AI 圖像生成：種植還是狩獵
——AI 視頻工作流探討

編輯：劉小賤 文：郝大鵬 （專欄內容節選自郝大鵬文章《AI 圖像生成：種植還是狩獵》）

AI 從無到有，這個過程人類一直在幻想美好的科技未來，還在顧慮重重地糾結于如何面對人工智能技術。大量的影像創作者開始質疑 AI 圖像和攝影的關系，或是和動態視頻的關系。這是觀念的碰撞，更是對于AI 創作認識不夠深入而產生的些許誤解。

專欄作者

郝大鵬

導演、攝影師

中國電影電視技術學會，攝影攝像專業委員會委員，電影作品《戈壁接觸》，獲芝加哥國際獨立電影節最佳劇情長片獎，并入圍尼泊爾國際電影節、FIRST電影節等多個國內外電影節展。紀錄片作品有《一路百年》《聲音傳奇》《美人谷》等。

什么是人工智能中的 AIGC

當我們去討論 AI“創造”的畫面時，其實已將 AI 理解得過于龐大。對于AI 的“創作”，更貼切的理解應該是AI對于內容的生成。它可以文字生成（AI Text Generation）、圖像生成（AI Image Generation）、語 音 生 成（AI Audio Generation）、視 頻 生 成（AI Video Generation）。我們使用的AI軟件或AI在線服務，即是在使用生成式人工智能AIGC（Artificial Intelligence Generated Content）。它可以創造畫面和視頻，但它已并非攝影行為。

很多人在質疑這類 AIGC 內容是否可以做展覽，也在尋找 AIGC 和攝影之間的關聯證據，離間切口，或者對立現象。其實大可不必，圖形圖像包含的種類很多，攝影只是其中的一部分，如今我們看到的現象，更多的是身份之爭，攝影師身份和攝影藝術評論家的身份并不限制他們制作任何的圖像，也并不只有攝影作品才能“上墻”，至于攝影節展覽進行 AIGC 單元的設置，也許更多的是一種迎接未來的姿態，因為不管你是否接納這件事情，它已經到來，與其這樣，不如先在行動上把它們攏在藝術范疇和藝術空間里。

Runway 的 GEN-1 界面

使用 AI 是“種植”還是“狩獵”

卡帕說，你拍得不夠好，是因為你不夠近。小川紳介導演用“種植電影”的執念來進行創作。總之，在影像創作的過程中，我們有途徑來規定、矯正和觸達內容以及呈現方式。藝術家如同農民，可以規定自留地中生產小麥還是玉米，花生還是高粱，可以養雞種菜，可以殺豬宰羊，可以決定今晚吃番茄雞蛋還是手抓羊肉。創作的方法論可以豐衣足食。

可在 AI 的沃野上，這些自留地已經“元宇宙”化，它們虛擬，它們動態，它們龐大。在數據和靈感的動態平衡中，農業般的創作方式已經回歸到狩獵狀態。藝術創作沒有了“節氣”和“種子”，更多的是碰見什么就吃什么，不可控成為 AI 圖像現有的魅力所在。如同不斷地燒窯，窯變看似有規律，卻又是門玄學。AI 圖像的創作不來源于畫面的直接信息傳達，而來源于自洽、辯解和傳說。

這種過程如同讀海明威的小說，得到獵物并不是故事本身，得到和失去獵物的過程才更有藝術性和藝術價值?？蓜撟髡呤窃卺鳙C，他們是漁民或獵人，他們不一定是精彩的演說家。把這個邏輯移植過來，在AI圖像創作的過程中，畫面好像并不重要了，而是那些關鍵詞、關鍵詞方法顯得更加重要，可關鍵詞卻又不一定可以被驗證。

于是創作回歸到“原始”狀態，然后我們可以理解原始部落中為什么會有“巫師”。

電影《芭比》和《奧本海默》聯名預告片，使用 AI 工作流制作的《芭比海默》

AI 如何融入視頻工作流

AIGC 有明確的工作流。這里以動態影像創作電影的工作流對比舉例，電影的制作是從劇本到畫面的轉化，從文本模式到圖像模式，要經歷劇本創作、美術創建、畫面拍攝、剪輯組接、調色輸出、銀幕放映這幾個環節。導演、攝影師、美術指導、聲音指導、特效師、剪輯師、調色師等作為藝術家參與其中。AIGC的工作流也符合這個規律，攝影還是攝像，只不過是創作者選擇靜態圖片輸出，還是選擇動態影像輸出而已。

文本創作（AI Text Generation）可以使用 ChatGPT （OpenAI 公司），它更加理性和精準；Claude （Anthropic 公司）對劇本創作來說更有情感的共鳴，或是 Dramatron（Anthropic 公 司 旗 下DeepMind 公司），它是一個標準的劇本生成工具，可以明確提供出分鏡頭設計和對話寫作，符合編劇的工作思維和寫作流程。

圖像生成（AI Image Generation）主流方式使用 Midjourney（搭載在Discord 社區上使用），它是快速生成 AI制圖并開放給大眾申請使用的平臺，我們可以理解為它提供 AI 制圖服務。Stable Diffusion（Stability AI 公司）是一款AI繪圖軟件，通過不斷的迭代，它已經可以從圖片繪制升級生成視頻片段。

