惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

MyScale Blog
MyScale Blog
人人都是产品经理
人人都是产品经理
云风的 BLOG
云风的 BLOG
小众软件
小众软件
F
Fortinet All Blogs
爱范儿
爱范儿
WordPress大学
WordPress大学
N
Netflix TechBlog - Medium
Recent Announcements
Recent Announcements
Google DeepMind News
Google DeepMind News
C
Check Point Blog
博客园 - 聂微东
D
Docker
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
aimingoo的专栏
aimingoo的专栏
Vercel News
Vercel News
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
A
About on SuperTechFans
博客园 - 【当耐特】
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog
宝玉的分享
宝玉的分享
Jina AI
Jina AI
H
Hackread – Cybersecurity News, Data Breaches, AI and More

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
影视行业如何在AI技术赋能增效?
Ai云赋能 · 2024-07-21 · via 人人都是产品经理

本文主要从影视行业在制作层面可涉及到AI技术的赋能部分列举分享,希望可以给大家提供一个参考作用。

对于影视作品的发行和后续toc的流媒体也就是在线播放,这个主要是在营销层面和播放平台的曝光搜索推荐相关会涉及到的AI技术层面,考虑到文章篇幅问题,因此就次略过啦,有机会在后续补上哈。

一、剧本创作赋能

首先,从影视行业的制作环节来说,我们知道,不管是拍摄一部电影还是电视剧的拍摄,宏观来说都需要一个相关的剧本构造以及用哪些演员艺人去匹配完成一部作品。

而对于剧本的构造来说,我们也知道这个同样需要相关的编剧人员去创作的,但对于编剧人员来说,在创作一个新的剧本时可能会经常遇到一些灵感缺乏或面临剧本临时改动调整时带来的时效影响等常见问题。

那么针对这一块,在目前的大模型AI生成领域里面 ,无疑对于编剧来说就是一个很好的AI应用工具了,因为它目前确实可以协助编剧者在创作灵感上获得发挥与创造。总体来说也就是可以让AI扮演一个专业的编剧助理角色。

那么它到底是个怎样的协助方式呢?

这个大家要是有经常接触AI的生成模式应用可能会比较熟悉,比如我们可以先设想一个小小的桥段,然后再让AI去生成一段内容,完成编剧者与AI的整个互动过程,最终由编剧者与AI共同打磨出一个影视剧本,可以说是相辅相成的协作关系,也在某一定程度上帮助编剧者在灵感的缺乏时带来帮助以及剧作追求创新的探索带来可能性。

这时或许有人会有意见了,如果都用AI话,那么岂不是会弱化编剧者们各自的创作风格习惯?还有可能在互动中逐渐会被AI作为该剧本的主要引导方,从而带偏了了作为人类编剧者身上的某些独特优点?比如一个编剧者本身具有的创作格调,写作方式以及一些写作习惯等。

是的,基于这一点,那么定制化AI助理也就出现了,粗暴理解的话像极了电商平台的千人千面这么一个模式,跟随每个不同的消费者去展现不同的产品推荐,而应用到不同的编剧者身上,也就是让这个定制化AI只绑定跟某个编剧者有关,同样让它的创作格调和写作方式以及写作输出习惯等都保持同步,这种前提条件环境下磨合下来就可以让编剧者在后面的剧本创作的协作关系里如虎添翼啦。

最终的结果也就是用同样的一句话,然后让两个不同的编剧者输入到这个AI的时候,此时对于AI来说就等于它需要从两个不同的角度去思考和输出内容了。

所以大家会发现,这不是说让A技术来替代编剧人员的,而是让AI成为不同编剧者的得力助手,让它们不管是在剧本创作的灵感上还是时效上都会给编剧者带来不同的体验与惊喜。所以说在当下的AI浪潮下,如何去正确使用AI技术是多么的重要啦。

二、演员协助

ok,在谈完了剧本后,那么接下来就会涉及到剧本角色的选择上,也就是说对于制片方来说,尽管这个剧本很不错,很新颖,那么我要选择哪些演员艺人来匹配这一次的剧本拍摄呢?毕竟一部影视作品的的好坏除了一个剧本的本身以外,还包括一个非常重要的角色选择上,因为当同样的一个剧本,让不同的演员去匹配各自不同的角色,最后整体呈现出来的效果也会是完全不一样的,当然这里说的是除了一些经历丰富大牌演员以外。

不过就算对于一些大牌演员来说,他们也会有自己一些在喜欢拍的偏好上或一路演摄过来可能存在的某些习惯所带来的临时挑战性。

另外一个就是有些剧本会因为存在的微调情况,同时也需要演员在当天现场拍摄时需进行相关调整所带来的时间限制挑战性。

那么围绕这一系列存在的现象,而在AI技术的赋能上又可以如何巧妙的去切入它呢?

