完整对话脉络:两位一线 AI 导演的创作、工具与电影野心
1. 同一套工具,两条相反的创作起点:《芒古斯》与《阿明的一天》
Koji 先展示两位嘉宾的代表作:《芒古斯》从蒙古传说出发,把关于厄运与诅咒的故事改写成了亲情与托举;《阿明的一天》则把现代人在多重角色间的疲惫,拍成每天换一件衣服就切换一种人格去上班的荒诞日常。两部片子的起点截然不同,恰恰展示了 AI 如何从两端重塑创作流程。
KK 的路径:先锁定故事骨架,再借 Agent 发散剧本。早在 2014、2015 年,KK 听到九宝乐队的一首民族重金属摇滚乐曲,震撼于歌曲里「姐姐化作巨兽追杀弟弟」的魔幻脑洞;约两年后他又读到同名漫画,从中看出别人尚未讲透的深层隐喻,一直渴望用影像拍出来,但在广告公司上班根本筹不到巨额预算。直到用上 CapCut Video Studio,他先写好一份约 500 字的故事大纲,钉死故事结构、核心内核与人物设定,再在聊天框里与 Agent 反复对话发散,逐步打磨出可执行剧本。加上平时还要兼顾其他事务,《芒古斯》前前后后做了将近两个月。
山音的路径:不写文字剧本,用画面反推故事,三天定剪。身为上戏编剧科班出身,山音拍《阿明的一天》却从头到尾没写过任何文字剧本。创作源于他自身强烈的撕裂焦虑——日常被活动、商务对接和养活工作室切得支离破碎,久久出不了作品。他告诉合伙人「闭关三天不要找我」,只想弄清「把一切外壳脱掉之后,剩下的自己到底想做什么」。手里只有一个模糊念头——「换衣服就像换人格」,他又不太会写复杂提示词,索性把概念直接丢给 CapCut 自由发挥。
山音分享了一个敏锐的创作心理洞察:人类其实不擅长从 0 到 1 凭空构建完整蓝图,更擅长从 0.5、0.6 推到 1——哪怕 AI 吐出的参考里只有 0.4 能用,人一眼就能看出怎么筛、怎么改。当系统生成出「披着狼皮的狼性血性员工」「身穿白雪公主裙的温柔耐心客服」等形象后,画面反过来点燃了他的叙事,情节在脑海中自然成形,从那句话冒出来到最终定剪,全程只用了三天。
Koji 好奇:科班编剧怎么反而不写剧本了?山音解释,传统影视链路冗长笨重——先定文本剧本,再到分镜、现场调度,现场一旦因预算或表演拍不出来,又得派现场编剧返工改本子;可当拍片回归个人创作后,观众最终看到的其实只有一条剪辑轨道。CapCut 从剪辑工具生长出来,与纯画布工具不同,允许创作者直接从剪辑台向外延展——轨道里哪一处缺节奏、缺镜头、缺美术或台词,就即时补什么。
2. 普通人能拍到什么程度?无限画布与「剧本顺、剪辑断」
两位嘉宾虽各有影视或广告科班功底,被问及普通人能否做出同等级作品时,KK 举了非科班创作者 MX Shadow(《丧尸新加坡》)为例,肯定普通人完全有机会,但绕不开三样底功:阅片量、审美积累与节奏把控——知道结构怎么搭、情绪何时收何时放。AI 固然可以提出专业建议,最后拍板采用哪一版的仍是创作者自己。
KK 完整拆解了《芒古斯》的后期管线:定完剧本后,在 CapCut Video Studio 的无限画布里预先生成并沉淀美术风格、角色资产与场景资产;每段剧本对应提示词直接调用资产生成素材,随后一键拖入剪辑轨道做粗剪。他特别强调了前中后期同屏打通的价值:分镜文本看着严丝合缝,真生成成片接在一起时,两个镜头之间却常常缺动作或情绪过渡;传统多工具割裂流程来回倒腾极耗心神,而在同一环境里粗剪发现断层就能立刻改、立刻接回整片看效果。
3. 什么作品能真正打动人:套路温情 vs《积木》的真实记忆
