從“數字化”到“智能化”的轉變：AIGC技術主導的電影創作模式發展探究

【摘 要】 隨著AIGC技術在電影創作領域的應用，其創作模式正逐步發生轉變，本文基于技術與藝術融合的視野，探討了AIGC技術如何推動電影創作模式從數字化向智能化轉變。首先，文章從創作工具的角度，分析了AIGC輔助影視創作工具與傳統數字化工具的特征區別；隨后從創作流程入手，結合創作工具的特性推理出創作者身份和創作框架的演變；最后，從創作維度分析了創作內容將從二維向更高維的迭代進化。該研究以期深化電影創作與人工智能技術融合的理論探索，為AI時代下電影產業結構與創作模式的重塑做出前瞻性思考。

【關鍵詞】" 智能化； AIGC技術； 電影； 創作模式

自電影誕生以來便不斷受到技術進步的影響，從早期的無聲電影到聲音與影像結合的革命，從膠片時代的傳統制作流程到數字技術對后期制作的顛覆性創新，每一次技術飛躍都深刻地影響了電影的敘事方法、創作流程以及產業形態，技術的進步始終是推動電影發展的核心動力。[1]隨著人工智能技術的迅猛發展，數字生成領域迎來了前所未有的變革，以Transformer、GPT、Diffusion為代表的生成式深度學習框架在文本、圖像、聲音影像等領域展現出強大的生產能力，在影像創作領域，不同的智能化模塊組合所形成的應用已逐步滲透至電影、動畫、短視頻等影像創作流程的各個環節中，人工智能內容生成技術（AIGC）已逐漸顯現為推動影像表現形式和創作流程演進的重要內驅力。[2]

當下，雖然AIGC生成影像在技術上取得了進展，但與傳統電影創作的敘事深度和藝術表現力仍存在一定差距，其形態更像是托馬斯·岡寧（Tom Gunning）理論中提到的“奇觀電影”[3]，即描述電影早期強調的視覺上的沖擊力和感官刺激，而不是通過連續的敘事來組織影片的內容。[4][5]AIGC技術會對電影形態產生何種影響？電影創作流程會如何優化？電影產業是否會發生轉型？在明確AIGC技術將深刻影響電影創作模式的背景下，回答上述問題對創作模式變革的路徑及其對產業結構的重塑和觀影體驗變遷的研究顯得尤為重要。

本文通過對傳統創作流程進行回溯以及對AIGC技術特點進行總結，系統性分析創作工具、創作流程如何適應生成式人工智能技術的嵌入，探討其在生產效率、內容多樣性、創作者角色等方面的深遠影響，為未來電影創作和產業的發展提供理論支持。同時，探討觀影者在個性化、互動性和沉浸式體驗方面的變化，有助于理解技術進步對文化消費行為和審美期待的重新定義，從而進一步探討人工智能影像技術對未來數字電影制作概念的影響，以及從這種探索中得出見解和反思。

一、從規則驅動到自主學習：創作工具的轉變

在數字化電影的早期創作中，電影制作過程主要依賴基于規則的工具，更確切地說是規則驅動的計算機算法，這類算法依賴于預先定義的規則和邏輯進行決策和推理，而這些規則通常是由專家或程序員手動設計，依據領域知識、經驗或約定的規范進行建模，將輸入數據進行數學表達，利用規則求得最優解。無論是在攝影、剪輯還是后期制作中，創作工具都是基于固定的規則和程序進行操作，在電影后期特效制作中較為突出。例如傳統影像數字化制作所使用的渲染算法，具有代表性的光線追蹤（Ray tracing）算法，是基于規則對光與物體的相互作用進行模擬。光線追蹤技術通過追蹤光線從攝像機反向回溯到物體表面，應用預定義的規則（如反射、折射、漫反射等）來生成逼真的圖像。基于規則的算法在電影特效制作中具有高度可控性和確定性。然而，由于這種對于規則的強約束，傳統數字化工具缺少了泛化性，其更適用于低復雜度和低變化的任務，不適合動態變化和高復雜度的環境。這要求用戶必須擁有較強的知識背景，也會伴隨更多冗余操作。

隨著人工智能技術的崛起，電影創作工具的功能不再局限于簡單的規則運用。AIGC技術通過從大量數據中學習，能夠根據輸入指令和目標自動生成文本、圖像、音頻、視頻，甚至內容，這種轉變意味著電影創作工具不再依賴人為的規則設定，而是能夠自主地進行創作和優化，其技術特點的轉變如下。

