我们花了10天时间，给CCTV6做了一部AI短片 - 5000字全流程复盘拆解 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
我们花了10天时间，给CCTV6做了一部AI短片 - 5000字全流程复盘拆解
原创 数字生命卡兹克 数字生命卡兹克 2024-04-14 19:07 天津
故事是这样的。
前段时间，我们花了10天时间，为CCTV6电影频道AI影像人才优选计划，做了一部AI短片，《玉覆荆楚》，在4.12号的电影频道M榜盛典上正式亮相，同时也算为后面的AI影像大赛打个样。
然后肉身去了一趟M榜盛典现场，走了一段秀亮了个像。
当你前排就是王迅、郑凯、刘浩存、周深、乌尔善、张艺谋、成龙这一种明星大佬时，那种感觉还是有点意外以及特殊的。
回到这个片子本身。
因为是荆楚文化命题作文，所以我将我一直很喜欢的游戏元素，跟给我震撼非常大的荆州博物馆中的文物做结合，有了这么一个故事。
这是一个关于游戏、文物、坚守、传承的故事。
我们肝了整整10天，这也是我第一个真正电影质感的AI短片，更是做的最开心的一个短片。
希望大家喜欢。
这10天的日日夜夜，我们基本是属于没睡觉的，每天4点睡，9点起，有很多痛苦和麻烦，过程中无数次想放弃，甚至快干成了半个尸体。
宫崎骏老爷子说：“重要的事，大都很麻烦”
所以很多痛苦和麻烦的故事，结尾总是快乐的。
这十天，我也觉得有很多可以写下来的东西。
所以，那就写一篇文章，来记录一下吧。
这也算，一种“传承”。
整体的AI影像制作工作流，其实一直都没有什么太大的变化，依然是：
1.写剧本 - 2.做分镜 - 3.AI生图 - 4.图生视频 - 5.剪辑 - 6.声音和音乐制作
这其实就是一个非常小型的影视工作流。
但是在每一大步的具体细节中，可以说有了翻天覆地的变化。
这也符合AI的特性：人间一天，AI一年。
我们一个一个来说吧。
一. 写剧本
坦率的讲，AI短片故事的剧本并不是很好写。
因为我们从一开始，就是荆楚文化的命题，以及我一开始就很想做关于穿越、救赎、传承这种思路的故事，再加上AI的呈现上限，最多只能做到3~5分钟，再长的时长，观众就一定会审美疲劳。
所以要在3~5分钟里，做到一个有反转、好看、还契合AI本身局限的故事，还是非常难的。
特别是对我这种完全对于编剧懵懵懂懂的门外汉来说，更是难上加难。
而且短片的剧本故事逻辑，跟电影级别的长片剧本还是有很大的不同，根本没有时间给你铺垫，上来就要直接开始，立刻要展现冲突、交代人物、反转、带入高潮，然后ending。
那几天，我刷了基本大部分的3~8分钟的历届得奖短片，比如《黑洞》、《无翼鸟》等等，还有一众新兴的UP主的短片故事，比如柳叶熙、白夜梦的摸鱼时间等等。
我深刻的感受到：写故事，写一个好故事，是有绝对的门槛的。
另一个感触是：对于短片来说，创意和点子，有时候比努力去写，更重要。
我记得《任天堂哲学》中，整个任天堂时代的奠基人山内溥有过一段著名的话：
“并非只要一味思考就能获得成果。和长年累月的冥思苦思相比，也许瞬间的灵感更重要,这种瞬间的思维火花可能燃起一场轰轰烈烈的燎原之火。”
但是，遗憾的是，在那几天中，我的脑中，现在并没有“创意”。或者说，我已经很久没有接受过一些刻意的“创意”的训练，更多的得到的是技法的训练。
以至于我对于该如何去寻找“灵感”，如果去激发“创意”，变得尤为陌生。
而写故事这事，我当然也尝试过交给AI，而是是从去年5月开始，直到这次剧本。
我的明确的结论是：
写一个大体的小说故事，写到80分，是OK的。但是写一个有明确特定主题、有限制的短片剧本，写到80分。
不行。
至少还远远达不到，我所认为的“创意”或“点子”，还有藕合性。
所以，这次的故事，几乎都是人写的。
很感谢尾鳍Vicky、筠姐还有电影频道对剧本的帮助，至少在有限的空间内，帮我完成了一个能看的过去的故事。
