《现代电影技术》｜黄晓宇等：人工智能技术在电影制片开发中的应用

本文刊发于《现代电影技术》2024年第8期

黄晓宇

华夏电影发行有限责任公司网络信息部主管，主要研究方向：数字电影技术。

北京电影学院影视技术系副主任，主要研究方向：数字电影技术 。

常  乐

人工智能（AI）指能模拟人类认知功能，并在各种应用中实现自动化和智能化操作的技术。在没有人类直接参与的情况下，机器通常能够感知其所在环境，解释感官输入，学习知识，推理并做出决策^[1]。

近年来，AI技术迅猛发展，为电影制作领域带来深刻影响，特别是随着多模态大模型的技术升级，一系列涵盖图像、视频及音乐等多媒体内容生成的应用工具涌现，在行业内激起了对人工智能生成技术的深切关注。实际上，除了人工智能生成内容（AIGC）外，AI技术的诸多其他分支也在电影行业得到广泛应用，其以更高效、创新、个性化的方式参与电影剧本创作、角色设计、场景生成、后期特效制作、音频处理等环节，为电影制作方式、技术流程、创作思路带来革命性改变^[2]。

电影制作流程通常可分为四个阶段：制片开发、前期制作、拍摄、后期制作。本文将聚焦电影制作初始阶段，即分析AI技术在制片开发中的应用情况，并探讨应用中面临的挑战，提出应对建议和展望。 

制片开发是电影制作的预制期，是一部电影从创意形成到正式开拍前的阶段，可以大致分为策划创意、剧本创作、剧本分解、演职人员选择、预算编制、项目评估等环节^[3]。人工智能技术很早就已在制片开发的各个环节中扮演着至关重要的角色，不仅催化了故事创意的多元化进程，还显著增强了项目规划与准备工作的效率及自动化程度。 

目前，AI在制片开发的应用主要以弱人工智能（Weak AI）为主，依托大量数据训练，使AI能够有效执行特定任务，具体应用场景体现在三个方面：一是智能化代替人工执行重复性工作，提升电影制片开发效率，使主创专注创作；二是通过大数据搜集和样本学习，辅助创意，丰富故事多样性，提升剧本质量；三是进行智能数据分析，为创意开发和预算制作等环节提供数据支持，辅助决策过程^[4]。

2.1 自动化工作提高效率 

在制片开发工作中存在大量重复性工作，如数据录入、标准格式文件填写等，此类工作内容单调繁琐，需要相关人员高度集中注意力完成，耗时费力，且极易出错。AI通过融合自然语言处理（NLP）、命名实体识别（NER）和机器人流程自动化（RPA）等技术，实现标准格式表格的自动录入，从而智能化替代人工执行这些重复性工作。

具体而言，系统首先基于NLP技术从剧本自动提取场景、角色和对话，后基于NER技术识别具有特定意义的实体，如人名、地名、机构名、日期、时间、专有名词等，并将其归类至预定义的类别中。最后，基于RPA技术，使用软件机器人模拟人类在计算机上的操作，如点击、输入、复制和粘贴等，从而完成相应表格数据的自动录入^[5]（图1）。

图 1   AI自动化操作流程 

此方向的应用主要包括剧本创作阶段生成标准格式剧本及剧本分解阶段生成解析表，二者都是相对成熟的应用，在好莱坞的一些高度工业化项目中得到广泛使用。

生成标准格式剧本的代表工具如Final Draft、Celtx、WriterDuet等专业剧本软件，国内的AI剧本工具如DramaLink、搭画快写等均具备一键转换剧本格式的功能。此外，国内部分工具还具备可将小说转换为剧本，自动分析、提炼故事情节和角色，生成符合剧本结构的短剧剧本等功能。

