共计 1073 个字符，预计需要花费 3 分钟才能阅读完成。
从百花奖首设 AIGC 赛道到《三星堆: 未来往事》拿到“龙标”,AI 电影看似已驶入快车道。然而, 深入制作一线的创作者却坦言:AI 做电影, 远比想象中难。技术新鲜感带来的红利正在消退, 真正的挑战才刚刚浮出水面。
📌 成本与不确定性的双重夹击
- 重点: AI 电影终究要回归“电影”本身。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
“抽卡已经变成了抽血。”《盗梦特工》创作者李慕阳的比喻, 道出了 AI 电影制作的核心痛点。去年用 Sora 生成 15 秒视频仅需几毛钱, 如今 Seedance 2.5 的 720p 15 秒价格已涨至 39 元, 相当于每秒 2 元。据东方证券研报, 不到一年各主流模型价格普遍上涨, 个人创作者越来越难负担。
价格飙升的同时,成功率并未提升 。戛纳展映的 AI 长片《Hell Grind》前 22 分钟生成超万张图片和视频, 最终仅 253 个合格镜头, 单镜头提示词长达 3000 字, 每个镜头背后可能经历 60 余次试错。 这种“抽卡”式的不确定性让成本难以预估, 项目常因算力账单叠加而超支。
🔍 一致性难题与经验折旧
长片中画面一致性是另一大挑战。人物脸型、服装细节、室内灯光位置都需跨镜头稳定, 但 AI 生成极易偏差。《奇谭: 纸刃渡荒墟》AI 导演刘海洋指出, 多人场景的空间一致性是主要难点, 几秒后人物位置关系就可能变化。导演杨亮也提到, 室内场景因参照物明确, 任何偏移都会被放大, 导致后期剪辑工作量成倍增加。
更令人头疼的是,模型升级会导致经验快速折旧。创作者积累的提示词技巧可能一夜失效, 新旧版本混用还会带来视觉差异。李慕阳的《盗梦特工》混合了多代产品镜头, 清晰度参差不齐, 但返工成本过高, 只能接受这种“拧巴”状态。
💡 人的价值反而凸显
当技术充满不确定性时,人的作用反而成为最大确定性。个人创作者通过大量测试积累经验, 建立提示词工具包与技能插件, 试图将概率性生成沉淀为可复用工序。从个人升级为团队时,“传统导演 +AI 导演”的协作模式成为可行解法——前者掌控艺术表达, 后者负责技术落地。《奇谭》团队就采用此模式, 形成人机接力流水线: 先锁定资产与标准,AI 制作后再由人进行二次修复。
📊 行业观察:AI 电影工业化路在何方
AI 电影没有专属观众和评分体系,势必要与真人电影、动画电影同场竞技。当“AI”标签无法长久支撑注意力, 观众对演技、剧情的要求不会降低。创作者需要明白, 模型提供可能性, 人决定哪些值得保留。正如灵河文化 CEO 白一骢所说:“好不好吃跟锅没关系, 是炒菜人的事。”