在有了剧本之后，就是做分镜。
二. 做分镜
在分镜的设计上，坦率的讲，非常的稚嫩。
因为在AI制作的时候，我跟@JessyJang、@郑伟是多人协同，所以我们使用了飞书进行管理。
因为已经有了明确的故事，所以分镜主要就是在有限的时间内，将想展示的画面，用一句话表达出来，最核心的东西就是景别。
我自己本身是非专业的，所以我自己也并没有什么太多的经验可以传授，都是野路子经验，比如不能远景直接切特写，而是要远景切中景再切近镜再切特写，这样有连续性。
比如人物的空间关系需要一致。用这一串举例子，老人走过来，说一句话，然后一掌将主角魂魄击飞。
我们有个中景的俯视镜头，老人在左边，主角在右边。后面我们遵从人物空间一致的观感，把后面的一些镜头语言都进行左右统一，老人永远在左边，主角永远在右边。这样观感会好很多。
而在分镜设计上，因为我们太过于了解AI生图的上限和AI视频动态的上限，所以基本上在开始做分镜设计的时候，就可以避开了一些关系镜头，除非是必要的，会用一些传统的PS和AE去做，其他的尽量就不在分镜里出现。
最后我们的分镜写完了，除了剧本逻辑顺序有调整，基本就没改过，每一张图和视频，都能完整的按照我们的想法，100%实现出来。
三. AI生图
在图片生成上，我们依然用的是Midjourney，原因依然单纯的很简单：
我要的电影感和审美，只有Midjourney可以做出来。
很多人问，画面的电影感到底怎么做出来，为什么我的图总是一股子AI感。
其实挺简单的，画面的电影感无非就是几个点：画幅，审美、色调、构图、光影、景深等等。
我最喜欢用的画幅比例就是，21:9。
画幅的比例是会影响生图的构图和光影的，21:9，是出电影感最好的比例。
同时在Prompt里，也可以加电影的专用摄影机，比如RED Helium 8K等等。
而我们的整体Prompt风格后缀：
________. Shot on Sony Venice 2, muted color tones, green and dark gray, award-winning composition, cinematic scene —ar 21:9
而在人物一致性上，在有了Midjourney的新功能Cref以后，其实就非常简单了。
我们直接先跑了一张主角的定妆照。
然后在需要出现主角人物的地方，扔进去Cref。保持发型、人脸、衣服。
坦率的讲，Midjourney对亚洲人脸的Cref一致性，要比对欧美的人脸的一致性效果差太多太多了，年轻人还好点，亚洲老人简直惨不忍睹。
而且Cref的效果，在画面的审美和构图上，其实是有一定的破坏性的，所以在原则上，是能不用Cref就不用Cref，比如只有背影的时候，写个短发男人黑卫衣就完事了。
这是人物一致性，而场景一致性，目前基本上还没有任何解决办法，纯粹随缘。roll的大差不差也就那样了。
而Midjourney的可控性上限问题，随着这次项目的进程，也越发的发现，纯粹的roll图或者用他们屎一样的局部重绘，会浪费太多太多无意义的时间，所以还是得用一些设计师的传统手段，节省时间。
毕竟，追求全流程AI，没有任何意义，观众不会在乎你是不是AI。
什么效果好用什么，什么成本低用什么，一切都是在成本和收益之间的求解。
所以，我们就直接掏出了PS，还有做动效的AE。
PS得益于PS AI的加持，在图片的修改阶段，有极其可怕的上限，而且是唯一一个，能跟的上Midjourney的质感和细节的。
就比如说我们想的一张氛围图，是“中景，一盏只开着灯的办公楼”，我们希望突出这个办公楼只有一盏灯开着，体现深夜还在干活的感觉。
但是Midjourney死活就是不认识什么叫开着一盏灯。给的图是这样的使的：
这种反复的重roll，或者在Midjourney上用局部重绘没有任何意义，就是纯粹的浪费时间，容我再骂一句：Midjourney的局部重绘，实在太辣鸡了。
