AIGC网络电影《灵魂摆渡·蝴蝶梦》海报

　　AIGC网络电影《灵魂摆渡·天女之梦》海报

　　AIGC(人工智能生成内容)在电影长片创作领域显示出较高的完成度与观众认可度，为电影工业与人工智能融合发展提供了切实参照，并引发人们对于人工智能与电影创作的进一步思考。在常规印象里，受制于技术条件，似乎“AI不能拍长片”。这一固有认知正在被打破。系列电影《灵魂摆渡·蝴蝶梦》(下称《蝴蝶梦》)与《灵魂摆渡·天女之梦》(下称《天女之梦》)，与即将上映的《灵魂摆渡·公主之梦》共同构成经典IP“灵魂摆渡”的番外篇“浮生梦”系列。这两部影片不仅是长片，而且克服了AIGC影像的“一致性”难题，保持了很好的呈现“一致性”，且制作成本较传统视效大幅下降，制作周期仅为传统电影制作周期的20%。影片对蝴蝶谷、昆仑山等意象空间的呈现，显示出AIGC强大的视觉意象建构潜力。

　　从“志怪”题材入手的文化、技术与产业考量

　　两部影片以“梦”为题眼，构建了虚幻诡谲之境。而选择志怪题材，实则有文化、技术与产业层面的考量。

　　首先，是文化传统的考量。志怪是中国古典小说中的重要文类，内容大抵是天地两界的神怪和人界的怪异事物，具有怪、新、奇以及寄托性、虚拟性等特点。志怪典籍如《山海经》《搜神记》《酉阳杂俎》以及《聊斋志异》为电影创作留下了丰富的视觉资源，其中昆仑神话、九天玄女、蛊术、狐妖等具有极高的辨识度。志怪传统中所包蕴的非现实性、奇幻性为中式志怪影像的想象力建构提供了美学上的可能。

　　其次，从技术与产业上看，奇幻、志怪等需要大量视觉资源的题材，很适合先用AI试水。这类题材实拍成本高，不及AI在场景构建、风格化视觉、虚拟角色上有天然优势，AI能够最大限度地降本增效。据了解，AIGC项目的制作成本与周期可以压缩70%至90%。《蝴蝶梦》《天女之梦》两部长片前后耗时不过四个月。若是以传统制作方式，昆仑双龙大战、蝴蝶谷等场面都需要绿幕拍摄，再通过漫长的后期合成，时间和金钱投入会大幅增加。

　　最后，在观众与市场层面，观众越来越有文化自信，对国风奇幻需求大，中式志怪正好处于传统文化资源与AI视觉奇观的交叉点上。一定程度上，《蝴蝶梦》《天女之梦》的热播代表着“AI+志怪”成为行业可复制的有效配方。不过，这也意味着此种类型面临同质化的潜在风险，如果说传统电影行业的同质化更多体现在类型层面上，那么AIGC时代的同质化则更趋本体化。

　　AIGC影像生成的“一致性”难题

　　一直以来，AIGC更多偏向特效和短视频等轻量化的内容赛道，长视频“被视为AI内容的高难度禁区”。有论者指出“AI视频最大的痛点不是生成能力，而是角色、场景、风格在多镜头、长时长中的一致性”。这一难题首先表现为技术层面的不稳定。导演李锋仅用十天完成AI微电影《霍去病》。他坦言，人物站位与环境一致性一旦超过15秒就极易产生紊乱，生图“抽卡”极不稳定，因此出现网友吐槽的六指手、水桶材质突变、车轮悬空等穿帮问题。由于不稳定性，创作者也不敢轻易替换画面。

　　“一致性”难题的另一面是“一成不变”。其一，AI生成人物的不变，人物面容僵硬、眼神空洞，被网友批评“面具感”“廉价感”，在不同场景中，无论场景与气氛如何变化，人物及表情始终是同一种形态。这种机械的一致性使人物的“活人感”欠佳，是一种“死”的一致性。其二，是表演意义上的“不变”，真正的好表演，要求一种更高层次的匹配。它要求无论镜头、场景如何转换，人物、表情、情绪、情境与戏剧性始终准确匹配，人物的性格底色与情感脉络能贯穿始终，这才是电影演员表演意义上的“活”的一致性。若人脸与表情的一致性问题不解决，AI长片难以承载以人物情感为核心的叙事。

