本文刊發(fā)于《現(xiàn)代電影技術》2025年第5期

專家點評

中國創(chuàng)新影像大賽作為引領影像創(chuàng)作技術變革的創(chuàng)新平臺，自創(chuàng)辦以來一直聚焦“技術驅(qū)動藝術”的核心理念，成為展示前沿技術應用與多維藝術表達的重要舞臺。參賽作品類型從AI生成、虛擬影像到沉浸式體驗，充分彰顯了大賽對多元化創(chuàng)作生態(tài)的推動力。人工智能生成內(nèi)容（AIGC）已經(jīng)成為重構(gòu)影像創(chuàng)作范式的核心驅(qū)動力，其技術應用已從工具革新邁向全流程范式轉(zhuǎn)移。《樹苗的蛻變》作為中國創(chuàng)新影像大賽一等獎作品，通過AIGC技術實現(xiàn)生態(tài)主題的視覺敘事，體現(xiàn)了科學技術與人文關懷的協(xié)同創(chuàng)新，成為AIGC賦能影像創(chuàng)作的標桿案例，以及創(chuàng)新大賽“發(fā)掘新質(zhì)生產(chǎn)力”目標的典型實踐。《AIGC短片數(shù)智聯(lián)創(chuàng)工作流探析——以創(chuàng)新影像〈樹苗的蛻變〉為例》一文，以扎實的案例分析與跨學科視角，為行業(yè)從業(yè)者與研究者提供了兼具實用價值與理論深度的參考，值得作為AIGC影像創(chuàng)作的范式指南認真研讀。文章以《樹苗的蛻變》這一創(chuàng)新影像為切入點極具代表性，通過對于這一典型案例的數(shù)智聯(lián)創(chuàng)工作流分析，層層遞進，讓讀者能循序漸進地理解復雜內(nèi)容。在作品的前期策劃中，生成式AI輔助劇本分鏡與場景設計；中期制作通過LoRA模型優(yōu)化視覺風格，結(jié)合深度學習算法實現(xiàn)動態(tài)渲染；后期則利用AI批量生成特效素材，顯著提升效率并降低成本。這種“數(shù)智聯(lián)創(chuàng)”模式打破了數(shù)字影像制作的傳統(tǒng)流程，使創(chuàng)作者能夠更聚焦于創(chuàng)意表達而非技術限制，文中對工作流各環(huán)節(jié)的拆解細致入微，結(jié)合具體操作步驟和技術原理，使理論知識變得通俗易懂，增強了文章的可讀性和實用性。中國創(chuàng)新影像大賽呼吁更多的參賽佳作，同時希望能有更多這樣對于作品創(chuàng)制實踐的總結(jié)與分析。

——韓強

正高級工程師

中國電影電視技術學會秘書長

作 者 簡 介

葉思成

北京廣播電視臺二級錄音師、編輯，中國傳媒大學音樂與錄音藝術學院碩士生導師（校外導師），主要研究方向：廣播影視創(chuàng)作生產(chǎn)（智能生產(chǎn)）、媒介聲音研究。

中國傳媒大學音樂與錄音藝術學院教授、碩士生導師、博導組成員，主要研究方向：聲音科學與藝術、數(shù)字媒體與數(shù)字人文。

袁邈桐

金恬田

浙江華策影視股份有限公司AIGC應用研究院編導，主要研究方向：人工智能媒介內(nèi)容生產(chǎn)研究。

摘要

為探究基于人工智能生成內(nèi)容（AIGC）技術的“人工智能+視聽”影視內(nèi)容生產(chǎn)機制，本文以創(chuàng)新影像《樹苗的蛻變》為例，系統(tǒng)解析數(shù)智聯(lián)創(chuàng)工作流模式在AIGC短片創(chuàng)作中的應用路徑。該工作流基于人機協(xié)同理念，構(gòu)建“創(chuàng)意策劃—智能生產(chǎn)—數(shù)字制作”三模塊全鏈路解決方案，通過AI技術實現(xiàn)視聽素材的自動化生成與風格化處理。案例分析表明，AIGC短片通過“智作+制作”協(xié)同模式，驗證了數(shù)智聯(lián)創(chuàng)工作流在提升創(chuàng)作效率、統(tǒng)一風格質(zhì)量及拓展藝術表現(xiàn)力等方面的實踐價值。本研究亦為AIGC技術驅(qū)動下影視創(chuàng)作的流程優(yōu)化與范式革新提供了理論參考與實證支持。

