ChatGPT等生成式AI正在重塑各个行业的工作模式，尤其是影视领域。最近由Midjourney+Runway生成式AI制作的电影短片在社交平台上掀起了一股热潮，引发热议。

“我觉得这对于所有人来说都是一个很好的机会。”宋东桓表示，“大家的经验差距被AI拉平了，剩下的是个人想象力之间的差异，百花齐放的时代到来了。

近期，AIGC开放社区联合科技慢半拍播客栏目专访了编剧、AIGC创业者宋东桓，宋东桓通过AI创作工作坊，带领四十多人用两周时间创作了20部短片，他表示“如果采用传统制作，这些短片的成本不会低于30万，但是实际成本接近于0，这就是AIGC带来的变革。”

关于技术变革，他进一步解释道，“传统的影视行业当中有很多流程，但是AI加入后，整个流程就四步，剧本、出图、出视频，剪辑视频，然后就没了。”

对于影视行业未来的发展，他则表示，影视作品不是一个标品，最终拼的是差异。非标品的缺点是会带来不确定性，第一部电影很叫座，第二部可能差强人意，但是非标品的优点是带来多样性，中国有很多消费者，只要有一部分人喜欢，一部片子就可以活下去。长尾需求未来会给创作者带来更大的发挥的空间。

请您做个简单的自我介绍？

我是编剧、AIGC创业者宋东桓，最早学工科，后来改学影视。遇到喜欢的东西或者风头上的东西，我就会很想接触。目前我觉得AI对于所有人来说都是一个很好的机会。

听说您最近在做AI创作工作坊，谈一谈工作坊的情况？

最近，由Midjourney+Runway生成式AI制作的电影预告片在社交平台上掀起了一股热潮。我发现通过Runway导入Midjourney图片，可以快速实现图生视频，不仅易操作，而且成本低廉。我做过一个短片叫《加班夜》，如果用传统的CG+blender工作流，可能需要花费数百个小时，但采用Midjourney+Runway，前后两天一共耗时15个小时。

我做工作坊的原因，一是看到Midjourney+Runway工作流带来的价值，可以快速将每个人的想法变成影像化作品；二是这个行业有需求，大量的人希望掌握这些工具解决内容生产的问题，毕竟现在有很多渠道可以变现。目前工作坊计划从简单的文生图，短片开始，然后逐渐升级到Wonder Studio+Blender，一层一层地探索AI创作。

工作坊一期大概有多少人？

第一期四十多人，提交作品的大概有1/3。

参与这些工作坊的人都是什么背景？

目前报名情况来看，一半学员来自我的朋友圈，也是做影视的。然后另一半比较复杂，对AI感兴趣的学生、图书编辑等不同职业的人。

不过，其实不需要什么背景知识。整个工作流只涉及两到三个软件，讲师2—3小时就可以讲清楚。对于普通人来说，学起来非常快，出视频的效果也不错。

说个题外话，2015年到2016年，影视行业编剧需求比较大，我参与过剧本工作坊，想以此来培养一批优秀的编剧。但是随着AIGC出现，大家的经验差距被拉平了，写作可以交给ChatGPT，绘画可以交给Midjourney，内容创作的差距变成了个人想象力之间的差异，我觉得百花齐放的时代到来了。

有没有印象比较深刻的作品？

第一期是喻为星的《外星人》，男孩都能想到那种故事，然后经过风格化、类型化处理，相对容易实现。

也有一些人表示特别喜欢陈浚嘉的《Her》，这是对已有的电影《Her》的个人改编和外延。

第一期我注意到两个现象，一是跟Midjourney对话次数越多，越有热情的人，出的视频越好。第二就是拥有一定影视基础的人，作品更好。

第二期的第一名是Jill的《异世之门》，Jill是制片人，又是编剧，通过作品可以看出一些剪辑的经验，能够把故事讲述地引人入胜，同时也看得出来创作的野心，一开始故事就极具张力。

第二期喻为星做了一个爱情故事《虚度时光》，整个氛围感把握的很好，再加上风格化的处理，画面很有王家卫的风格，观赏性很强。

我相信AI创作工作坊会得到越来越多的关注。从创作者角度来看，每个人都有自己的想法或者创意，使用Midjourney+Runway之后可以更加自由地表达自我。从影视制作的角度来看，这种模式大大降低了IP孵化的难度。原来IP孵化从概念到故事，再到剧本和影像化作品，过程漫长而且耗费巨大，动辄数以亿计的资金。工作坊这样的短片，如果采用传统制作，成本一般不会低于30万，但是实际成本是接近于0，这就是AIGC带来的变革。