生成剧本解析表的代表工具如老牌制片管理软件Movie Magic系列，从20世纪末到21世纪初就已开始应用于好莱坞和国际电影制作。Movie Magic Scheduling可自动提取剧本中的场景、角色、对话等关键信息，为拍摄计划提供基础。此外，随着大数据、云平台等技术与AI技术的融合，在2015年前后出现了一批综合性的电影制片管理软件如StudioBinder、Yamdu等，可提供从电影预算规划、拍摄时间表制定、人员组织到文件共享、场景管理的全方位解决方案，利用AI技术在几分钟内自动分解剧本，智能识别场景、角色、道具等元素。国内此类制片管理软件也已相对完善，如爱奇艺自主研发的制片管理系统、阿里巴巴云尚制片、安捷秀（Agile Shot）项目流程管理系统等，其中的剧本拆解模块可自动提取主要元素，输出顺场景表、人物统计表，辅助前期统筹及成本核算。

基于AI技术的制片开发工具执行自动化操作，大幅提升了工作效率和准确性，通过减少人工操作降低出错率，确保流程顺利进行和资源高效利用， 同时，将电影工作者从重复繁琐的工作中解放出来，使其得以把更多时间和精力专注于创作本身，探索新的叙事方式和视觉表达。

2.2 辅助创意以提升内容品质

AI对创意生成的辅助既可应用于策划创意阶段，以加速创作生成的过程；也可应用于剧本创作阶段之初，辅助生成具体故事情节，拓宽故事创意边界；还可应用于剧本创作阶段后期，在剧本完成后，对剧本进行优化和查漏补缺^[6]（图2）。

图2   AI辅助创意概览

在最初的策划创意阶段，电影的创意点主要来源于两方面：一是完全原创，二是由现有其它文艺作品形式如小说、漫画、舞台剧、电视节目、绘本、戏曲等衍生而来。传统制作中，无论是原创剧本还是改编故事，创意产生大多基于主创团队自身阅历，常在自己听到或看到的故事中挖掘题材。借助AI技术强大的信息处理与学习能力，迅速消化、理解并归纳来自海量文本数据的知识，从中提炼出独特的故事情节、角色特征、文化元素和叙事结构，为电影创作者提供丰富的灵感来源和创作素材^[7]。

目前虽然没有完全面向电影的相应产品，但一些AI驱动的内容洞察工具如BuzzSumo、Meltwater等可用于创作灵感的挖掘。此类工具能够运用网络爬虫技术持续监测社交媒体（如微博、X、Instagram）、新闻网站、论坛、博客等渠道的海量数据流，识别并分析用户行为模式、话题趋势、情感倾向等，从而捕捉潜在热门主题或未被充分挖掘的故事线索。如国内社交平台微博推出的大众情绪分析工具，电影主创团队可通过其了解指定时间范围内某特定关键词或话题在微博的公众情绪分布，从而更好把握观众喜好和心理需求，这有助于在创意策划阶段选择更贴近大众的题材。

在剧本创作阶段，基于AI技术的制片开发工具以大量的电影剧本数据作为训练材料，在总结已有剧本结构、对话风格、情节发展规律的基础上，利用深度学习模型，可全面辅助剧本生成，包括：根据既有模型生成新的故事线索和情节框架；设计情节和角色；根据预设的情境和角色特点，自动生成对话、肢体语言和表情等细节^[8]。

剧本生成工具随着近年来AI技术的日趋成熟而涌现，国外相关工具有Dramatron、Campfire、MidReal、StoryGenius等，国内有搭画快写、DramaLink、爱写剧等平台，目前这类工具主要用于剧本的辅助创作和优化。以Dramatron为例，该系统通过“分层故事生成”的方法来创作脚本和剧本。用户通过输入戏剧主要冲突摘要，即日志线（Log Line），系统即可生成标题和人物角色，进而在情节中生成一系列场景摘要，并为每个独特的地点生成详细描述。该工具还可通过整合所有元素为每个场景生成相应的对话（图3）^[9]。

图3   Dramatron分层连贯的故事生成

大语言模型（LLM）因具备强大的文本生成和理解能力，在剧本创作领域也展现出巨大潜力。首先，用户可通过问答形式，提出详细的创作指令或情节概述，逐步细化剧本内容，获得从单一场景到完整故事线的剧本内容。其次，利用其庞大的知识库，大语言模型可将多元文化元素和专业知识融入剧本中，为剧本创作提供更多可能性和个性化定制选择。最后，基于大语言模型卓越的文本处理能力，学习并模仿特定写作风格，生成自然流畅、符合角色身份和情绪状态的对话^[10]。