聊到最近被深深打动的同行作品,两人不约而同点名今年初爆火的《纸手机》,以及熟悉好友(与 Y 工作室相熟)的作品《县城里那个爆炸了的发型屋》。山音笑言,刷到后者时没看署名就被简洁而富有音乐性的叙事震住,点开一看竟是熟人,内心立刻涌起一阵「争强好胜」的冲动,拉着片子反复看了许多遍。反观《纸手机》3 月走红后,市面上冒出大批跟风温情片,两人一眼就能看出是冲着流量拼凑的套路——缺少真正击中创作者本人的原点,就很难穿透观众内心。
山音由此讲起去年创作的阿尔茨海默症短片《积木》(对谈中有人盛赞它是看过的所有同题材动画与写实作品里的最佳之作)。当年 AI 工具还很粗糙,他的剧本反复推翻重写了三四遍,合作导演却每次都摇头:「看完不知道你为什么非拍不可,不知道哪一句台词、哪一个镜头是你不吐不快的。」这番逼问成了他此后的创作铁律——动手前别想流量、别套大师剧作法,先抓死那个非表达不可的原点。
《积木》的真正转折藏在他的真实家事里:2018 年他曾凭空写过一篇关于阿尔茨海默症的小说,当时家中没有老人患病,全靠想象写得沉重又充满刻板印象;两年后的 2020 年,外公病危,临终前几个月彻底认不清家人。近距离陪护让山音彻底推翻了早年的想象——患病老人未必时刻沉浸在宏大悲情中,更多时候只是漂浮在不知今夕何年、身边何人、自己几岁的混沌里,直到偶尔猛然清醒的一瞬间,全部记忆与衰老骤然回涌,才涌起巨大的悲哀。他在《积木》开头刻意采用克制、不煽情的手法还原这份混沌感,正是这段亲历赋予了短片截然不同的质地。
4. 「AI 无限,人生有限」:在现场的体验与「眉头一皱」的判断力
Koji 抛出一道所有一线 AI 创作者都在面对的困境:KK 刚用 AI 时创作欲爆棚,一天能出两三条片,如今节奏却明显放慢——生产速度无限放大后,创作者过去十几年攒下的生活经历很快就被掏空了。
嘉宾坦言只能坦然接受,因为真正能打动人的创作都有一个共同起点——「在现场」(音乐现场、家庭现场、真实生活现场)。只有做过第一体验者,才能把体验转译为影视语言;如果失去时间发酵,让 AI 一天硬编出几十个故事,连创作者自己都无感,经过导演转译再损耗一层信息,绝无可能打动观众。正如过去传统导演本就各有节奏——斯皮尔伯格高产、伊斯特伍德一年一部精品、卡梅隆十年磨一剑——AI 导演同样可以沉淀半年憋一部狠片,也可以灵感来袭闭关三天高强度输出。
这是否意味着 AI 在前期构思毫无用处?并非如此。对谈举了去年参加海南 24 小时黑客松做反战短片《华丽一跃》的例子(注:转写文本前后对该片归属 KK 或山音存在交叉):主办方只给 3 个关键词、限时极短、脑中一片空白时,可以让 AI 先吐出 20 个一句话故事,再从中挑出真正击中自己的反战楔子展开成片。山音还指出,AI 对内向创作者极其友好——和真人聊剧本两小时可能寒暄占去大半、只有十分钟触及灵魂;跟 AI 可以直奔主题、免去客套,随时追问「哪里不好、换你会怎么写」。
山音顺势提炼出衡量创作者水平的核心直觉——「眉头一皱」的能力:AI 给你吐出 1,000 字大纲,你眉头一皱觉得不对;改成 500 字又皱一下;再到 800 字再皱一下。AI 自己标榜的「高光反转」往往落入俗套,反而开篇第一句或结尾无心插柳的一句话才藏着灵光。能否守住创作主动权、不沦为 AI 的傀儡,关键就在这一下下「眉头一皱」的深度;而不同导演的风格差异,则体现在面对同样 20 个点子时,每个人最终会被截然不同的那一个击中。
5. AI 导演 vs 传统导演:门槛降在剧组,残酷升在「没有借口」
被问及传统导演与 AI 导演的异同,两人给出了既兴奋又冷峻的对比:
- 不变的核心:导演依然是整部作品最终形态的唯一裁决者与质量把关人。