首先,很多制片方公司都会有很多演员的知识库,那么这时候就可以利用AI技术在此基础上去围绕不同演员的一些习惯偏好或优势进行高效推荐符合相关剧本的角色扮演。

比如可能有些演员特别适合拍一些无厘头的影剧,而有些则更适合拍一些都市剧等,还有一点就是相对于临时加人这个点来说也会更高效,也避免出现遗漏错过优质的演员以及协助潜力股演员获得更多演出的机会。

另外一个AI技术的应用就是可以辅助演员去塑造某些剧本相关角色的演出方式,也就是说演员可以通过AI的一个视频捕捉技术进行实时自我反馈,虽然每个演员都会拥有自己对当下角色扮演的自身感知能力应用在演出上。

若同时再加上AI视频捕捉技术的好处就是可以节省整个作品的拍摄过程,这主要是因为在以往的拍戏过程中都是演员在现场拍完戏以后,然后可能会存在一些导演或者助理再给大家提供一些更好的建议,告诉演员哪些可能需要重新拍或者哪个需要重新补境等。

那这种AI技术可以去怎么植入呢?比如可以让演员在拍摄前可以去针对某个剧本中的角色进行练习,在练习期间可通过AI的反馈告诉自己的是否还有哪些是需要再调整的。

比如AI会直接告诉演员在这个桥段里面的笑幅度应该要更大一点,或者这里的生气隐忍行为应该要再更明显一些等等。同时即可满足让演员在一些场地的小环境里就可以练习,避免一些可能在练习过程中会是否存在尴尬顾虑问题。

三、场景搭建赋能

最后一个就是关于拍摄成本问题,除了演员薪酬以外,还有一个最大的支出地方那就是拍摄的场景搭建,这对于一些都市剧可能还好一些,也比较简单,但是对于一些科幻类作品,那么这个因为场景搭建就显得尤为重要了,因此导致在后续投入也会受到影响,所以这也是在投资拍摄某些类型电影所需要考虑的一个点,同时有些可能还需要去找到一个适合这个科幻剧的环境去匹配搭建这么一个过程。

尽管现在有些场景已经是可以通过一些手绘的方式或电脑的方式去生成搭建,但是这里会有一个问题就是造成整个过程的场景生成周期特别长,比如在前期需要工作人员彼此之间的不断的沟通和理解,不断的优化调整才能生成符合预期的场景搭建,这一系列的过程中就会出现各种不可控的因素出现。

比如为了在某个细节CG特效突显的一个时间成本,所以为什么会时常听到某些电影在上映前会说花费三年或五年甚至是十年拍摄的说法就是这么来的。

而现在有了AI技术的辅助去搭建场景,那么相对于以前传统的场景搭建体验则又不一样了。直接可以将一些后期里需要用到的时间成本都直接扔给AI去考虑衡量后再给到相关的工作人员去筛选决策。

比如前期可以通过一些对场景搭建的内容编辑再结合AI的理解让它快速去生成一个场景模拟态,包括里面的一些细节层面,比如这个场景是否需要一辆车,对应年代下的汽车牌子牌子应该是哪个?而且现在行业现实里还能找到这种车不。包括在场景的搭建的环境下让AI去快速生成一些特效demo等等。

整体来说的话也就是可以实现让整个电影在拍摄之前就可以看到这样的一个场景搭建效果,这对于制片方来说可以对整个电影的拍摄成本起到一个很好的控制准备和对投入前的场景搭建预期了解,而且对于在后面拉赞助商时自然也会显的更有说服力,清晰明了。

四、小结

当然,在整个影视拍摄里面还有很多其他后期要处理的东西,可远不止于此,但目前在当下AI技术的应用上,截止到今天为止,已经算是给影视行业带来了一个很好的开头。

但在一些场景的设计和特效选择上还有一定的难度需要持续研发突破的改良,而对于辅助编剧者在创作剧本层面倒是基本可以说是极大的丰富了它的实用性。最后,欢迎交流探讨,让我们持续用AI技术赋能给影视行业更多的创造性体验吧。

本文由 @宇辰一心 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。