在剧本创作阶段后期，对已完成的剧本，AI可从文本、事实和情节等方面进行检查优化，让剧本更合理优质的同时，提前规避潜在问题。就文本而言，AI能进行错别字、语法错误的查纠，分析剧本中的语句结构，识别并指出不通顺或不符合语言习惯的表达，保证叙述语言的流畅性，使角色的语言更加贴近真实生活。就事实而言，AI可以检查剧本中的背景设定和事件描述，确保作品的可信度。此外，AI可扫描剧本中的敏感词汇和潜在争议内容，包括不当的政治、宗教或文化表述，帮助主创团队提前规避风险^[11]。就情节而言，AI能识别情节上的逻辑错误，保证剧本情节的一致性；通过分析剧本节奏和剧情张力变化，定位可能过于拖沓或过于紧凑的部分；通过对剧本节奏、场景、对话的细节调整，增强观众对戏剧内容的代入感。

文本检查功能，众多大语言模型都可胜任，这类基于自然语言的应用如今已较为成熟。事实检查的应用，则可借助其他领域工具实现。如Factmata、FactCheck Editor等，这类AI驱动的资讯和视频内容可信度评分系统，其开发初衷在于解决媒体行业面临的虚假信息问题，创作者可用以识别剧本中的偏见内容、虚假内容和仇恨言论等^[12]。此外，IBM的 Watson® Tone Analyzer和谷歌的Perspective API具备分析文本情绪、偏见的功能，虽然其主要用于企业内容管理和社交媒体监控，但也可应用于剧本审查。情节检查的应用，目前已经有专门针对剧本分析的AI工具，如RivetAI能够从情节与角色深度、节奏与张力、情感等多个维度进行分析评估，提出优化建议；Final Draft、Fade In和Celtx等专业剧本写作软件可提供强大的分析功能，帮助编剧识别和管理剧本的不同部分，以及情节角色之间的关系，间接辅助分析剧本节奏和张力，从而控制故事节奏，优化故事结构。

无论是创意生成还是剧本优化，AI技术都在广度和深度上全面支持创意过程的各个阶段。其高效的信息搜集能力，超越了个人经验和搜索范围，极大地扩宽了创意灵感的广度，丰富了故事多样性，开辟了全新的创意视野，拓展了艺术与叙事的边界；其分析能力则可洞察并解析目标受众的喜好与反馈，精进角色设定和故事情节，使作品更紧密地贴合时代特征，增强剧情和人物的共鸣力及吸引力。

2.3 智能分析数据以支持决策

数据分析是制片开发过程中至关重要的一环，基于客观数据的分析结果为管理层提供决策支持，降低不确定性，提升决策的科学性和项目的成功率。AI技术通过自动汇总历史项目数据，集成大数据分析与智能预测模型，为主创团队提供更精细化和更准确的决策支持。具体而言，AI辅助的数据分析主要应用于两个环节，一是创意的可行性评估，二是预算评估。

在项目评估时，AI工具首先搜集大量历史项目数据，通过主题建模技术（Latent Dirichlet Allocation, LDA）分析剧本文本，提取主要主题和情节线索，识别关键主题和模式。之后，结合剧本特征、市场数据、演员信息等构建特征集；利用机器学习模型基于历史数据训练模型，学习剧本特征与票房成绩、观众反馈间的关系。最后，对新剧本进行相同的文本预处理和主题建模，将提取的特征输入训练好的模型，并结合情感分析技术综合预测其票房潜力和观众反应^[13]（图4）。