AI做视频，是否会导致千篇一律，缺乏艺术作品的创意性？

从技术角度看，目前有这个问题，主要原因在于大模型本身。生图类AI工具主要有两种，一个是闭源的Midjourney，一个是开源的Stable Diffusion。Midjourney在V4更新以后，不熟悉的人已经很难分辨是否是AI生成。Stable Diffusion因为前期用了大量二次元模型，后来加入chilloutMix真人模型，目前生成图依旧可以看出来底模。解决办法是给技术一些时间，我估计Midjourney到V6会好很多，而使用Stable Diffusion支持自主训练模型生成专属风格。有名的LoRA模型MoXin就是自主训练的，可以生成中国水墨画风格的图片，让人耳目一新。

传统的影视制作是一个什么样的流程，加入AI之后，可以提升哪些环节？

传统的影视行业当中有很多流程，细分下来十多步，依靠工种来划分，包括编剧、导演、制片、美术、摄影师、灯光、声音、剪辑、后勤等。AI加入之后，整个流程就四步，剧本、出图、出视频，剪辑。

如果是纯动画，即作品里面没有真人、真实场景，未来的制片成本会急速下降。动画制作最关键的两个内容是数字资产生成和动作捕捉，现在借助AI基本可以0成本实现。比如Blender可以免费提供从建模、动画、材质、渲染、到音频处理、视频剪辑等一系列动画短片制作解决方案。MetaHuman可以轻松创建极其逼真的人类角色。剩下的动作捕捉也非常简单，只需要一个摄像头就可以捕获一个人所有动作、表情、表演，几分钟就可以生成在纯虚拟3D动画世界的数字人表演。

之前流行过一个概念叫做虚拟制片，一个人站在一圈LED中间表演，最后利用UE生成环境。但是随着SAM（Segment Anything Model）分割一切模型出现，剪辑师能把空间中的所有细小的东西区分开来，虚拟制片就没有必要了。从这个角度来看，未来真人实拍和数字技术制作的边界会越来越小，越来越分不清楚。

就编剧而言，您认为AI要想成为真实的编剧，还有哪些能力需要提升？

GPT通过Next Token Prediction（预测下一个令牌）产生智能。常见的使用方法有两种，一是使用者不知道答案，用穷举的办法找到答案，比如一个越狱故事，用GPT生成50个桥段，然后从中选择一个最优解；另外一种是使用者知道答案，通过引导GPT精准实现自己的需求。

两种使用方法都会遇到一些问题，目前最尖锐的问题是上下文限制和角色一致。突破长期记忆是创作长篇内容的基础，而对于角色来说，说出来的语言必须符合角色的设定才行。国外Fable发布的Showrunner（多智能体模型），可以根据用户提出要求，自动生成出相应的剧本，然后驱动其控制的AI智能体按照剧本将情节演出来。Showrunner曾独立充当编剧、导演、演员、剪辑、配音等角色，完成了一集完整的《南方公园》。这个《南方公园》的画面看起来还行，但是每个角色的聊天内容非常无聊，这就是目前AI的实力。

对于作图而言，AI加持是怎样的情况？

做图有闭源模型Midjourney和开源模型Stable Diffusion，在我看来两者走向了两个极端。Stable Diffusion的极端是精细化控制，就是用户可以利用AI更精准地实现自己的想法。Midjourney的极端是用户根本不需要想法，只需要说出苹果，AI就会生成无数好看的苹果，每一张都比想象中更好看。目前来看，闭源模型正在逐渐胜出，AI这种不知疲倦、不断自我修复、自我迭代能力确实有助于先发者长期保持领先优势。几个月以前，Midjourney和Stable Diffusion不相上下，现在已经不可同日而语了。

编剧、作图，下一步是生成视频？

生成视频主要是两个挑战，一是闪烁，二是动作控制。

造成闪烁的原因很简单，因为AI是一帧一帧生成图片然后再生成视频，如果图片衔接不连贯就会造成视频闪烁。闪烁的本质是算法、算力的问题。Stable Diffusion生成每张图片是单独计算的，为了让生成的视频不闪烁，需要控制第三张图片跟第一张图片建立联系，第四张跟第二张建立联系，以此类推，像传统动画一样衔接流畅。

我们采用Runway方式解决闪烁问题，Runway是1秒计算八帧画面，然后一次性生成4*8=32张图片的大图。因为所有图片是一次性生成，保证了关联性，所以衔接也就比较流畅。但是Runway的短板也很明显，就是时长会受限，一次只能算4秒。