- 被降低的门槛:传统片场每秒都在烧巨额预算,导演必须精通跨部门协调与高压管理(甚至不得不现场发飙对抗人的惰性,山音自嘲自己不敢骂人,若做传统导演大概率一败涂地)。AI 把筹资动辄上千万的门槛和庞大剧组的沟通内耗一并卸掉,让内向创作者也能独立掌控命运。
- 被拔高的门槛与「没有任何借口」:传统片场里有些「轻松型导演」只需对美术、摄影方案拍板「行或不行」,甚至交给执行导演盯现场;一旦拍砸了,还可以归咎于演员没演技、摄影师不专业、制片没协调好或预算太紧。到了 AI 时代,创作者必须亲自告诉系统焦段、光线、镜头角度、剪辑节奏与配乐情绪,「潮水退去,谁在裸泳」一览无余——片子不好看,纯粹是自己的提示词、剪辑或审美不到位,没有任何借口。
尾声讨论导演性时,山音更抛出一个大胆论断:AI 导演其实比传统导演离影像本身更近——传统导演很大程度上是为了协调剧组而存在,而极小团队加极高决策权的 AI 导演,直接面对的正是影像本身。谈及现实收入,KK 务实承认当下单靠个人创作养活自己并不轻松,收入多少全看愿不愿意接商业广告单;山音自称物欲很低,够吃饭就优先做想被记住的作品,想赚钱时也能接单。AI 赋予他们的不是躺赢,而是在赚钱与表达之间自主切换的自由——以及一个人背负全部成败的更大压力。
6. 工作流大跃迁:从 I2V + PS 修图,到参考图生视频与多模型混用
回顾两三年来 AI 视频工具的剧变,两位嘉宾梳理出清晰的三阶段演进:
| 演进阶段 | 核心特征与痛点突破 |
|---|---|
| 早期 I2V(图生视频)与 LoRA 时代 | 先逐镜生成静态关键帧再转视频。KK 做《芒古斯》之前,约 95% 镜头用 Midjourney 生成,人物长相前后漂移,大量依赖 Photoshop 手工修图,也历经早期不可控与微调模型 LoRA(用于固定角色/画风的轻量适配技术)的摸索期。 |
| Nano Banana 阶段 | 明显攻克了同一人物、同一场景在不同角度下的静态画面一致性难题,上下镜头终于能顺畅衔接。 |
| Reference to Video(参考图生视频) | 自 Seedance 2.0 演进至 2.5 带来范式变革:事先建好人物、场景、道具与美术资产即可反复复用,大幅削减逐镜画关键帧的苦工,大量镜头靠文字描述即可直出。山音去年 2 月拍第一条 5 分钟 AI 片花掉半个月,如今同等体量只需 3 天。 |
谈及为何同时青睐 CapCut Video Studio,KK 指出它集成了多款海内外模型(包含部分本土产品不易调用的海外图像工具)、审美多元,且天然支持中文创作,实现从文本、生成到剪辑的一站式闭环;山音则补充,自己大学学过门槛极高的专业剪辑软件,去年参加海外 Chroma Awards 初次接触海外版 CapCut,惊叹其剪辑门槛之低以及对原生 AI 功能的深度拥抱。
近期两人刚赴新加坡参加 CapCut 全球创作者大会。Koji 借毕加索名言「艺术评论家聚在一起聊风格,艺术家聚在一起聊哪儿能买到更便宜的松节油」,追问大家私下交流了什么真技法。KK 分享了两项刚学到的惊艳功能:其一是在已剪辑好的时间线上直接局部修改成片——客户临时要求换产品、换服装甚至把男主换成女主,不必拆开轨道重做重剪(Koji 笑道「再也不怕演员塌房」);其二是站内自动匹配配乐——过去做商业广告得先导出成片,丢给 GPT 写音乐提示词,再去外部工具生音乐拉回剪辑,如今工具能直接读懂画面节奏与情绪,一站式生成配乐。