　　对此，一些创作团队通过“人控锚点”策略进行突破，使用AI影视制作平台纳逗Pro实现了“活”的一致性，创造了人物的“活人感”。比如，利用纳逗Pro深度融合剧本、分镜、摄影剪辑等专业能力，搭建“理解、规划、执行、校验、迭代”的全流程影视生产体系，保证场景、人物的“一致性”。在“浮生梦”系列中则更进一步，创作团队采用动作迁移加原班配音策略，以真人表演驱动AI画面生成，为概率输出提供确定性的锚点，真人演员的微表情与内在情绪被转译为角色表演，再通过关键帧、参考图、提示词以及分层审核，为人物注入更准确的细节变化，实现人物外在表情与内在情绪、情境与戏剧性的准确匹配;而原班配音则将人物的“活人感”演绎得更生动。在AI表情一致性难题未解决的当下，真人演员的“在场”仍然是数字影像表演的“活”的一致性最可靠的基础。

　　可以看出，“浮生梦”系列已较好地实现了多镜头、长时长的“一致性”，以及人物表情细节与内在情绪的统一。当AIGC长片制作的竞争从“能不能生成”逐渐转向“能不能一致”，对传统电影产业影响更为深远的冲击到来了。

　　AIGC影片视觉奇观的均值想象

　　如果说“一致性”是AIGC电影制作的产业难题，那么“均值”则关乎AIGC影像的美学本体。机器学习生成的视觉效果是统计学渲染的结果，而非真实物体的影像。此时，影像不再指向事实性，而是指向概率，这被称为“均值影像”。换言之，AI生成的每一帧影像，都不再是“物质现实复原”，而是对数据分布的一次概率采样。

　　在均值影像的基础上，当AIGC进入类型电影的叙事生成，“均值”不仅不再只是认识论层面的挑战，反而可以成为其构建想象力的语法，影像以“可能性”而非“相似性”的逻辑，把未发生却符合概率分布规律特征的影像形态输出为可供消费的视觉奇观。两部影片正是将AIGC影像生成的概率本性，转化为中式志怪题材作品最需要的造景、造像与造梦的能力，实现了影像的涌现效应。

　　首先，造景能力为志怪题材作品夯实了奇观底色。《天女之梦》中将昆仑神话中的天界具象化为双龙缠斗、天女凌空的视觉奇观。这些在实拍中昂贵甚至不可能完成的影像，在均值想象中成为常态。

　　其次，造像通过“AI复刻形象+真人原生配音”对演员形象进行逆时间重塑，避免均值影像在人物形象上的概率性输出。影片中冬青和阿娅的角色取样于演员在《灵魂摆渡》第一季时的形象，无名取样自于毅《灵魂摆渡·黄泉》中的形象，再结合动作迁移技术生成角色的表演画面。这种“真人表演驱动、AI画面生成”的混合模式，既保留了原班人马的情感辨识度，又解决了演员年龄与角色前史的形象错位问题，实现了“索引性”以另一种方式回归，画面虽然是概率渲染的，但声音、动作、表情的底层架构都是与真人实时绑定的，此时人的表演成为均值影像中最稀缺的“确定性”。这一“确定性”增强了银幕角色的活人感，既能吸引新入坑的观众，又迎合了“灵魂摆渡”老粉们对该系列的情怀。

　　最后，造梦作为技术与影像交汇的枢纽，是均值想象涌现效应的结果。不管是《蝴蝶梦》中庄周梦蝶被具象化为蝶影诡谲的世界，还是《天女之梦》中多重梦境构建的琥珀的执念世界，梦境不仅是叙事装置，更是AI对可能世界进行概率采样实现的涌现效应。不过，当AIGC的影像世界中造梦的成本趋向于无限小，想象力本身便成为这个时代最稀缺的资源。

　　这是颇有价值的试验。志怪传统为AIGC电影的创作提供了丰富的视觉素材库，AIGC影像的概率生成逻辑成为电影“可能”的生产方式，真人动作捕捉驱动下演员表演的在场则为“可能”的生产方式注入了确定性，共同构建起了“浮生梦”系列的均值想象，大幅推进了AIGC影像的本体探索。

　　作者系杭州师范大学文化创意与传媒学院教师 侯东晓