關鍵詞

AIGC；數(shù)智聯(lián)創(chuàng)；工作流；人機協(xié)同；視聽創(chuàng)作

1引言：新質(zhì)生產(chǎn)力賦能創(chuàng)新影像創(chuàng)作實踐

生產(chǎn)力的提升作為人類改造世界能動力增強的一個重要方面，預示著人類改造世界的力量正得以強化。高質(zhì)量發(fā)展背景下，影視內(nèi)容供給側(cè)正以大力發(fā)展新質(zhì)生產(chǎn)力為契機，把握以人工智能（AI）為代表的新興技術帶來的重要機遇，積極試水影像質(zhì)態(tài)創(chuàng)新與內(nèi)容生產(chǎn)機制變革，相繼生產(chǎn)了一大批佳作。2025年《政府工作報告》提出，持續(xù)推進“人工智能+”行動[1]。本文將圍繞新時代影視生產(chǎn)議題，探究當前人工智能生成內(nèi)容（AIGC）助力視聽內(nèi)容制作融合創(chuàng)新范式，結(jié)合數(shù)智聯(lián)創(chuàng)工作流導引，探究如何更新視聽創(chuàng)作樣態(tài)、創(chuàng)新制作方法，總結(jié)并提煉出具有實踐指導意義的經(jīng)驗范式，進而助推新時代影視行業(yè)創(chuàng)新發(fā)展。

2研究背景：“人工智能+視聽”創(chuàng)作范式的興起

近年來，AIGC技術發(fā)展突飛猛進，不斷影響著傳媒生態(tài)并重塑媒體生產(chǎn)格局。以“人工智能+視聽”為代表的創(chuàng)新影像，正引發(fā)行業(yè)內(nèi)外的廣泛關注。2021年11月，國家電影局印發(fā)《“十四五”中國電影發(fā)展規(guī)劃》指出，“充分應用傳統(tǒng)攝制、虛擬攝制、云端制作、智能制作以及計算機動畫等多元化電影攝制技術手段，推動建立電影創(chuàng)作、內(nèi)容和數(shù)據(jù)共享技術體系”[2]。同年10月，《廣播電視和網(wǎng)絡視聽“十四五”發(fā)展規(guī)劃》亦指出，積極推動運用人工智能等技術，創(chuàng)新內(nèi)容選題、素材集成、需求組合、創(chuàng)作生產(chǎn)等，發(fā)掘創(chuàng)意空間，深耕內(nèi)容制作，創(chuàng)新節(jié)目形態(tài)，讓個性化定制、精準化生產(chǎn)更好為提升作品質(zhì)量、滿足人民需求服務[3]。2023年12月，工業(yè)和信息化部等七部門聯(lián)合印發(fā)了《關于加快推進視聽電子產(chǎn)業(yè)高質(zhì)量發(fā)展的指導意見》，提出“促進視聽技術、產(chǎn)品與應用場景融合創(chuàng)新，加快與新技術融合發(fā)展”?，明確推動產(chǎn)業(yè)“向高端化、智能化、綠色化發(fā)展”?，同時鼓勵“推動生成式人工智能賦能智慧生活視聽場景，優(yōu)化家庭影音、互動游戲、健康養(yǎng)老和生活服務等體驗” ，為AIGC在音視頻生產(chǎn)中的場景化應用以及創(chuàng)新驅(qū)動影視工業(yè)范式升級?提供了宏觀政策支持?[4]。2024年7月發(fā)布的《北京市推動“人工智能+”行動計劃（2024—2025年）》具體指出，廣電傳媒行業(yè)要“利用大模型創(chuàng)作能力，集成文本創(chuàng)作、視頻生成、影視特效處理等功能，加速AIGC創(chuàng)作豐富內(nèi)容，在影視領域形成一批新型工具和創(chuàng)新成果，豐富影視作品創(chuàng)意，提高創(chuàng)作效率和質(zhì)量”[5]。

面對AI發(fā)展浪潮，以主流媒體為代表的影視制作機構(gòu)在智能技術應用和創(chuàng)新傳播方向上不斷追求“向前一步”，包括中央廣播電視總臺、北京廣播電視臺、上海廣播電視臺等廣播影視制作機構(gòu)陸續(xù)啟動AI實驗室建設[6—8]，各類型AIGC作品在短時間內(nèi)呈現(xiàn)出迅猛發(fā)展態(tài)勢。北京廣播電視臺抓住AI發(fā)展重要機遇，以AIGC技術研發(fā)與創(chuàng)新制作為抓手發(fā)展新質(zhì)生產(chǎn)力，積極試水節(jié)目質(zhì)態(tài)創(chuàng)新與內(nèi)容生產(chǎn)機制變革，推出了一批創(chuàng)新影像佳作。2024年起，北京廣播電視臺開啟AIGC內(nèi)容生產(chǎn)相關研發(fā)工作，聚焦AIGC短片等體裁，探索媒介內(nèi)容創(chuàng)作新形式，發(fā)掘媒體融合創(chuàng)新新樣態(tài)，開辟創(chuàng)新影像生產(chǎn)新模式。