既然最先进的参考图生视频模型如此强大,Koji 好奇:为什么同一部片子里还要混用多个模型(按官方节目简介,该段围绕 Seedance 与 MiniMax 等多模型协作展开,转写文本此处将 Seedance 误识为 Stable Diffusion)?两人给出了两条极具体的工程与商业理由:
- 镜头风格与实拍匹配(山音):Seedance 想象力更「飘」,擅长一口气生成需要复杂分镜才能拍出的奇观画面;但他眼下正在拍实拍与 AI 混剪的新片,很多镜头只求一个极克制的固定机位、手持镜头或简单动作去严丝合缝贴合实拍节奏,Seedance 反而会「多余加戏」,因此必须切回其他模型。
- 商业客户的审核节点(KK):个人创作可以尽情用参考图直出视频,但商业交付时,客户往往坚持在静态图阶段先审故事走向、提修改意见,确认后再动起来。直出视频跳过了这个中间确认点,因此商业单依然要保留传统 I2V 流程。
7. 低谷与重启:上戏「十万天兵」、4A 广告「行活」与 AI 时代教育
访谈后半段深入两人的过往转折。Koji 问起山音大一时「电影梦碎」的旧事。山音(转写该段误标为 KK)坦言,考进上戏本以为自己小说、剧本写得不错,进校一看满地都是演出过话剧、才华横溢的同学,仿佛历尽千辛万苦终于当上了「讨伐孙悟空的十万天兵之一」。他焦虑地意识到中国市场根本装不下这么多编剧导演,引以为傲的本事眼看沦为「屠龙之技」,大一起便陷入消沉,甚至一度不愿看电影和话剧。直到去年 2 月(正好赶上 DeepSeek 爆火、每家书店最显眼处都摆着《从入门到精通》)毫无功利心地试拍第一条 AI 短片,一条接一条拍下来,才后知后觉意识到自己其实深爱电影,只是过去被现实死死压住了。今年春节 Seedance 爆火后,大批早已转行做游戏、当老师的旧同学纷纷发消息请教。他给小白的建议只有一句:别先读 10 本书、上 200 节网课,把几张简单的提示词看一眼,立刻开始。
KK 则回忆起 4A 广告十年「郁郁不得志」的积累:创意人第一稿总想做得大胆些,却常被掌握预算的客户压成「太飞了,收一收」;要想做出既有创意又是爆款的作品,既要高情商「卖稿」,又要客户各级老板和媒介推广天时地利人和。他拍过许多超一线明星,成片视觉极其华丽,本质却只是兜售明星影响力的「干行活」(山音接话:心里很空虚),于是攒下一抽屉废稿。2024 年底伊利 AI 广告大赛成了他的转折点——他凭十年服务安慕希、巧乐兹的熟悉度轻松拿下全国冠军,豁然发现 AI 给了过剩创意能量一个出口。山音趁机反驳「AI 让垃圾内容泛滥」的批评:正因为 AI,过去被层层审批扼杀的真正好创意才得以重见天日。被问「若 AI 早来十年人生会怎样」,KK 辩证作答:虽然或许错失了一些早年机会,但正是过去十年锻造了他的审美、价值观与专业方法,他依然心存感激。
顺着职业冲击,两人指出 AI 最偏爱两类人:行动力强、毫无历史包袱的年轻人,以及心怀创意却被旧体系压抑的创作者;最难适应的,则是习惯按套路「干行活」或永远戴着有色眼镜找借口拖延的人(早期嫌粗糙不碰,到了 Seedance 2.5 时代照样会找新借口)。山音以周星驰为例:无论台前幕后,唯有练出高度鲜明的个人风格,才不会被工具浪潮淹没。谈到下一代教育(山音父母皆为教育工作者),两人认为 AI 把教育的核心彻底从「回答问题」(小猿搜题、刷题考 750 分)推向了「提出问题与解决问题」;KK 形象地称之为学会「许愿」——面对全知全能的工具,许多人竟已失去好奇心、许不出一个好愿望。山音也感叹,前沿模型日新月异,90% 的普通人却连名字都没听过,因此他给团队定下硬规矩:每人每天必须向 AI 提 10 个问题,哪怕先问「今天吃什么」,也要在对话中养出求知欲。