（一）自適應優化的轉變

在生成式AI工具出現之前，影視創作工具的自適應性通常是有限的，傳統的創作工具自適應體現在基于規則的自動化、有限的參數調節、人工反饋和手動優化等。它們更多依賴于預設的功能、規則和人工干預，其無法理解語境或無法根據創作過程中不斷變化的需求進行動態調整和優化。傳統的影視創作工具通常側重于自動化某些特定任務（如剪輯、特效處理、音頻混合等），但這些工具通常缺乏“智能”自適應能力，需要創作者明確地輸入指令或進行大量手動調整。盡管這些工具能夠滿足傳統創作流程的需求，但往往依賴于煩瑣且耗時的人工干預，且每一個環節的改動都需要經過長時間的調試和反復修改。例如，在動畫電影的制作過程中，角色動作的設計通常是逐幀進行，藝術家需要考慮角色在不同場景下的運動軌跡、面部表情、肢體語言等細節，整個過程需要反復推敲和優化。而每一細微的調整，往往都需要大量的計算和渲染時間。

與傳統數字化創作工具不同，AIGC技術通過任務目標動態優化模型參數以及基于反饋的強化學習機制，從大量的多樣化數據中學習規律，通過不斷地與環境交互，并根據實時反饋調整其行為或輸出，這使得生成式AI可以在內容生成過程中根據效果動態自適應優化。[6]在電影創作中，AIGC技術能夠根據預設的目標和輸入，自動生成高度符合需求的內容，如場景和鏡頭的自適應調整、虛擬演員的動作和表情自適應、劇本內容與劇情推進的自適應創作、視覺效果和風格的自適應調整等。工具的自適應性轉化使得影視創作過程更加高效、靈活，并且能夠快速響應創作者的需求變動，能夠在創作過程中大幅度減少反復修改的時間和人力成本，從而實現更高效、更具創造力的電影創作。

（二）跨領域泛化的轉變

AIGC技術的泛化性是指算法在遇到未知輸入數據時，能夠有效地應用從訓練數據中學習到的規律，產生準確或合理的預測結果的能力。泛化性是衡量AIGC技術在實際應用中對訓練數據的學習能力和對未知數據的處理能力，例如，一個經過大量貓狗圖片訓練的AI模型，在面對一張從未見過的貓或狗圖片時，仍然能夠準確地進行分類。傳統數字化創作工具通常是為特定任務而設計，提供一套固定的工具集。傳統工具是由使用者手動配置和操作。這使得傳統工具的泛化性較為有限，通常只能在用戶指定的范圍內工作。

與傳統數字化創作工具不同，AIGC工具通過遷移能力，從一個任務或領域遷移到另一個任務或領域，利用在源任務中學到的知識去解決目標任務，在多個創作任務和領域中發揮作用。比如，一個經過訓練的AI模型，既可以生成文學作品的劇本，也可以為該劇本生成相應的場景圖像，甚至基于劇本創作相應的背景音樂，這種多模態能力提升了電影創作效率。從基礎的文本生成到圖像合成，再到動態的視頻制作，生成式AI的能力在多個創作領域逐步取得突破。然而，隨著技術的進一步進化，生成式AI的應用領域開始逐漸延伸至更加復雜的數字生產流程。例如，骨骼動作的生成和面部表情的合成，使得虛擬角色更加生動和逼真，能夠更好地與人類互動。[7]與此同時，群體行為模擬和環境動態生成等高級應用，進一步提升了AI在虛擬世界中的表現力，推動了虛擬現實和增強現實等技術的快速發展。這一變化背后伴隨的是一個更加顯著的趨勢：生成式AI技術開始從單一的創作工具，轉變為以用戶需求為導向的跨領域泛化工具，并提供跨越多個領域的解決方案。這種跨領域的泛化轉變，標志著生成式AI逐步擺脫了對單一任務的依賴，轉向為能夠在多個創作和設計領域中提供支持的智能工具。