图4　AI评估项目流程

无论是国际市场还是国内市场，此类应用已经涌现了一系列较为成熟的工具。国外如Cinelytic、ScriptBook、StoryFit、Vault AI等工具已被多家独立制片公司和好莱坞知名公司采用。国内视频平台如爱奇艺自研的剧本评估系统和制作商业智能系统（PBIS），可对剧集剧本、电影剧本、小说等多种形态的内容进行理解，分析其质量及衍生价值，预测其流量，进而决定如何进行商业化^[14]。此外，华策影视、海马轻帆等也对外发布了自主研发的影视剧本智能创作系统^[15]，其中，华策影视基于“有风”大模型开发的影视剧本智能创作辅助系统，已经可以达到“3分钟完成一部IP作品的初筛评估，30分钟完成百万字作品内容精确评估”的使用效果^[16]，从影视剧本的剧情、场次、人物等维度提供自动化数据分析服务，评估剧本商业开发价值。

在进行预算编制时，AI通过分析大量历史数据，再基于项目的剧本内容、拍摄地点、演员费用等因素，预测电影制作的潜在成本。AI工具通过学习过往项目不同阶段花销、同一特定电影类型平均成本以及不同地区的价格差异等信息，为新项目提供更精准的成本预测模型。这种预测不仅基于简单的历史数据复制，还通过机器学习模型来理解成本影响因素间的复杂关系。例如，AI可以识别出特定影片类型所需视觉效果或特定演员阵容对预算的影响，从而辅助创作团队在预算制定初期做出更为合理的成本估算，减少项目推进过程中的不确定性。

除了根据项目内容进行预算评估，AI工具还可对已完成的预算表进行核算分析，提供优化和成本控制建议。为实现这一功能，AI首先通过数据挖掘技术分析以往项目的成本分布和节约模式，识别出各类成本的关键驱动因素。之后，使用优化算法推荐最优预算分配方案，确保在有限预算内最大化资源利用效率和项目收益^[17]。

此类应用起步及发展相对较晚，如预算管理软件Movie Magic Budgeting在其2024年2月发布的版本中引入AI成本估算工具，实现自动评估并提供建议，可帮助用户快速估算电影制作成本，并进行复杂的成本分析。此外，借助实时更新的信息库，其可帮助用户估算不同地区可应用的激励措施，比较多个地点拍摄的预算方案，找出最具成本效益的方案。

AI技术通过集成大数据分析与智能预测模型，能够更高效地从海量数据中抽丝剥茧，发现隐藏的模式与关联，为主创团队提供更精细化且更准确的决策支持。同时，减少了对个人经验和技能的依赖，为电影制片管理和决策带来前所未有的透明度。

3.1 以人为本，避免创意同质化和人文关怀缺失

AI在电影创作中的应用虽然提高了整体效率，但也导致了创意同质化问题。AI生成的剧本、对话和情节往往基于已有模式和历史数据，这使得不同作品间的创意元素趋于相似，缺乏独特性和新颖性，减少了观众体验新鲜感和深度思考的空间。

AI 的核心在于模仿学习与模式识别，其基于历史数据进行分析预测，倾向于最大化成功率而忽视 了艺术的不可预测性和艺术家的冒险精神。由于AI算法在创作中往往追求统计上的最优解，而非艺术上的大胆创新，这会在某种程度上引导创作走向保守，从而对真正的原创思维产生一定限制。此外，电影行业追求商业成功的压力或将加剧这一现象，当AI分析显示某些元素或类型更容易获得市场认可时，创作者和制片方可能会不自觉地倾向于复制这些模式，从而进一步导致创意同质化^[18]。

另一方面，AI完全依赖于编程逻辑和数据学习，虽然可以通过分析统计和模式识别生成逻辑上连贯的文本和情节，甚至通过学习模仿人类语言中的情绪表达，但其并不能体验情感，难以捕捉人类复杂的情感层次和细腻的情感表达，往往使其生成的内容显得机械、刻板，难以展现出真正意义上的情感深度与真诚，鲜能达到人类创作所能触及的艺术高度和情感共鸣。此外，由于缺乏自我意识和道德判断力，可能会在无意间复制或强化社会偏见，甚至在创作中触及伦理敏感领域而不自知，难以展现出对个体尊严与社会正义的深切关怀^[19]。