8. 站上世界舞台、3 秒生 5 秒的实时影像与 100 万美元投向
随着《芒古斯:无主时代》入围第 30 届罗德岛国际电影节、《Tango》在戛纳科幻电影峰会摘金,Koji 问 AI 是否让中国新一代导演更容易走向世界。KK 肯定地表示,传统好莱坞工业流程天然绑定了叙事与价值观,如今东西方创作者在全新生产力工具上第一次站回同一起跑线;山音补充,AI 打破了过去「先国内优、再出海」的旧次序,让好作品能直达真正欣赏它的海外受众。
谈及跨文化创作策略,两人各走一路:KK 坚持去文字化的普世表达,大幅压缩旁白与台词,让哪怕不识字的观众也能单凭画面与人类共通情感看懂故事;山音受香港求学与多元文化浸泡,刻意避开彼此对「枪车球」或「中国龙」的刻板印象,追求一种「隔着迷雾、似是而非」的文化交融感,让中外观众都感到既熟悉又奇异。
被问及中美等国谁的 AI 导演走得更前,两人均谨慎表示从 Seedance 2.0 算起尚不足半年,全球生态仍在早期混沌中,尚未诞生通达全球的领军人物。但他们指出中国创作者的两重优势:一是 Seedance 等头部工具与平台立足本土,生态活跃、官方活动支持多,创作者不必束手束脚;二是题材视野更广——中国创作者从小看遍好莱坞与欧洲电影,既能驾驭西方题材又能拍本土与少数民族题材,而西方创作者较少涉猎东方语境。山音联想到诺兰近期斥巨资动用胶片与大银幕技术(转写原作 3D Max)拍摄回溯西方文明史的《奥德赛》,满怀憧憬地期待未来三五年里,中国电影人用新技术更有想象力地重述本民族文明的来路,在 21 世纪 20 年代留下被电影史铭记的名字。KK 也坚信「AI 导演」的前缀终会消失,正如今天没人称自己为「电脑设计师」,观众最终只在乎故事与画面本身。
节目尾声,Koji 抛出两个面向未来的问题。第一,如今已出现3 秒生成 5 秒视频的实时速度(生成快过观看),会催生什么新物种?山音判断,它的启发意义远大于传统视频商业化——大语言模型经历过 GPT 与 DeepSeek 时刻,视频模型经历过 Nano Banana 与 Seedance 时刻,游戏领域的爆发可能已站在前夜;他本人正尝试写游戏策划案,探索把影像与实时生成、直播游戏结合,且认为做游戏的 API 与美术资产成本甚至可能比拍 AI 电影更低。
第二,如果每人获赠 100 万美元 去支持另一位 AI 创作者,会投给谁?两人都笑着感慨「现在拍 AI 片其实不太缺那么多钱」。KK 最终提名了花一年心血制作《车迟国斗法》的创作者「大扎秀」,想资助他早日把筹备中的西游记大电影拍完;山音则拒绝投给单一视频作者,宁愿把这笔钱砸向彻底超越十年前「互动电影」旧框架的先锋交互新形态——假设科技停留在 2026 年不变十年,下一代观众究竟会玩出什么前人从未想象过的东西?临近收官,山音道出最令他沸腾的动力:过去电影先锋语言多由海外先驱书写,如今技术平权吹到中国,华人电影人第一次真正握住了定义未来 20 年全新电影语言的机会。
创作流程:把「生成片段」改造成可局部迭代的导演工作台
综合两位嘉宾的实战路径,AI 影像制作之所以从「抽卡拼贴」走向真正可控的电影创作,核心在于把单次生成改造成了保留中间状态的双向闭环:
- 双起点汇流:既可以像 KK 一样走「核心大纲 → Agent 扩剧本 → 建资产 → 生成素材」,也可以像山音一样走「模糊概念 → 先出视觉/角色候选 → 靠画面激发情节 → 反写文本」。两条路并不冲突,都汇入同一条剪辑时间线。