（三）平臺定制化的轉變

在當前AIGC技術的發展浪潮中，創作工具逐步進化為以用戶需求為導向的定制化平臺，實現了從單一工具到綜合生態的轉變。傳統的數字化電影創作工具設計和使用以規則驅動為核心特點，功能強大但相對固定。它們通常依賴于預先設計的功能模塊和操作規則，創作者必須按照工具的既定邏輯進行操作，完成任務，功能局限在傳統圖形學的建模、渲染、交互等。這種模式的主要特征包括功能模塊化、固定規則體系等，這些模塊相互獨立，用戶需要根據任務手動切換模塊。例如，在編輯一張圖片時，可能需要先用“選區模塊”選中一個區域，再使用“濾鏡模塊”應用特效，最后用“調色模塊”進行顏色調整。同時，傳統數字化創作工具學習曲線陡峭，用戶需要學習每個模塊的操作，尤其是非專業人士可能難以上手。

智能化創作工具從傳統的規則驅動逐步向自主學習模式演化，AI Agent的應用和低代碼功能搭建的流行，使得創作工具逐步進化為以用戶需求為導向的定制化平臺，實現了從單一工具到綜合生態的轉變。AI Agent能夠與影視創作流程深度結合，高效整合資源、自動化重復性操作，并實時調整策略，提升傳統復雜影視創作流程的執行效率和精準性。[8]此外，傳統的影視創作流程通常需要專業開發人員編寫腳本來實現復雜的功能模塊，這限制了非技術用戶參與創作。隨著低代碼開發方式的引入（如Comfyui、Dify、TouchDesign等），創作平臺正在變得更加開放與靈活，任何用戶都可以快速搭建定制化的工作流。AI Agent和低代碼平臺的結合，提供了智能化與可控性的平衡，有利于開放生態的發展，為人機協同創作提供基石，使創作者能夠靈活調整創作流程，通過智能代理實現高效的個性化內容生成。這種定制化平臺的趨勢將深刻影響傳統的創作模式，推動電影生產的全面智能化升級。

總體來說，規則驅動到自主學習，AIGC技術推動了電影創作工具的全方位變革。傳統創作工具的規則驅動模式，以模塊化、固定規則和手動操作為核心，難以應對復雜和動態變化的創作需求。而生成式AI通過自適應優化能力、跨領域泛化能力以及定制化平臺的構建，實現了從單一任務工具到綜合智能創作生態的躍升。AI Agent和低代碼平臺的引入，使創作工具更加開放、靈活、高效，賦能創作者在復雜流程中進行高效協作和個性化創作。這種轉變不僅提升了電影創作的效率與創造力，也為改變未來電影生產的創作模式奠定了堅實的技術基礎。

二、從線性協作到智能協同：創作流程的轉變

傳統的線性電影創作流程是基于嚴密的時間表和階段性分工組織的，通常由一系列相互獨立且順序進行的步驟構成，常見階段包括前期制作（Pre-production）、拍攝階段（Production），以及后期制作（Post-production）階段。[9]這種創作模式通常依賴專業化的工具和團隊，每個創作環節完成后，創作者需要等待下一階段的輸入，無法實時互動或修改，整體流程相對較為固定和保守。此外，傳統電影創作流程中的每個環節都有不同的專業團隊和創作者參與（如編劇、導演、攝影師、剪輯師、音效師等），每個創作者都專注于自己擅長的領域。這種明確分工讓每個環節的創作都能專注于自己專業的領域，但也導致創作者之間的協作多是間接的，不同環節間的互動和反饋通常需要較長的時間和溝通。因此，傳統的創作流程由于是線性且獨立的，存在制作周期長、創作靈活性低、反饋延遲，以及創作內容的固定性與模板化等問題。隨著創作工具的轉變，電影創作流程也必然會發生深刻變化。生成式AI的引入不僅推進了創作工具本身的效率，也改變了電影創作中數字資產的生產和管理，改變了創作者身份、數字勞工的參與方式等，使AIGC技術背景下的創作流程向智能化、協同化和個性化方向發展。

（一）作者身份的多樣性轉變

AIGC技術背景下創作者的身份正由執行者到決策者轉變，在傳統的線性創作流程中，創作者的角色較為固定，通常是某一環節的執行者，負責按照預定的計劃或標準完成任務。例如，編劇負責劇本創作，導演負責拍攝和導演意圖的實現，剪輯師則專注于素材的整理和影片節奏的把控。在這種模式下，創作者的任務大多是根據已有的框架和流程執行，而對創作方向和內容的調整則更多依賴于較高層的決策。在AIGC背景下，創作者不僅僅是使用工具的操作員，還開始主動設計和調整創作流程，指導AI生成內容，并在創作的各個環節進行決策和優化。例如，導演可以借助AI實時生成不同的場景設計和拍攝效果，編劇可以通過AI自動生成劇本草案，并根據個人創意進行編輯和定制。這一轉變使得創作者能夠有更多的自由度和靈活性，在創作過程中發揮更大的主動性。