所以我们直接上PS AI了，每个亮着的都框选，然后写“熄灭的灯”，非常快的就改完了，再把中间想亮的那部分，再抠出来重画一下，一张图就OK了，也就不到5分钟：
再比如说，一个羽人的图，Midjourney大的框架出的还行，但是构图我不喜欢，也有很多细节BUG。
我就扔到PS AI里，手动拖构图，修手修脸修翅膀和背部的结构，再加闪电，5分钟搞定。
再比如，Midjourney出的凤凰还行，但是构图问题太大，火焰往头上喷，我就可以神经病式扩图法，来调整构图。
再比如，我生成了一张图，人物面部表情还可以，就是有太多乱七八糟的悬浮物，还有莫名其妙的伤口，一定会影响后续AI视频生成的。
再扔到PS里，直接传统的修补工具+PS AI，直接5分钟处理干净。
我讲了这么多，想表达的意思是，不要拘泥于所谓的AI，拘泥于所谓的特定工具。
工作流是流动的，要做的，就是用最快、最好的工具，来最低成本的解决某些特定问题。
既然很多东西Midjourney处理的不好或者效果不好，那为什么要在那Roll他1小时？我用PS，直接5分钟P一下，不就行了吗？
比如说，我们的鼓，在片子中是个很重要的道具，物体的一致性Midjourney处理的很差，但是我们又不希望鼓变形。
所以，直接让Midjourney生成一个空场景，传统的PS合成就行了，我们直接把鼓合成进去。
速度很快，效果也能看。
所以，我觉得，一定要要懂得变通。
四. 图生视频
在Sora没出来之前，我们玩的依然是4s。
4s时代，我目前用的最多的，分别是Runway、Dreamina、Pixverse。
三者在片子中的占比约是60%、30%、10%。
我们用AI视频生成工具，无非看的就是四点：
用户体验、可控性、细节丢失度、运动幅度。
Runway在用户体验、可控性、细节丢失度上，依然是目前最强的王者，功能上有镜头控制、运动笔刷，在做一些小幅度的运镜、空镜，以及一些特定运动轨迹的镜头，依然有无与伦比的优势。
Runway网址：https://app.runwayml.com/
比如这个凤凰睁眼的，直接运动笔刷轻轻松松就刷出来了，在别的平台上，即使你怎么调整你的prompt，你也大概率roll不出来。
其他的一些小幅度运镜，效果也很好。
而且Runway是现在为数不多，能给视频中的人物，直接对口型的，叫Generative-audio，而且对的效果非常好。
不过，Runway做小幅度和对口型的还行，但是真做一个物体的大幅度运动，直接躺。
而剪映的Dreamina在运动幅度这块，是属于碾压式的，一些大幅度的东西，只能用Dreamina能做出来。
Dreamina网址：https://dreamina.jianying.com/
而且Dreamina有一个很特殊的功能，首尾帧，定好首帧和尾帧，AI自动补全中间的运动轨迹。
这个是一个非常有商业价值且能玩出很多花活的功能。
但是同样的，Dreamina目前的缺陷也极其明显：
运动幅度过大导致极难控制、只有3s、帧率只有8帧、分辨率只有720P，传个21:9的图上去还自动给你裁成16:9。
问题太多了，但是你架不住人运动关系真的好，也必须得用。
首当其冲的就是我的21:9的图，自动给我剪裁成16:9。
所以我有两个选择：
1.要么Midjourney生成21:9的，我扩图成16:9，再去Dreamina里面跑视频，跑完以后再裁成21:9的。
2.要么Midjourney生成16:9的，直接去Dreamina里跑视频，跑完以后再裁成21:9的。
听着好像第二种更轻松一点，第一种挺蠢的。
但是我想说的是，因为尺寸原因，所以基于不同的尺寸，Midjourney的构图逻辑和审美是不一样的。
你生成16:9的再裁成21:9的，会发现，构图大概率直接崩了，主体被裁一半，直接没法用，所以，你只能用第一种方式去玩，累是累了点，但是为了效果，没有办法。