面對AI內(nèi)容創(chuàng)作發(fā)展現(xiàn)狀，當務之急是要著手探究智能視聽內(nèi)容創(chuàng)作生產(chǎn)過程中的規(guī)律性特點，探尋AIGC技術與影視內(nèi)容生產(chǎn)耦合機制，進而對影視創(chuàng)作提質(zhì)、傳播增效等舉措提出實用、有效的策略，助力推動影視行業(yè)在內(nèi)容生產(chǎn)及數(shù)智影視傳播上取得良好效果。與此同時，如雨后春筍般的AIGC視聽內(nèi)容正悄然影響著億萬大眾的欣賞習慣，通過對主流傳媒機構(gòu)及其所作的案例作品開展分析研究，不僅可深化對新質(zhì)內(nèi)容生產(chǎn)過程中運作機制的理解認知，而且透過管窺典型創(chuàng)作案例還可進一步揭示其智能化生產(chǎn)過程中蘊含的規(guī)律性特點，從而為新樣態(tài)內(nèi)容研發(fā)與創(chuàng)作工作等提供參考指引。

3數(shù)智聯(lián)創(chuàng)：一種對AIGC影視內(nèi)容創(chuàng)作生產(chǎn)工作流模式的探索

AI與數(shù)字技術的深度融合悄然影響著影視內(nèi)容生產(chǎn)的流程與效率，結(jié)合筆者創(chuàng)作實踐，本文提出一種新型創(chuàng)作模式——數(shù)智聯(lián)創(chuàng)工作流。數(shù)智聯(lián)創(chuàng)的底層邏輯是人機協(xié)同，即通過人類創(chuàng)意驅(qū)動AI實現(xiàn)意圖耦合，進而由AI將抽象創(chuàng)意轉(zhuǎn)化為具象內(nèi)容。概念上，工作流（Workflow）是一個業(yè)務過程的全部或部分自動執(zhí)行?[9]。其整體是一個數(shù)字化的故事講述，以AI和人類協(xié)同的形式完成“文本-圖像-動畫-聲音”的視聽多模態(tài)敘事目標[10]。工作流模式在智能生產(chǎn)中具有流程標準化、結(jié)果可預測和穩(wěn)定性高等優(yōu)勢。數(shù)智聯(lián)創(chuàng)工作流（圖1）以創(chuàng)意策劃、智能生產(chǎn)和數(shù)字制作三個主要工藝模塊為基礎，構(gòu)建了從創(chuàng)意構(gòu)思到最終視聽作品交付的全鏈路數(shù)智化解決方案。該流程具備以新質(zhì)技術賦能創(chuàng)意、以AI驅(qū)動生產(chǎn)要素的重要優(yōu)勢，緩解了創(chuàng)作成本投入過高等客觀阻礙，顯著提升了內(nèi)容生產(chǎn)效率并基本確保了生產(chǎn)質(zhì)量的穩(wěn)定性，一定程度上適用于視聽創(chuàng)作領域。

圖1　數(shù)智聯(lián)創(chuàng)工作流路徑圖

3.1 創(chuàng)意策劃域

創(chuàng)意策劃域是工作流的起點，承擔從無到有的創(chuàng)意孵化與敘事框架搭建。其核心任務包括構(gòu)建故事內(nèi)核、梳理敘事線索、制作分鏡頭腳本、設計視覺表達框架等，為后續(xù)的數(shù)智生產(chǎn)環(huán)節(jié)提供明確的目標大綱。以基于語音敘事的故事文本為例，講故事的方式依托獨白敘事展開，隨即對應設計可執(zhí)行的分鏡頭腳本。而后分鏡頭腳本方案則對照故事大綱（獨白邏輯），將故事敘述拆解為具體的鏡頭語言，包括場景構(gòu)圖、角色動作、鏡頭運動等要素；同時，分鏡頭腳本需設計符合敘事邏輯的鏡頭序列，明確每個鏡頭的時長、景別及轉(zhuǎn)場邏輯，形成可視化藍本，進而為后續(xù)生產(chǎn)智能影像與聲音素材提供邏輯支撐。

3.2 智能生產(chǎn)域

2025年3月，《〈關于促進虛擬現(xiàn)實電影有序發(fā)展的通知〉政策問答》指出，“虛擬現(xiàn)實是近年來高新技術發(fā)展的重要前沿方向，隨著人工智能和虛擬現(xiàn)實技術的發(fā)展，其極強的臨場感、沉浸感，為觀眾提供了嶄新的視聽體驗，部分作品已經(jīng)在市場上引起了強烈的反響”?[11]。通過AIGC技術，智能生產(chǎn)域?qū)崿F(xiàn)影像素材與聲音素材的自動化生成，解決傳統(tǒng)生產(chǎn)流程中人力成本高、迭代周期長等痛點，實現(xiàn)AI驅(qū)動下視聽素材規(guī)?；a(chǎn)及內(nèi)容風格化處理等目標。該模塊分為影像素材與聲音素材兩條生產(chǎn)線，二者通過統(tǒng)一的工作流相互協(xié)調(diào)實現(xiàn)協(xié)同工作。

