的制作工具不應(yīng)僅在傳統(tǒng)架構(gòu)上疊加功能，而應(yīng)通過(guò)技術(shù)流程的精簡(jiǎn)與融合，提升創(chuàng)作效率與用戶體驗(yàn)。AI應(yīng)承擔(dān)基礎(chǔ)性、重復(fù)性的內(nèi)容生成任務(wù)，如模型構(gòu)建、紋理填充等，使創(chuàng)作者能專注于高價(jià)值的創(chuàng)意設(shè)計(jì)。同時(shí)，工具界面應(yīng)更加直觀、操作更簡(jiǎn)便，以降低操作門檻。AI算法需深度整合進(jìn)創(chuàng)作流程，提高自動(dòng)化水平。渲染引擎與三維軟件的界限將進(jìn)一步模糊，未來(lái)可能出現(xiàn)集實(shí)時(shí)渲染與影視動(dòng)畫(huà)創(chuàng)作于一體的綜合性平臺(tái)。這一變革不僅是技術(shù)的升級(jí)，更為影視的人機(jī)共創(chuàng)提供新范式。

參考文獻(xiàn)

（向下滑動(dòng)閱讀）

[1] YANG X, LIN G, ZHOU L. Single?View 3D Mesh Reconstruction for Seen and Unseen Categories [EB/OL]. (2023?06?03)[2025?08?12].https://arxiv.org/pdf/2208.02676.

[2] Blender MCP. AI?Powered 3D Design Assistant [EB/OL]. [2025?08?12]. https://blender-mcp.com/ai-assistant.html.

[3] 3DtoALL. AI Power For Cinema 4D[EB/OL]. [2025?08?12]. https://www. 3dtoall.com/aipower-c4d/.

[4] XU S, ZHENG S, WANG Z, et al. HyperMotion: DiT?Based Pose?Guided Human Image Animation of Complex Motions [EB/OL].（2025?05?29）[2025?08?12]. https://arxiv.org/pdf/2505.22977.

[5] BEN P, JAIN A, BARRON J T, et al. DreamFusion: Text?to?3D using 2D Diffusion[EB/OL].（2022?09?29）[2025?08?12]. https://arxiv.org/pdf/2209.14988.

[6] LUMA AI. LUMA AI [EB/OL]. [2025?08?12].https://lumalabs.ai/genie?view=create.

[7] Unreal Engine. Lumen Performance Guide[EB/OL]. [2025?08?12].https://dev.epicgames.com/documentation/en-us/unreal-engine/lumen-performance-guide-for-unreal-engine.

[8] Unity. Unity 6 現(xiàn)已發(fā)布[EB/OL]. (2024?10?17)[2025?08?12].https://unity.com/cn/blog/unity-6-features-announcement.

[9] Tencent Hunyuan. HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels[EB/OL].(2025?08?13)[2025?08?12] . https://arxiv.org/pdf/2507.21809.

[10] Google AI Studio.gemini?2.5?flash?image?preview[EB/OL].[2025?08?29].https://aistudio.google.com/.

[11] 楊江凱.中國(guó)動(dòng)漫市場(chǎng)總值與三維動(dòng)畫(huà)制作成本分析[EB/OL].(2025?05?27)[2025?08?12].https://baijiahao.baidu.com/s?id=1833264650718824343&wfr=spider&for=pc.

[12] 中國(guó)傳媒大學(xué)新媒體研究院.《2019?2020 中國(guó)企業(yè)視頻媒體中心行業(yè)發(fā)展》白皮書(shū)[EB/OL](2020?10?01)[2025?08?12].https://www.cuc.edu.cn/_upload/article/files/6f/77/4fd0869241b3983ac8fed5f47191/fde60ee3-4026-4a41-938c-d590 9da6b7b7.pdf.

[13] ComfyUI.workflow[EB/OL].[2025?08?12].https://comfyui.org/en/collections/workflow.

[14] WU W, ZHU Z, SHOU M Z. Automated Movie Generation via Multi?Agent CoT Planning [EB/OL].(2025?05?10)[2025?08?12]. https://arxiv.org/pdf/2503. 07314v1.

[15] 騰訊AI實(shí)驗(yàn)室. 混元視頻生成系統(tǒng)技術(shù)文檔 [EB/OL]. [2025?08?12]. https://hunyuan.tencent.com/video.

[16] WANG M, DING H, PENG J, et al. CharaConsist: Fine?Grained Consistent Character Generation[EB/OL].(2025?07?15)[2025?08?12]. https://arxiv.org/pdf/2507. 11533.

[17] CHEN Y, RAO A, JIANG X, et al. CinePreGen: Camera Controllable Video Previsualization via Engine?powered Diffusion[EB/OL].(2024?08?30)[2025?08?12]. https://arxiv.org/pdf/2408.17424.

[18] Cascadeur. Cascadeur[EB/OL].[2025?08?12].https://cascadeur.com/.

[19] Reallusion. iClone8[EB/OL].[2025?08?12].https://www.reallusion.com/iclone/.

[20] REAGAN A J, MITCHELL L, KILEY D, et al. The emotional arcs of stories are dominated by six basic shapes[EB/OL].(2016?11?04)[2025?08?12].https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-016-0093-1.

[21] Gotham Writers. Kurt Vonnegut: 8 Basics of Creative Writing[EB/OL].[2025?08?12].https://www.writingclasses.com/toolbox/tips-masters/kurt-vonnegut-8-basics-of-creative-writing.

[22] CAMPBELL, J.The Hero with a Thousand Faces[M]. New Jersey：Princeton University Press,1973.

[23] 克里斯托弗·沃格勒.作家之旅[M].王翀,譯.北京：電子工業(yè)出版社，2011.

[24] 大衛(wèi)·波德維爾，克里斯汀·湯普森.電影藝術(shù)（插圖第8版）[M].曾偉禎,譯.北京：世界圖書(shū)出版公司,2008.

[25] SALT B. Film Style and Technology: History and Analysis[M].Starword,2009.