大概就是这样：
中间区域是原图，上下是我用PS AI扩成了16:9，然后为了让大家看清调了下透明度。再把这个图扔到Dreamina里跑视频。
我只能在此呼吁一下Dreamina：求求了，啥时候这个蠢问题，赶紧改了吧。。。
Dreamina对Prompt的语义理解非常好，强烈推荐大家把运动速度设为慢速，我经常喜欢慢速+Prompt里面写轻微XX。会有很不错的效果。
另一个Dreamina非常智障的一点是，只有8帧+720P，对比Runway这种24帧+4k的，基本约等于没法用。
所以还是需要Topaz Video AI去增强到24帧+4K的。
Topaz Video AI的教程我就不在这里细说了，给大家一个关键词：Topaz Video AI 4.2.1，拿着这个关键词，去B站搜教程，又好用又简单，非常方便。
增强完以后，再扔到剪映里，裁成21:9，这一套就算是齐活了。
AI视频的趴写了这么多，基本已经能处理大部分的效果了。但是，很多东西，依然是AI搞不定的。
比如人物在水中下沉的时候，不管你用哪家AI视频，脸必糊，跟恐怖片一样。
这种糊脸，在视频里，讲道理是无法接受的，太恐怖，也太让人出戏。
于是，就只能上传统AE，自己做，反正就是个普通的下沉位移动画。
跑了个静态图。
再把人抠出来，背景空缺的部分，用PS AI补上。然后把背景扔到Runway里跑一个动态，再把背景动态视频和人物的图片扔到AE里，给全身钉上锚点，做动画，最后就是不糊脸的效果。
同样的，AI视频这块，我也讲了这么多，想表达的意思依然是那句话：
不要拘泥于所谓的AI，拘泥于所谓的特定工具。一切都是在成本和收益之间的求解。
五. 剪辑&音效
这一次，在配音、音效、音乐、剪辑上，几乎没有用到任何AI流程。
除了李雪健老师的几句台词，是我用SVC跑的之外。
其他的，全是人。
道理很简单，现在的AI，在这些领域，完全达不到80分作品所需要的要求。
配音有各种TTS，比如11Labs等等，但是在影视中，需要强情绪的，达不到。
AI音效上，有11Labs，但是基本约等于无用，还早，需要进化。
AI音乐上，有Suno、Stable audio，效果能到60分，但是达不到80分，而且这一次的风格比较偏国风，乐器使用里有很多的鼓，特别是高潮的时候，我很坚持一定要唢呐。
所以这一次的片子，没法用。
而如果是一些普通的项目，我大概率会上Suno来做音乐了。
剪辑上，没有能用的AI。
所以综合下来看，这两趴，目前的领域，还是需要大量人工去参与，整个AI产品，还需要时间迭代。
不过问题不大，我有足够的信心，时间问题而已。
写在最后
坦率的讲，我们这次的片子，《玉覆荆楚》，还有太多可以优化的空间了。
他远远没有达到，所谓完美的地步。
但是朋友有一句话说的很好：
电影，都是遗憾的艺术。更何况一个AI短片。
泪目。
人生又何尝不是缺憾的艺术呢。
感谢JessyJang和郑伟，两个一起熬了N个日夜的小伙伴，每个人都顶起了属于自己那一趴；
感谢川影的两位老师，电视学院的董昊老师顶起来全片的声音制作，新媒体学院的陈秋雨老师撑起了全部的后期剪辑，帮我们撑起了故事的一切。
感谢筠姐、段院长，在整个过程中的倾力的帮忙和资源调配。
也谢谢尾鳍Vicky的剧本支持，还有海辛&阿文的技术支持。
最后，更要谢谢CCTV6电影频道给的照顾和机会。去年8月在AI视频起始之初，我的《流浪地球3》的AI预告片的爆火，登上了中国电影报道，跟CCTV6电影频道结下了一次不解之缘。
没想到，又成为了这一次的契机和源头。
热爱，方能抵御漫长岁月。
你的诸多过往，终将积累成你心中的锦绣。
我永远相信，流浪的路途，一定会有恒星指点。
你也要相信，你心中的那团锦绣，也终有盛开的那天。
风雨同舟，愿于诸君共勉。
完。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言