3.2.1 影像素材生產(chǎn)

一方面，近年來AI技術在分鏡頭腳本與場景概念圖生成方面的應用發(fā)展迅速，以文生圖（Text?to?Image，T2I）模型為代表，其基于Transformer、生成式對抗網(wǎng)絡（GAN）和卷積神經(jīng)網(wǎng)絡（CNN）等關鍵技術，可根據(jù)劇本內(nèi)容自動生成分鏡頭腳本，還能根據(jù)場景描述生成符合劇本情境的概念圖，展示不同光線、色調(diào)和環(huán)境下的場景氛圍，提供直觀的視覺感受[12]。另一方面，以T2I技術為基礎，并進一步結(jié)合經(jīng)特定風格數(shù)據(jù)集預訓練的LoRA模型與動畫生成算法，快速產(chǎn)出符合分鏡頭需求的高分辨率圖像?；静襟E如下：

（1）提示詞（Prompt）的生成與優(yōu)化及初步圖像（一創(chuàng)圖像）生成?；趧?chuàng)意策劃腳本，生成用于AI影像制作的提示詞；同時，可進一步利用大語言模型（LLM）作為AI提示詞優(yōu)化工具，通過對比學習框架優(yōu)化語義匹配度，完成提示詞迭代，提升畫面構(gòu)圖的可控性與后續(xù)制作效率。（2）風格化LoRA模型渲染。利用預訓練的LoRA模型基于文生圖對圖像進行渲染，轉(zhuǎn)繪為具有統(tǒng)一視覺風格的風格化圖像（二創(chuàng)圖像）。LoRA作為一種輕量化模型微調(diào)技術，能將特定藝術風格高效地嵌入基礎生成模型。例如，通過在預訓練模型的權重上添加低秩矩陣，以實現(xiàn)特定風格的低成本遷移；同時，如大批量一創(chuàng)圖像采用同一類型LoRA進行技術渲染，可基本確保渲染后的二創(chuàng)圖像素材的風格統(tǒng)一性與穩(wěn)定性。另外，在圖片素材生成階段，創(chuàng)作者可通過AI交互界面實時調(diào)整提示詞及渲染參數(shù)，直至輸出滿意結(jié)果。（3）采用圖生視頻（Image?to?Video, I2V）技術，結(jié)合提示詞實現(xiàn)圖像到動態(tài)影像的轉(zhuǎn)換。特別是靜態(tài)生成的二創(chuàng)圖像需通過首尾幀補間處理轉(zhuǎn)化為動態(tài)影像，由AI視頻生產(chǎn)平臺通過智能分析挖掘首尾幀的關鍵幀數(shù)據(jù)，自動生成中間過渡幀。例如，若分鏡要求展示“鏡頭從全景場面推進至場景中的某一人物的特寫”，系統(tǒng)將計算鏡頭運動軌跡，確保生成內(nèi)容與指定關鍵幀無縫對接，生成順暢的縮放與平移運動鏡頭。

3.2.2 聲音素材生產(chǎn)

聚焦文生語音（Text?to?Speech, TTS），通過深度學習（DL）模型（基于對人聲開展數(shù)據(jù)采樣并訓練通用語音模型）實現(xiàn)文本到語音的高質(zhì)量轉(zhuǎn)換?；赥TS的語音合成技術采用端到端的語音合成模型，將獨白解說詞轉(zhuǎn)化為自然流暢的語音。即創(chuàng)作者將文本輸入至語音合成引擎，生成角色人物對話或獨白等音頻素材；同時，大多數(shù)AI音頻生產(chǎn)平臺均支持多語言及情感化語音輸出，在一定限度范圍內(nèi)創(chuàng)作者可通過調(diào)節(jié)參數(shù)（如語速、音調(diào)、情感強度）控制人聲的表現(xiàn)力，以實現(xiàn)高度擬人化的語音輸出。除語音智能生成外，智能音效、音樂正廣泛試驗于影視前沿生產(chǎn)中，基于對語音內(nèi)容的語義及情感標簽的分析，AI音效合成平臺從音效數(shù)據(jù)庫中自動匹配環(huán)境聲、動效、音樂等聲音素材。例如，當故事線涉及“雷雨夜”描述時，系統(tǒng)將優(yōu)先加載雨聲、雷鳴與低沉的環(huán)境音效，并通過動態(tài)混音算法自主調(diào)整動態(tài)平衡，與此同時相關AI音效合成平臺亦為人工干預保留了調(diào)節(jié)空間。

