引言
随着技术和叙事的深度互联，娱乐行业正处于一个由 AI 引发的转型时期。FBRC.ai 的联合创始人、南加州大学电影艺术学院副教授瑞秋·乔伊·维克托（Rachel Joy Victor）正在协力塑造这一前沿领域。从共同打造像《AI on the Lot》这样的活动，到指导学生和行业新人，维克托为 AI 如何重塑电影行业提供了一个全面的视角。
“AI 一直在我的感兴趣范围内。”维克多回忆道，“我在本科时就学习了计算神经科学，所以早在生成式工具投入使用之前，我就已经在研究 AI 和机器人了。我将机器学习融入了各种项目，特别是在我在一家品牌创新工作室设计沉浸式和互动式体验的时候。”
“但当时生成式工具还没有完全到位，”她指出，“现在随着生成式 AI 的优化，我们终于感觉能够设计出足够强大的系统来实现变革。就在那时，我们启动了 FBRC.ai，并全面投入到这个领域中。”
教育观察
在讨论教育时，维克托观察到电影行业及其教学方式正在发生巨大变化，这远远超出了 AI 的范畴。
“电影学校仍在努力搞清楚这个领域。”维克托表示，“这是一大挑战，因为许多事情正在同时发生。在我在南加州大学的课堂上，我们讨论了过去10-15年间‘内容’的经济基础及其发行是如何发生重大变化的。它以我们尚未完全明白的方式扰乱了整个行业。许多制作模式现在已经不再可行。”
“人们关注的是像虚拟制作 LED 墙这样的东西，但真正的变化是制作正变得更加数据导向型。”维克多补充道，“而 AI 的发展与此相呼应。”
“人们关注的是像虚拟制作 LED 墙这样的东西，但真正的变化是制作正变得更加数据导向型。”
“我撰写了我们两个月前发布的 FBRC.ai 行业报告，其中一部分里我将电影制作描述为‘我采集素材并将其拼接在一起’。”她说道，“然后在某个时刻，它演变成了‘我不仅仅是在采集视频，我还在采集数据、摄影机位置、运动，等等’。所有这些元素都在复杂的制作过程中被重新解读，而 AI 则是又一个需要处理的层面。”
AI 工具建议
作为她职责的一部分，以及受她对技术的好奇心驱使，维克托有无数机会审查 AI 工具。“大多数现成的工具并不一定是正确的方式，因为它们试图让每个人都能使用，但这是以更精妙的控制性为代价的。”她表示。
“在模型方面，Veo 2和3拥有令人印象深刻的视觉效果，且在版权方面被认为是无争议的模型。”维克托补充道，“Kling 还因其唇部同步功能而备受关注。ComfyUI 则是各方聚合的地方，因为你可以使用多个模型和不同的控制方法。”
“许多支持内容创作工作流的独立工具也正在出现，例如作为语音生成标准的 ElevenLabs 和用于快速搜索内容的 TwelveLabs。”维克托说道，“在各式各样的工具中，正在发生一些令人兴奋的事情，但还没有任何工具被确立为你必须学习的唯一工具。目前已有了一些关于提示和使用 ComfyUI 的方针和最佳实操，应能很好地应用于接下来出现的任何其他实践。”
AI 的机遇
关键技术，比如 AI，既带来颠覆，又带来机遇。“我认为最有价值的不是提示工程师的职位，”维克托说道，“要看到真正的 AI 应用，有三件事需要改进：模型本身、实现它们的工具，以及教育：人们如何学习和整合这些技能。”
“人们应该将 AI 能力纳入他们更广泛的技能库中。现有的技能 —— 比如视效专业知识 —— 仍然很有价值；AI 只是起到了增色作用，而且仍有很大的空间。比方说，ComfyUI 得到了广泛使用，但对于规模化制作项目来说还不稳定。对于制片厂来说，仍然缺乏量化和大量机会。”
“对于制片厂来说，仍然缺乏量化和大量机会。”
在个人层面上，维克托认为拓展技能范围是至关重要的。“从电影学院毕业后直接获得工作的可能性较低，特别是随着好莱坞内部原创内容开发的规模不断缩小。”
“能够创作出优质图像并具有艺术方向感的人才是有价值的。”维克托说道，“在制片厂层面，他们正在寻找擅长搭建 ComfyUI 工作流的，或者更深入地学习 Python 编程的，或者与其他工具进行集成的人才。”
制片厂的未来
电影制片厂目前正在观察和实验 AI，以了解他们的业务在未来几年将如何以及在哪里发展竞争力。“我认为硬件始终会很重要，尤其是在大型制片厂层面，”维克托说道，“他们希望在本地布置很多东西这点是合理的 —— 既是为了保密也是为了安全。”
瑞秋·乔伊·维克托与托德·特拉萨斯（Todd Terrazas）和罗伯特·莱加托（Rob Legato，ASC）。
“这项技术在云端方面仍然有价值，特别是对于远程团队来说。”她继续说道，“目前正在出现许多小型团队 —— 他们希望具备灵活性和协作能力，即使身处不同地点。”
知识产权与硬件问题密不可分，正如维克托所指出的那样：“狮门-Runway 的合作很有趣，而我们可能会看到更多类似的例子。拥有大量内容的制片厂，如果他们能够确定版权（这些版权通常具有复杂的子所有权），可能会想根据特定的特征或风格训练自己的大型模型或低秩适应（Low-rank adaptation，LoRA）。”
（未完待续）
出处：Noah Kadner | Virtual Producer
编译：Charlie | 盖雅翻译小组