- 资产复用替代逐帧重画:用参考图(Reference to Video)锁定角色、场景与道具资产后,创作者不必再为每个镜头重造人物身份,注意力得以回到叙事与节奏本身。
- 剪辑台即验收接口:文字分镜的连贯不等于视听连贯。只有把生成片段放进时间线粗剪,才能暴露动作断层、情绪跳变或配乐节奏问题,再借助「剪后局部修改」或按镜头需求切换克制型模型做定点返工。
本文自拟例子:假设分镜写着「镜头一:主角推门离开房间;镜头二:主角独自站在雨夜车站」。文字逻辑成立,但粗剪回看时观众会觉得情绪跳转过猛、不明白他为何出走。此时创作者无需推翻整场戏重生成,只需在两镜之间补入一镜三秒的「门把手停顿特写」、叠入一句克制旁白,或改用更克制的固定机位模型微调人物神情,再放回时间线检验整体节奏是否顺畅。
独立判断:生成门槛塌缩后,真正卡住创作者的是什么
「眉头一皱」本质上是隐性审美目标函数,难以靠堆候选自动涌现
生成成本暴跌后,瓶颈迅速从「能不能画出来」移向「为什么这一版不对」。山音形容的「眉头一皱」看似感性,实质是对人物动机、情绪坡度与主题一致性的高频判别器。若缺乏这套判别标准,一次生成 20 个剧本大纲或 50 条视频片段只会制造严重的筛选疲劳;反之,一旦能把皱眉拆解成具体反馈(如「运镜太花破坏了实拍冷峻感」「情绪转折缺少铺垫」),AI 就能迅速成为高效率的陪练与执行引擎。
「在现场」并非神秘主义,但二手观察同样可以成为入口
两位嘉宾借《积木》和《阿明的一天》反复强调亲身经历的重要性,直指眼下 AI 影像同质化与廉价煽情的病灶——创作者自己都没被触动,作品自然只剩空壳。需要补充的是,生活体验并非只能靠自己亲历:深度田野采访、文献挖掘、与真实亲历者共创同样能提供非套路化的细节。真正决定作品有没有血肉的,不是「是不是自传」,而是创作者有没有下笨功夫去理解笔下人物的真实处境。
工具壁垒不在单一「最炫模型」,而在可控性与交付接口
节目中一个极有产品价值的细节是两位一线用户为何坚持混用模型:前沿模型喜欢自主发挥、增加华丽运镜,但在实拍混剪或商业广告交付中,「可控、不加戏、留出静态图审核节点」往往比「单次惊艳」更致命。这也解释了为什么集成多模型、打通无限画布与时间线、支持剪后局部修改的编辑器会比单一文生视频网页更具黏性。评估 AI 视频产品时,应把首次出片速度、局部返工成本、跨镜一致性与客户审批摩擦一并计入总成本。
「没有借口」适合个人励志,但不宜遮蔽工具与商业现实
「AI 做不好没有任何借口」体现了创作者极强的主人翁意识,但在商业现实中,角色复杂表演的精细控制、特定版权与合规边界、客户预算与市场分发渠道依然构成硬约束。同样,对实时生成引爆互动游戏、中国创作者借技术平权重写未来 20 年电影语言的乐观展望,目前仍属于一线从业者的愿景与早期信号,最终还要接受商业变现模型与大众留存的检验。
证据边界与资料索引
本文依据官方节目简介与整期第三方机器转写文本按对话顺序重建,未逐字听审原声音频。原始转写存在若干明显识别与说话人标注误差,本文已结合官方节目简介与上下文作出校正或标注:例如上戏求学与劝学段落原稿误标为 KK(按上下文与节目简介确系山音);关于《华丽一跃》的归属在转写前后存在交叉,正文保留方法本身并注明差异;后半段多模型混用讨论中转写将 Seedance 误识为 Stable Diffusion,早年微调技术 LoRA 误识为 Lola,前文「8.5 时代」对应 Seedance 2.5,诺兰新片技术「3D Max」疑为 IMAX 误识。作品耗时、电影节入围与获奖信息、工具体验及行业趋势均按嘉宾口述与节目简介呈现,未逐项独立复现或核实;机制小节中的镜头算例为本文自拟。