此外，伴隨TTS技術的持續(xù)迭代升級，近年來語音克隆技術在算法精度與應用廣度層面實現(xiàn)突破性進展。該技術依托神經(jīng)網(wǎng)絡對目標語音樣本進行特征解構(gòu)與模式識別，通過多維度聲學建模實現(xiàn)說話人音色、韻律及停頓模式、情感表達等方面的精準復現(xiàn)。在當前的實際應用中，語音克隆技術輔助人聲標準化生產(chǎn)，已呈現(xiàn)出較高的生產(chǎn)效率與不俗的表現(xiàn)能力。

3.3 數(shù)字制作域

該階段聚焦于將智能生產(chǎn)的多模態(tài)素材進行視聽資料整合與后期處理。影像數(shù)字制作方面，在結(jié)束智能生產(chǎn)域的各項工作流程后，針對影像素材的數(shù)字剪輯制作工作仍遵循了數(shù)字影視制作操作規(guī)范，即這一過程參照分鏡頭腳本、導演剪輯邏輯線索和敘事方式展開制作，從而更精準地表達主創(chuàng)意圖并盡可能多地傳達導演的設計意圖。聲音數(shù)字制作方面，為確保影視作品的藝術性，主創(chuàng)團隊沿襲傳統(tǒng)數(shù)字音頻后期制作工藝，通篇精細化的音響設計為動態(tài)畫面注入活力；同時，AIGC影視作品在符合故事情景的基礎上可采用文生音樂方式生成音樂素材，然而從當前創(chuàng)作實際來看，采用基于電子音樂制作工藝的原創(chuàng)音樂仍然是最能貼切、完整、準確地表達主創(chuàng)意圖的創(chuàng)作方式。

4短片《樹苗的蛻變》對數(shù)智聯(lián)創(chuàng)工作流的應用

中國電影電視技術學會首屆中國創(chuàng)新影像大賽專業(yè)組AIGC賽道一等獎作品《樹苗的蛻變》[13]系北京廣播電視臺“節(jié)約”IP系列短片三部曲之一。《樹苗的蛻變》采用微短劇式劇作構(gòu)思進行故事設計，短片以樹（紙張）的視角，講述了樹苗從生長到化身為紙，再到呼吁人類節(jié)約用紙、保護生態(tài)的故事，較為深刻地傳達了環(huán)保理念與生態(tài)責任的重要主題；同時，該短片通過樹苗的自述，巧妙地將樹木的生命歷程與人類文明的發(fā)展進程緊密聯(lián)系在一起，既體現(xiàn)了樹木自身在自然環(huán)境下的生生不息與生命頑強的景象，又深刻反思了人類活動對自然資源的過度索取及其可能帶來的生態(tài)危機問題。短片體現(xiàn)了強烈的社會責任感和人文關懷，較為深刻地闡述了人與自然和諧共生的深刻理念[14]。

4.1 《樹苗的蛻變》的數(shù)智聯(lián)創(chuàng)工作流

作為AIGC視聽制作技術在影視短片生產(chǎn)中的一次成功實踐，《樹苗的蛻變》在工作流設計上，采取了基于語音文本為藍本設計視聽分鏡頭腳本，即以獨白所述的故事線索與講述的節(jié)奏為參照，按分鏡頭腳本逐一開展AIGC分鏡頭畫面生產(chǎn)（表1），進而開展視聽內(nèi)容智能生產(chǎn)。具體而言，系以數(shù)智聯(lián)創(chuàng)工作流模式開展工作，針對視覺素材與人聲素材開展全流程AI視音頻內(nèi)容素材生成，而后對智能生成素材進行數(shù)字剪輯制作，有效形成了一套面向AIGC短片的多模態(tài)數(shù)智生產(chǎn)范式。

表1　《樹苗的蛻變》部分視聽分鏡頭腳本綱要

在創(chuàng)意策劃域，《樹苗的蛻變》以樹苗的蛻變歷程作為故事主線，揭示了樹木蛻變?yōu)榧埖谋澈笏冻龅纳鷳B(tài)代價，進而提出節(jié)約用紙、珍惜樹木的緊迫性，呼吁社會要對綠色發(fā)展、可持續(xù)發(fā)展問題加以重視。在講故事的方式上，短片以樹苗（紙張）為第一視角開展敘事，通過角色代入（擬人化）及平順的角色蛻變轉(zhuǎn)換等處理方式，有效拉近了短片與觀眾的心理距離。這種敘事手法不僅可搭建起角色與受眾的情感通道，更通過具象化的成長軌跡折射普世情懷，實現(xiàn)故事內(nèi)核與呈現(xiàn)形式上的雙重共鳴，從而達成更深層次的傳播效果。