此外，創作者身份由單一身份到多重角色轉變。創作者的身份逐漸變得多元化，尤其是在AIGC技術的支持下，創作門檻降低，創作者可以在多個創作環節中進行參與，甚至承擔多個角色。這一變化源于此前提到的AIGC創作工具的適應性和泛化性應用能力。例如，編劇不僅可以通過AI生成劇本，還可以利用AI輔助的視覺效果工具直接設計鏡頭腳本和預演，甚至通過AI語音合成工具修改臺詞，最終形成完整的創作作品。而導演則不僅需要進行拍攝，還要負責指導AI如何優化演員的表現、如何調整剪輯的節奏，使得整個影片呈現出他所構思的藝術效果。創作者的跨領域協作變得更加頻繁，技術工具成為創作者身份轉變的重要載體[10]，使得創作者不再局限于傳統的角色分工，而是能夠在創作流程的多個模塊中發揮更全面的作用。

通俗地說，創作者更像是引導者、篩選者和監督者，通過個人經驗與AI互動來精細調整生成內容的方向。這種引導不僅體現在具體創作環節的調優，還涉及創作思維的引領和框架的塑造，從AI生成的海量素材中篩選、優化并監督內容的發展。

（二）創作模塊的集成化轉變

在AIGC技術的輔助下，傳統電影創作流程中的各個數字化模塊正逐步實現簡化與融合。自電影制作工業化后，創作過程變成高度專業化、標準化。類似于流水線的線性創作模式恰好適應工業化生產的需求。每個環節都有專門的團隊和技術人員負責，確保每個部分都能夠專注于自己的專業領域，根據嚴格的時間和步驟安排，便于規?；a。然而線性創作流程的局限性在于煩瑣的溝通和協作流程。[11][12]隨著AIGC輔助技術的泛化性增加，電影創作的多個環節開始朝著融合和智能協同的方向發展，尤其是大語言模型和Diffusion Transformers（DiT）框架的出現，使得創作內容的生成過程更加一體化。例如，AI生成的劇本不僅可以在創作時自動生成分鏡，還能提供即時的場景、道具、角色設計等支持。更重要的是，AI可以根據實時反饋進行自我調整，無論是對劇本內容的修改[13]，還是對視覺效果、音樂等的創意輔助[14]，都能在同一個工作平臺上完成，減少傳統流程中模塊之間的溝通與協作成本。

這種創作模塊集成化的轉變，也為電影創作者提供了更多的創作自由度和靈活性。創作者不再局限于傳統的分工協作，而是可以在一個集成化的創作環境中，通過AI技術的輔助，實現主創人員對多個創作環節的深度參與和調整，突破了傳統創作流程中各環節之間的壁壘，降低溝通成本，實現更加精簡與高效的團隊合作。

（三）創作過程的實時反饋轉變

在AIGC技術的輔助下，電影創作流程的反饋速度得到了顯著提升，正逐步實現創作過程中的實時性反饋。在傳統電影創作過程中，各個環節的創作任務相對獨立，每一階段的創作成果完成后，創作者需要等待下一階段的任務完成，才能對整個創作過程進行調整或優化。這種基于階段性反饋的創作模式，往往導致創作周期的延長，影響創作效率和靈活性。例如，在視覺效果（VFX）制作階段，特效團隊通常會根據導演的要求進行特效設計并交付。然而，導演在觀看特效后的反饋可能會要求大幅度修改特效內容，這種修改往往需要重新進行大量的計算和設計，并且可能會影響其他創作環節的進度，從而延長整個創作周期。

基于AIGC技術的輔助創作工具的核心優勢之一在于高效的即時反饋和交互能力。借助該能力，創作者能夠對內容進行有效引導的快速迭代和優化。[15]例如編劇可以在AI生成的初稿基礎上快速調整情節或人物設定，AI則會根據修改的方向即時生成劇本優化后的版本。同時，創作者可以實時對創作過程中內容的局部細節進行重置和優化，無論是在劇本創作、視覺效果制作還是后期編輯階段，創作者都可以在AI生成的內容基礎上進行即時修正。此外，AIGC技術能夠提供更加直觀和交互式的創作體驗，如虛擬制片，創作者可以在創作過程中與AI進行實時互動[16]，動態調整創作內容[17]，例如動態調整場景光照、顏色調節、物體排列等。[18]