还有一个问题是动作控制。目前有三种生成视频的办法，文生视频、图生视频、视频生视频。在视频生视频里面，动作控制类似于替换渲染，但是文生视频和图生视频缺少动作的参数，因此模型需要先识别、分割元素，再根据已有的规则去处理元素。比方说前方有一条深远的隧道，那么它可能生成的视频就是镜头前推。当然，目前的技术水平还不够完善，生成视频像抽卡，偶尔能够得到一个完美的视频，因此需要多次尝试。

再往后是配乐和剪辑？ 

在音乐生成方面。首先，音乐的复杂性在于旋律的自由度，评价音乐的好坏是很主观的事情，需要有一定音乐审美的人去进行评价。其次，我认为未来也会出现类似Midjourney这样的工具，根据提示就可以生成需要的音乐。但是，对于影视制作来说，音乐不是一个创作问题，而是一个选择问题。传统的工具比如说looper就可以很好地满足低成本制作的需要，不管是音色质量还是节奏、风格控制，都比AI更加方便。

剪辑方面，剪映是一个很好的平民化的工具。常见的剪辑软件有Premiere、Final Cut Pro、达芬奇、After Effects、Nuke等，功能非常全面，但是会收费，剪映可以免费下载并使用。国内用户付费意愿不高，我觉得剪映更符合国内环境。而且随着短视频的爆发，传统影视制作需要的色彩精准和跟踪效果都变得不那么重要，基础的剪辑就可以满足需要。

利用AI创作视频并产生收益，现在有没有典型的案例？

目前为止没有落地案例，但是影视行业的宽容度会比大众想象的要高。归根结底，内容的好坏很难评价，画面美，有人喜欢，个人风格强烈，也会有人喜欢。AI视频红火了大半年，我相信中国第一部AI电影不会很遥远。

据您观察，在这个行业内开始使用AI的人，大概占比是多少？

我觉得很难定义，因为这个行业就很难定义。如果划分两个层，决策层和执行层。对于执行层来说，用AI提升效率，这是自我工作的需要，决策层知道得越晚，信息差就能带来丰厚利润。决策层目前还没有听到有AI制作的消息。

如果把AI创作看作一个逐渐落地的过程，您是属于第一批进入的，接下来是第二批和第三批，您认为会以什么样的形式展开？

第一批进入的都是想快速把创意变成影像作品的人，比如导演、制片人。我估计AI创作的短片接下来会迎来几何式增长，年底会到达高峰。以我们工作坊为例，四十多人两周时间已经创作了20部作品，而与我们做类似的事情的人还有很多。

对于决策层，他们会作出怎样的判断？

决策层其实也好判断，看ROI就可以了。原来3000万做一部电影，现在20万就可以，决策必然向着低成本方向倾斜。

如果大家都用新技术，那么各家利润是不是也没有差别？

首先会有一个红利期，红利期是因为信息不对称，我们可以提前做一些事情。其次，红利期结束，掌握工具的人始终占尽先机。换句话说，即使全行业都掌握了这个工具，也是有一些人会跑在前面。

假设您现在站在AI厂商的角度，您会怎么定位这些AI工具，是给专家做效率工具还是给小白做入门工具？

不冲突，我们工作坊最开始做的是扫盲和零门槛的课，因为受众最广，容易学习。未来也会考虑安排Blender、UE提升门槛。

当更多新用户加入影视行业，你觉得是他们是在瓜分现有蛋糕，还是在一起把蛋糕做大？

一条街上如果只有一家店卖酱肘子，那可能会门可罗雀，但是这条街上家家卖卤货，我觉得也不是个坏事。因为影视作品不是一个标品，大家拼的是差异。非标品的缺点是会带来不确定性，第一部电影很叫座，第二部可能差强人意。但是非标品的优点是带来多样性，中国有很多消费者，只要有一部分人喜欢，一部片子就可以活下去，长尾需求未来会给创作者带来更大的发挥的空间。

现在有两种观点，一种是说AI节省了成本，收益更大，所以能够吸引更多人加入该行业；另一种说法是AI来了，演员不赚钱了，写歌也不赚钱了，所以这个行业进入者会越来越少。在您看来，更倾向于哪一种观点？

我认为这是面对同一现象的两种态度，一种乐观，一种悲观。当下只是一个允许你有更多选择的时期。当你去讲一个故事，如果这个故事已经讲了千年，那这个故事要么是名著，要么是宗教。就今天而言，讲一个千年的故事已经越来越难了，所以只要做一个故事的讲述者就好了，不用去管这个故事之外还有多少故事，只要维持这个故事能够被人讲，没有被忘记，这个故事就是有价值的故事。

所以，您还是持一个乐观的态度？

是的，对于创作者来说，故事是与时间做朋友。

希望收听完整音频对话内容的朋友，请移步【科技慢半拍】播客节目：