對于影像素材智能生產(chǎn)（圖2），《樹苗的蛻變》綜合利用Midjourney、Runway、Luma、可靈AI等國內(nèi)外智能技術平臺完成畫面生產(chǎn)，依托文生圖、圖生視頻（結(jié)合提示詞）等AI技術制作路徑渲染、生成視頻素材，而后開展畫面數(shù)字剪輯。另外面對AI影像生產(chǎn)，創(chuàng)作者一是要做好工作流“規(guī)劃者”，二是要做好AI生產(chǎn)平臺“訓練者”，三是要做好AI素材成果“把關人”，具體工作流分為以下三個環(huán)節(jié)：

圖2　《樹苗的蛻變》影像素材智能生產(chǎn)路徑細分圖

（1）基礎圖像生成環(huán)節(jié)。該短片主要基于Midjourney平臺，通過輸入提示詞生成動畫風格關鍵幀，以快速構(gòu)建場景基礎視覺框架，從而確定構(gòu)圖、色彩和光影等關系。

（2）風格化渲染環(huán)節(jié)。該短片基于粘土風格LoRA模型工具開展進一步的二創(chuàng)圖像生成工作（圖3），為影像增加粘土材質(zhì)的顆粒感、強化手工制作的質(zhì)感、優(yōu)化光影層次表現(xiàn)。

圖3　《樹苗的蛻變》基于粘土風格LoRA渲染生成二創(chuàng)圖像效果圖

在技術原理上，《樹苗的蛻變》選擇數(shù)智聯(lián)創(chuàng)工作流模式的核心優(yōu)勢在于工作流能確保智能生產(chǎn)素材以及作品創(chuàng)作全流程的穩(wěn)定性與可控性，較大程度保障導演意圖順利落地，減少人對創(chuàng)作的不可控程度。與此同時，智能生產(chǎn)在第一階段需先專注于對內(nèi)容（即生成一創(chuàng)素材）的構(gòu)建上，鼓勵創(chuàng)意的自由發(fā)揮與多樣性輸出，暫時不拘泥于風格統(tǒng)一，以避免因早期風格限定而干擾創(chuàng)意的發(fā)散與生成。待初步素材積累完成后，再通過基于風格化 LoRA 模型的智能加工流程，在保留原始構(gòu)圖框架的基礎上，實現(xiàn)視覺模態(tài)風格的高度統(tǒng)一。另外，確保圖像風格一致性方面，建議固定隨機種子（Seed）值和采樣器類型，同時使用提示詞矩陣(Prompt Matrix)以保持多幀間的描述一致性，并進一步添加統(tǒng)一風格化的LoRA以強化風格的統(tǒng)一性。

（3）視頻生成環(huán)節(jié)。該短片涉及兩類圖生視頻智能生成方式：其一為基于Runway Gen?2平臺采取“直接序列生成”方式開展影像素材生產(chǎn)，采用直接序列生成視頻的主要優(yōu)勢是生成畫面的連貫性較高、畫面中的人物及其他物體的運動穩(wěn)定性較好；其二為基于Luma、可靈AI采取首尾幀補間動態(tài)影像生成方式開展影像素材生產(chǎn)（圖4），具體工作流大致細分為生成起始幀和結(jié)束幀、通過AI補間生成中間幀、對中間幀進行時序平滑處理三個步驟。而選擇首尾幀補間動態(tài)影像生成開展視頻生成的設計策略在于其適用于鏡頭運動簡單的場景，能夠?qū)崿F(xiàn)畫面自然轉(zhuǎn)場，實現(xiàn)類長鏡頭的空間運動變化。首尾幀工藝的選擇既是意在豐富影像表達手段，避免AI影像呈現(xiàn)過分單一的蒙太奇風格，同時也在嘗試建立一種具有AI運動特征的影像表現(xiàn)風格。

圖4　《樹苗的蛻變》首尾幀補間動態(tài)影像生成效果圖

關于AI聲音素材生產(chǎn)，《樹苗的蛻變》使用通用人聲語言模型（中文男童聲）開展語音智能生產(chǎn)，將AI技術運用于語言內(nèi)容的音色設計與故事敘事。作為AI音頻技術在視聽創(chuàng)作領域的常見應用范式，TTS語音合成技術通過構(gòu)建多維參數(shù)調(diào)控體系，實現(xiàn)了對語音物理屬性（語速、音高、響度等參數(shù)）與情感語義特征（情感類別、強度等參數(shù)）較為準確的控制。創(chuàng)作者可基于內(nèi)容類型（新聞播報、專題解說、情感故事等）與受眾畫像（年齡結(jié)構(gòu)、文化背景、收聽場景等），動態(tài)調(diào)配音色的表現(xiàn)參數(shù)，高效生成兼具自然度與情感表現(xiàn)力的語音內(nèi)容。