在 Runwayml 網站上可以看到大量 AI 生成的視頻內容

筆者使用 Claude 來進行原創科幻短片《冥王星時刻》的腳本和分鏡創作

視頻生成（AI Video Generation）可以使用直觀的在線軟件Runway（Runway ML公司），對于視頻創作，它的很多AI功能都非?？焖儆行?。其中Gen-2 可以完成文字和圖片生成視頻（Text/Image to Video），通過文字描述和圖片實例來進行動態畫面的生成，例如使用 Midjourney 中得到的畫面來生成隨機運動效果，不過這樣的操作隨機性很大，Runway 也在不斷地升級，讓創作者詳細控制運動節點和關鍵幀。除此之外，Runway 還可以通過起始幀來添加關鍵幀，從而把圖片轉化為視頻，以及直接進行畫面分層摳像等，通過 AI 的強大算力來完成之前復雜的視頻特效效果。

現階段的 AIGC 制作中還存在幀畫面連續性不高（表現為畫面抖動），以及畫面分辨率過低等問題，這就需要一些輔助類軟件來彌補工作流?？梢允褂肊BSynth 這款自動動畫插幀的工具，指定關鍵幀來補全中間流暢的過渡幀。以及使用 DaVinci Resolve（Blackmagic Design 公司）來降低畫面抖動，并對影片進行調色。另外，Topaz 軟件對于攝影師并不陌生，它是一款圖像處理和視頻增強軟件，可以提升畫面的分辨率，從而滿足展覽和放映的需求。

使用達芬奇軟件完成科幻概念短片《冥王星時刻》的剪輯制作

使用達芬奇軟件對鏡頭進行調色

在 Runway 頁面中使用 GEN-2 完成圖片轉化為視頻的工作

Curiousrefuge 公司使用 AI 工作流制作的韋斯安德森風格的《星球大戰》

攝影早已 AI

現在的相機工作原理通過神經網絡的深度學習，令攝影師已經不知不覺在使用到 AI 智能方式創作，只是這些功能在相機術語表達中被去“AI”化了。這些相機和攝像機的人臉識別功能、眼部對焦功能，都是相機芯片通過大量 AI 深度學習才可以達到的技術功能。有 AI 芯片的無反相機，在拍攝人像時，即使人物處于復雜環境下或臉部被遮擋時，人體姿態識別技術也可高精度地捕捉和跟蹤主體。

佳能的 EOS R6 MarkII 和索尼Alpha 7CR 等相機還可以識別鳥類、昆蟲、汽車、火車和飛機等主體，并且能同時追蹤對焦多個物體，而曝光補償、降噪、去馬賽克等功能更是不在話下，這些其實就是AI模型帶給攝影師的禮物，可攝影師卻還在擔心AI正在毀掉攝影。

除了硬件的 AI 技術提升，現在相機廠商也在推出基于神經網絡算法的 AI 軟件工具，例如佳能推出的 “RAW 顯像”軟件插件 Digital Photo Professional。它能通過基于深度學習得到的數據，對使用兼容相機、鏡頭拍攝的 RAW 圖像做出優化。不只簡單地應對之前提到的拍攝問題，還可以針對衍射、高光溢出、色暈等鏡頭進行畫面優化。

攝影類 AI 軟件還可以進行類似Topaz 軟件的操作，它支持 JPEG 和TIFF 文件，可以將長、寬分別擴大 2 倍，最終得到一張 4 倍像素的照片。相比常見的插值放大方式，可以恢復更多圖像細節，得到更精細的畫面。既適合鳥類、野生動物、運動等依賴裁切放大的題材，也有利于需要大尺寸打印輸出的用戶。這類軟件和Adobe Lightroom / CameraRAW上的類似功能相比，也不會存在其他優化（降噪、鏡頭優化、去馬賽克）與提升分辨率只能二選一的情況。以鳥類拍攝為例，我們可以先裁切出包含鳥類主題的畫面局部，再做擴大處理。

其實攝影早已 AI，只是比較低調而已。這些基于芯片提升的功能是大量技術累積造成的結果。而相比于以上提到的工作流，AIGC 藝術家還在不斷地探索，AI圖像生成也只是這些 AIGC 的片段而已，存在即合理，這樣的創作方式也是特定環境下的一次圖像爆發。面對 AIGC 的工作流，各個 AI 公司的迭代都很快速，現在需要多步完成或者尚有操控瑕疵的功能，可能在軟件升級之后就會得到解決，而且這樣的升級越來越快，基本是以周為單位的。

正視 AI 善用工作流

AIGC 最終還是要回歸到創意和創意的落地上，回歸到藝術家的表達和選擇上。至于技術，只會愈加地完善；至于技術的學習，在 AI 環境下,也許稱之為得到技術服務才更能為貼切。攝影和攝影藝術并不會因為AI圖像的出現而遜色，相反這種根植在真實環境，被生活所包裹的藝術行為會更加珍貴。畢竟我們應作為 AI 的獲益者，用 AI 來提升攝影，這樣才更為貼切。