有朋友问，为什么AI影视化做文戏最难？ 确实，我做续红楼梦影视化都要晕倒了。那些打斗、爆炸、千军万马，难在看得见的东西多；文戏难在，要演的东西大半看不见。两… · @hqinjarsy · TwKit

@hqinjarsy

有朋友问，为什么AI影视化做文戏最难？ 确实，我做续红楼梦影视化都要晕倒了。那些打斗、爆炸、千军万马，难在看得见的东西多；文戏难在，要演的东西大半看不见。两个人说话，真正的戏不在谁说了什么，在一个人听见另一个人的话以后，变了没有，怎么变的。原本要说的话换了个说法，伸出去的手收了回来，从此不再用某个称呼。动作很小，事情不小。真人演员的那种临场感，AI真的模拟不出来。 其实一百年前，苏联导演Kuleshov就做过一个实验。他拿演员Mosjoukine一个面无表情的镜头，分别接在一碗汤、棺材里的小女孩、躺在沙发上的女人后面，观众说他饿了、悲伤、动了情，都夸他演得好。三处用的是同一个镜头，脸一点没变。当然Mosjoukine演技好，但这个实验说的是，一张脸是什么意思，不全在脸上，还要看它前后接着什么。 今天的AI，脸已经做得很好，难的恰恰是前后。今年一个专测多人对白视频的评测MTAVG-Bench发现，各家模型的画面和声音大多已经不错了，拉开差距的是互动，谁在说话对不上，轮次接不上，听的人没有反应，镜头不知道该给谁。表现最好的那个模型，画质和语音都在八九成以上，镜头配合却不到一半。两个人分别演得像，不等于在对话，可能只是轮流展示自己。文戏最该问的，不是说话的人像不像真人，是别人说话的时候，他还在不在这场戏里。表演这一行有句老话，表演就是反应。 还有一层是藏。“很悲伤”和“努力不让某个人看出自己悲伤”是两种戏，后一种还得知道他藏给谁看，哪个动作漏了一点，又怎么补回去。写留白那篇我举过海明威的《白象似的群山》，一对男女在车站等车，从头到尾没说那是一场什么手术。让AI来拍，车站、热天、啤酒、珠子串的门帘，都能生成得很好；难的是男人说那其实是个非常简单的手术以后，女孩该有怎样的沉默。提示词写“她内心复杂，表演细腻”，等于什么都没说。 可控也更难。写AI视频那篇提到，《The Arc》一个镜头常要生成八到十次。大场面多抽几次，总能抽到一条好看的；文戏要的不是另一条好看的，是别的都不动，只把一个停顿跟上一句话重新对准。Runway的表演驱动工具Act-Two说得很老实，面部表情调得越足，越容易出瑕疵，调得越收，角色越稳，连表情和长相都还在互相拉扯。所以我觉得眼下更靠得住的路，是让真人先演，AI再把表演搬到角色身上，演员和导演没有被取消，只是换了位置。 改编文学还多一层险，是把留白填满。我在留白那篇引过《项脊轩志》的结尾，庭有枇杷树，吾妻死之年所手植也，今已亭亭如盖矣。最省事的拍法，是给枇杷树一个特写，推到男人发红的眼眶，配乐升起，再加一句内心独白。情绪说明加了，人物却少了。评测也帮不上这个忙，VBench-2.0为了好判对错，人际互动专挑握手、递东西这类看得见的动作。“确实递出了东西”，和“这一次递东西是试探还是和解”，不是同一道题。 前几篇我说今天的AI没有意识，有人会接着说，那它当然演不好戏。我觉得这一步推不出来。演员也不是每晚都真的心碎，观众看的是银幕上有没有发生变化。就像我信AI交来的证明，不是因为它有内心，是因为证明可以一行一行地查。文戏也可以查。拿掉煽情的配乐，人物关系还在不在？把一个悲伤的特写换成另一张同样悲伤的脸，整场戏变没变？ 大场面让人惊叹，这做得出来；好的文戏能让人忘了它是怎么做出来的，只记得那个人为什么没有接话。

曝光 199 · 评论 1 · 点赞 0 · 书签 0