關于影像和聲音數(shù)字制作，《樹苗的蛻變》在完成AI影像素材生產(chǎn)流程后，數(shù)字影像剪輯環(huán)節(jié)仍遵循傳統(tǒng)影視工業(yè)化制作方式，以分鏡頭腳本所示的邏輯架構(gòu)與敘事框架為制作基準，通過對各素材鏡頭進行組接并把控剪輯節(jié)奏，以精準反映作品的設計意圖。與此同時，短片的聲音后期制作部分則繼續(xù)沿用數(shù)字音頻聲音設計、剪輯、混錄工藝開展工作。

4.2 創(chuàng)作生產(chǎn)中存在的問題及改進方向

盡管AIGC技術在視聽內(nèi)容制作領域展現(xiàn)出巨大潛力，但在實際應用中仍存在不盡如人意之處。在影像智能生產(chǎn)方面，當要反映快速運動中的鏡頭目標時，受限于當前智能讀取及反饋水平，AI影像生產(chǎn)難以詳盡捕捉并呈現(xiàn)出所有細節(jié)，特別是對動作幅度大、速度快的焦點對象，AI影像處理時出現(xiàn)畫面模糊、人物（或景物）運動狀態(tài)不自然等問題，導致AI影像在展現(xiàn)某些動作的動態(tài)美感和細膩技藝時顯得力不從心。此外，AI影像生產(chǎn)高度依賴于輸入數(shù)據(jù)（如圖像、文本等資料）的質(zhì)量及物料的多樣化水平，若訓練數(shù)據(jù)不夠豐富或存在理解偏差，AI生成的影像內(nèi)容可能會出現(xiàn)不準確或誤導的情況。

聲音智能生產(chǎn)方面，TTS語音合成技術在情緒化處理方面仍有較大提升空間。其在模仿再現(xiàn)如快樂、悲傷、憤怒等常規(guī)情緒時效果尚可，在精細化模擬人類語言情感變化方面，尤其是對于懷舊、諷刺、幽默等相對細膩、復雜，甚至是難以捉摸的微妙情感上，表現(xiàn)力明顯不足，智能平臺處理結(jié)果亦顯得生硬。在音頻模型訓練方面，迫切需要進行充分的數(shù)據(jù)訓練以及定制化訓練開發(fā)。

5 結(jié)語

將AI視為新質(zhì)生產(chǎn)力的一部分，意味著我們已認識到AI技術在推動社會進步和經(jīng)濟發(fā)展中的重要性[15]。AI為生活的方方面面帶來了令人興奮的創(chuàng)新，并在各行業(yè)創(chuàng)造了新的機遇；與此同時，其對真實、倫理和責任方面的影響也引發(fā)廣泛擔憂[16]。人們對藝術創(chuàng)作的認識往往體現(xiàn)為藝術家在不受拘束的環(huán)境下獨立完成的創(chuàng)作，AI時代下影視創(chuàng)作應當如何繼續(xù)，便成了這一新發(fā)展階段亟需響應的一道命題。亦有業(yè)界人士表示：“AI永遠是輔助手段，而非創(chuàng)作主體；同時，任何技術手段都不能完全替代人類的情感表達與創(chuàng)意深度”[17]。 AI大模型具有對任務的學習與泛化應用的能力，每一次創(chuàng)作生產(chǎn)任務對大模型而言都是一次學習過程，但機器輸出的結(jié)果理想與否，最終依然需要人類進行把關。數(shù)智聯(lián)創(chuàng)工作流正是通過“創(chuàng)意策劃—智能生產(chǎn)—數(shù)字制作”三模塊工藝流程依序遞進，將人類創(chuàng)意與AI算力深度融合，在顯著提升內(nèi)容生產(chǎn)的效率并豐富藝術表現(xiàn)樣態(tài)的同時，探索規(guī)劃出了一條影視創(chuàng)作生產(chǎn)新路徑。《樹苗的蛻變》作為AIGC在影視內(nèi)容生產(chǎn)領域中的一次創(chuàng)新實踐，展現(xiàn)了立足“智作+制作”的創(chuàng)新影像風貌。而數(shù)智聯(lián)創(chuàng)工作流中的各階段功能各有定位，智能工藝、數(shù)字工藝之間無謂孰優(yōu)孰劣，實則是發(fā)揮各自優(yōu)勢協(xié)同完成創(chuàng)作目標。未來，隨著多模態(tài)大模型生成及實時渲染、合成技術的進一步發(fā)展，智能生產(chǎn)制作流程或?qū)⑾蚋鼈€性化的方向不斷演進，亦將為影視創(chuàng)作創(chuàng)造更多可能性。

※ 本文系中國電影電視技術學會首屆中國創(chuàng)新影像大賽一等獎作品《樹苗的蛻變》支持技術論文。

參考文獻

（向下滑動閱讀）

[1] 新華社.政府工作報告[EB/OL].(2025?03?12)[2025?03?25].https://www.gov.cn/yaowen/liebiao/202503/content_7013163.htm.