解决该问题的答案即是以人为本。人文关怀，根植于人类对于生命意义、情感价值、道德伦理及社会公正的深刻理解和关怀，它是艺术与文学作品触动人心、激发共鸣的核心。无论人工智能技术如何发展，一个更加自动化与智能化的未来，都不能把人类创作者和管理者排除在行业边界之外。在追求技术革新的同时，必须坚持电影的文化艺术本质，实现技术与人文的和谐共生。电影不仅是技术的展示，更是情感、思想和文化的传递。在利用AI技术时，应当以人为核心，强调创意和人文关怀的重要性，确保技术的发展服务于艺术创作，而不是取代人的作用。

3.2 推进标准化，保障AI应用产业环境

AI技术在制片开发阶段的潜力发挥，包括自动化剧本评估、数据分析预测等，均高度依赖于结构清晰、规范有序的产业环境。例如，AI进行剧本评估时，需要基于明确的格式要求和高质量的文本内容；而其数据模型的训练，则依托充足且准确的行业数据输入。

与好莱坞等成熟的影视工业体系相比，中国影视行业在标准化、流程化方面尚有差距，从剧本开发、前期制作、拍摄、后期制作到宣传发行的每一个环节都可能因为没有明确的操作规范而效率低下或质量不一，专业度欠缺、项目周期不可控、缺乏客观标准等问题在一定程度上影响了AI技术的应用，亟待解决^[20]。

一方面，需要行业共同努力加快电影行业工业化建设，建立健全统一的制作标准和操作规范，推进标准化流程，构建和完善行业数据库，为AI技术的应用提供一个结构清晰、规范有序的产业环境。另一方面，AI技术对标准化和透明化的需求，无形中成为一股推动行业变革的力量。为了更好地集成和利用这些前沿技术，行业不得不面对并解决当前存在的非标准化问题。这一自我调整过程实质上是为AI技术的深度应用铺平道路，同时也是对行业自身的升级优化，驱使其向更加工业化、规范化的方向迈进。

3.3 健全政策，防止技术垄断

AI技术高度依赖于先进的算法模型、庞大的数据集以及强大的计算能力，这些资源往往掌握在少数大型影视公司或技术提供商手中，凭借其雄厚的资金实力，迅速掌握了最前沿的AI工具和算法，构建起难以逾越的技术壁垒。小型独立制片人和新兴工作室由于资金和技术限制，往往难以采用同样先进的AI解决方案，使得他们在内容创作的竞争中处于不利地位，进一步导致市场资源与机会的集中倾斜，形成了实质上的技术垄断格局。

在此背景下，大型公司利用AI分析市场趋势和观众偏好，可能导致内容创作趋向安全、已验证的模式，而牺牲了创新性。在此情况下，小众题材、实验性作品可能由于不符合AI预测的“成功范式”而难以获得资源支持，在无意中忽视或低估少数群体的声音和故事，使得影视作品缺乏文化和视角的多样性，影响了艺术的自由表达和观众的观影选择范围。

影视行业应是传递多元文化和多样观点的平台，推动建立相关机制，维护行业的多样性和公平性势在必行。一方面，强调政府的监管作用，建立AI使用的产业法律和规范，确保AI技术的开发和使用有法可依，限制大型公司滥用市场地位，维护公平竞争环境；另一方面，促进公共资源建设，鼓励开源软件和共享平台的发展，支持公共数据库的建立，让更多行业从业者可以接触到高质量的数据集，让电影行业成为一个更加开放和包容的文化传播渠道。

AI技术不仅是未来电影艺术与产业革新的核心驱动力，更是重塑影视生态、激发无限创意潜能的关键所在。面对这一不可逆转的趋势，电影人必须积极拥抱变化。近年来，国内科研机构和企业不断取得突破性进展，推出了一系列具有国际竞争力的大语言模型、图像识别系统等，这些模型和系统在算法创新、应用场景拓展以及与产业深度融合方面，展现了强大的应用潜力。在现有成果基础上，需进一步建立健全自主可控的电影AI技术体系，进行自主知识产权关键性电影科技研究，培育国产AI软硬件，减少对外依赖，确保数据安全和文化信息安全，形成具有国际影响力的技术规范和行业准则，利用AI技术推动自身的成长和产业的发展，共同开启中国电影产业的新篇章。