總的來說，AIGC輔助創作技術的推動將會優化創作流程，從而進化出更適用于生成式AI最優的工作流程。創作人員、創作模塊與創作過程都將朝著智能化、協同化和個性化方向發展。創作流程將更加關注創作者的創意思想，團隊協作也將會發生變革，從而影響電影產業的發展。

三、從低維影像到高維交互：創作維度的轉變

電影創作的內容正經歷從傳統的低維影像到更加復雜的高維虛擬現實影像、交互敘事影像等內容轉變。隨著AIGC輔助技術帶來的生產效率提升，其生產能力將逐步滿足沉浸式體驗、虛擬現實（VR）、增強現實（AR）以及交互式敘事方式的工業化生產能力，這使得創作內容不僅僅局限于視覺層面的單一呈現，更擴展到多維度的交互和沉浸體驗，從而賦予觀眾全新的感官與情感互動方式。AIGC技術推動了影像創作的跨越式發展，使得創作者能夠在更高維度的空間里進行自由的創作與探索。

（一）創作空間維度的轉變

隨著三維圖形技術的進步，電影創作逐漸從二維空間擴展到三維虛擬世界。三維空間的引入為創作提供了更大的自由度[19]，電影不再是單純的鏡頭敘事，而是開始加入更多的虛擬場景、復雜的動作捕捉和計算機生成影像（CGI）。在這一階段，虛擬現實技術也開始進入電影制作的領域，創作者能夠在三維虛擬環境中自由創作，重新構建電影世界中的每一個細節。但即便如此，三維電影創作依舊存在一些技術瓶頸。例如，三維建模和渲染的高昂成本，復雜的后期制作流程等，這些原因限制了這類創作方式的普及。直到AI技術的快速發展，尤其是如三維高斯噴濺技術（3D Gaussian Splatting）以及基于三維卷積核的生成式AI技術的發展，將會使得三維空間中的數字資產創作和編輯變得更加平易近人。例如虛擬現實影像制作通常需要大量的數字資產（如三維模型、虛擬角色、紋理、光影效果、場景布局等）。傳統的制作方法要求手工創建或修改這些資產，耗時且勞動強度大。基于AIGC的智能化創作工具通過自動生成三維模型、材質、動畫，甚至群體模擬，降低了制作門檻。通過這種方式，創作空間的擴展不再受限于傳統的二維影像技術，三維虛擬創作空間逐漸向更加多元化和可交互的方向發展，創作者可以在這一空間中自由探索和表現。

（二）觀影體驗維度的轉變

AIGC技術的影視創作工具能夠將交互設計納入創作輔助的范疇當中，基于AIGC技術的工具憑借自適應性和實時生成與反饋的高效性，理論上能夠通過分析觀眾的觀看習慣、行為特征和情感反應，為每位觀眾提供個性化的觀影體驗。例如，電影中的情節、角色甚至結局可以根據觀眾的選擇進行動態調整，滿足不同觀眾的偏好和需求。觀眾可以在不同情節節點做出選擇，決定角色的命運、故事的走向，甚至影響最終結局。這也加速了電影從線性敘事到非線性敘事的過渡。[20]

AIGC技術的實時交互內容呈現能力不僅在創作過程中帶來深刻變化，還大幅度提升了觀眾的參與度，進一步推動了觀影空間和觀影體驗的轉型。這促使觀眾逐漸從單一的“大銀幕”觀影模式轉向“小屏幕”上的互動體驗，具體表現為移動設備（如智能手機、平板電腦等）和VR頭顯的廣泛應用。基于AI驅動的虛擬角色允許觀眾不僅能根據自己的需求選擇和角色互動，還能參與到創作過程中，通過智能工具輔助生成定制化故事情節內容，從而改變觀眾身份，為觀影者提供維度更高的觀影體驗。

總體來說，AIGC技術的應用推動了電影創作空間維度與觀影體驗維度的雙重革新。三維圖形技術和AIGC工具的結合使得電影創作不再受限于傳統的二維呈現，創作者能夠在更自由、更復雜的三維環境中進行創作，探索多維度的虛擬場景、角色與互動元素、非線性敘事等，為電影創作開辟了全新的創作和表現可能性。