[2] 國家電影局.國家電影局關于印發(fā)《“十四五”中國電影發(fā)展規(guī)劃》的通知[EB/OL].(2021?11?14)[2025?02?04].https://www.chinafilm.gov.cn/xwzx/ywxx/202111/t20211109_1182.html.

[3] 國家廣播電視總局規(guī)劃財務司.廣播電視和網(wǎng)絡視聽“十四五”發(fā)展規(guī)劃[EB/OL].(2021?10?08)[2025?03?01].http://www.nrta.gov.cn/art/2021/10/8/art_113_58120.html.

[4] 工業(yè)和信息化部, 教育部, 商務部,等.工業(yè)和信息化部 教育部 商務部 文化和旅游部 國家廣播電視總局 國家知識產(chǎn)權局 中央廣播電視總臺關于印發(fā)《關于加快推進視聽電子產(chǎn)業(yè)高質(zhì)量發(fā)展的指導意見》的通知[EB/OL].(2023?12?15)[2025?02?15].https://www.gov.cn/zhengce/zhengceku/202312/content_6920643.htm.

[5] 北京市發(fā)展和改革委員會.北京市發(fā)展和改革委員會 北京市經(jīng)濟和信息化局 北京市科學技術委員會、中關村科技園區(qū)管理委員會關于印發(fā)《北京市推動“人工智能+”行動計劃（2024—2025年）》的通知[EB/OL].(2024?07?18)[2025?03?20].https://fgw.beijing.gov.cn/fgwzwgk/2024zcwj/bwqtwj/202407/t20240726_3760264.htm.

[6] 中央廣播電視總臺.中國首部！文生視頻AI系列動畫片《千秋詩頌》啟播 中央廣播電視總臺人工智能工作室揭牌[EB/OL].(2024?02?23)[2025?03?15].https://www.cctv.com/2024/02/23/ARTIHzqlXG7XksnNDUeBvgg6240223.shtml.

[7] 北京廣播電視臺.北京廣播電視臺人工智能融媒創(chuàng)新實驗室揭牌[EB/OL].(2024?03?17)[2025?03?15].https://www.brtv.org.cn/2024-03/18/cms1449346article.shtml.

[8] 上海廣播電視臺.SMG擁抱AIGC！率先掛牌作戰(zhàn)，確立六大攻堅方向[EB/OL].(2024?02?25)[2025?03?15].https://www.smg.cn/review/202402/0165336.html.

[9] 李紅臣,史美林.工作流模型及其形式化描述[J].計算機學報,2003(11):1456.

[10] GU R, LI H, SU C, et al. Innovative Digital Storytelling with AIGC: Exploration and Discussion of Recent Advances[EB/OL].(2023?09?28)[2025?02?17].https://arxiv.org/pdf/2309.14329.

[11] 國家電影局.《關于促進虛擬現(xiàn)實電影有序發(fā)展的通知》政策問答[EB/OL].(2025?03?21)[2025?03?31]. https://www.chinafilm.gov.cn/xxgk/gztz/202503/t20250321_888185.html.

[12] 曾志剛,羅夢舟,劉星,等. 繼承與變革：探索AI技術賦能影視制作新路徑[J].現(xiàn)代電影技術,2025(03).

[13] 中國電影電視技術學會秘書處.首屆“中國創(chuàng)新影像大賽”獲獎結(jié)果發(fā)布，獲獎作品題材豐富樣態(tài)多元[EB/OL].(2024?12?12)[2025?01?15].https://www.csmpte.com/2024/12/12/ARTIFVYt6BBn58cgXDzf8wPg241212.shtml.

[14] 葉思成,袁邈桐,金恬田.生成式人工智能技術與廣電融合創(chuàng)新發(fā)展實踐——北京廣播電視臺AIGC系列公益廣告創(chuàng)作談[J].現(xiàn)代電視技術,2025(01):100.

[15] 陳寶權,李道新,孫立軍,等.基于人工智能技術的未來影像研究與思考[J].現(xiàn)代電影技術,2024(12):11.

[16] TSALAKANIDOU F, PAPADOPOULOS S, MEZARIS V, et al. The AI4Media Project: Use of Next?Generation Artificial Intelligence Technologies for Media Sector Applications[C]//IFIP International Conference on Artificial Intelligence Applications and Innovations, 2021.

[17] 搜狐網(wǎng).尹力剖析AIGC對影視行業(yè)的影響：人工智能助力創(chuàng)作但不可替代[EB/OL].(2024?11?14)[2025?02?26].https://www.sohu.com/a/827025980_121924584.

【項目信息】2021年中國傳媒大學亞洲傳媒研究中心科研項目“后媒體時代聽覺空間的文化建構(gòu)研究：基于亞洲的視角”（AMRC2021-7）。