結語

AIGC技術的引入將為電影創作帶來變革，從創作工具、創作流程，以及創作維度的分析可以看出，未來的電影創作模式將會向智能化輔助創作、智能化個性定制以及智能化媒介融合方向發展。AI技術的普及為創作提供了更大的自由度和可能性，二維影像的創作群體將從傳統的大規模集體協作轉向個人創作，而團隊協作的模式將會轉移至更高維度的虛擬影像創作和交互影像創作的復雜協作的大型項目中，這種合作更強調跨學科協作，創作群體未來的電影創作將不再僅僅是技術與藝術的結合，而是一個全面融合數據分析、創意引導、內容生成、智能決策的創作過程，真正實現電影創作的人機共創模式。

參考文獻：

[1]崔鵬.技術視角下的電影發展史：藝術與技術“共生體”[ J ].電影評介，2024（11）：101-106.

[2]陳洪偉，張洋.全面數字化生存視域下“人工智能引擎電影”（AIEM）的出現與發展[ J ].當代電影，2023（12）：82-90.

[3]Gunning T.The Cinema of Attraction： Early Film， Its Spectator and the Avant-Garde[ J ].Wide Angle，1986（03）：63-70.

[4]李蕊.從多重曝光到AIGC：技術變革與影像奇觀[ J ].當代電影，2024（05）：157-162.

[5]鄭思遠.電影奇觀審美研究[D].長春：吉林大學，2023.

[6]劉紹龍，段佳鑫.生成式AI驅動的電影技術創新——SIGGRAPH 2024 AIGC相關研究綜述[ J ].現代電影技術，2024（10）：21-28.

[7]陳焱松，郭同澤.AIGC視域下電影技術人機協同策略研究——基于SIGGRAPH ASIA 2023的觀察[ J ].現代電影技術，2024（04）：31-37

[8]劉紹龍，趙曉雨.虛擬數字人新范式：SIGGRAPH ASIA 2023電影制作相關研究綜述[ J ].現代電影技術，2024（03）：4-11.

[9][12]梁國棟.人工智能生成內容對動畫創作的影響研究[D].景德鎮：景德鎮陶瓷大學，2024..

[10]張明浩，于映菡.人工智能算法時代的電影理論——從電影的“主體”重構與“主體論”理論擴容談起[ J ].電影評介，2024（13）：15-21.

[11]孫文倩.人工智能技術輔助下的圖像生成藝術創作研究[D].上海：華東師范大學，2023.

[13]孟可.從文學到代碼：人工智能編劇的創作邏輯與應用前景[ J ].現代電影技術，2024（01）：50-56.

[14]Zhao Xiaolei， Zhao Xin，.Application of Generative Artificial Intelligence in Film Image Production[ J ].

Computer-Aided Design and Applications， 2024（21）：15-28.

[15]陳焱松.AIGC技術在人工智能電影創作中的應用策略研究[ J ].現代電影技術，2023（09）：39-45.

[16]Zhao M， Li B， Zhang X.Application of AIGC in the design of film and television props[ J ].Transactions on Computer Science and Intelligent Systems Research，2024（03）：70-74.

[17]蘇濤，王晨旭.協同·創新·融合：AIGC驅動下的影視產業智能化變革[ J ].電影評介，2024（14）：8-14.

[18]Wang J， Huang X， Yang Z， et al.， 2023. Construction of Artificial Intelligence Generated Content in Digital Film Production[C]//2023 IEEE 22nd International Conference on Trust， Security and Privacy in Computing and Communications （TrustCom）.United Kingdom：Exeter，2023：2621-2628.

[19]周雯.虛擬現實藝術：基于四重維度的考量[ J ].中國文藝評論，2023（08）：14-28+125.

[20]陳焱松，周雯.人工智能影像敘事的涌現化生成[ J ].當代電影，2024（05）：14-20.

【作者簡介】" "劉紹龍，男，山東濟南人，北京師范大學藝術與傳媒學院博士后（在站），博士，主要從事人工智能內容生成、計算機動畫、數字藝術、圖形學、虛擬現實等研究；段佳鑫，男，山西晉中人，北京師范大學藝術與傳媒學院碩士生。

【基金項目】" "本文系中國博士后科學基金第75批面上資助（編號：2024M750215）、中央高?；究蒲袠I務費專項資金“智能媒體時代中國文化對外傳播敘事策略與效果研究”（批準號：1233300009）階段性成果。