网络视听大会录音总结

一、漫剧 AI 制作痛点及「我可接力」平台介绍

当前 AI 漫剧制作普遍使用扩散式模型（diffusion），本质是生成式 AI，行业存在三大核心痛点：

1. 反复 “抽卡”，效率极低

• 创作者输入提示词后，AI 生成结果高度随机、靠运气。
• 行业内40%–50% 的返工都来自生成效果不可控。
• 每次生成图 / 视频都要反复试，成本高、周期长。

2. 表情僵硬、动作卡顿、镜头错乱

• 模型对指令遵循度（PE）不足，叙事逻辑弱。
• 人物表情、动作不自然，镜头之间无连贯性。
• 不同人对镜头语言、叙事理解差异大，成片质量不稳定。

3. 流水线复杂，依赖大团队协同

• 流程：剧本→资产→分镜→配音→后期，环节多、协同难。
• 工具虽多，但没有统一智能平台，整体效率低。

「我可接力（WorkRally）」平台核心解决方案

① 专家级 Agent 调度：一次性过稿，告别抽卡

• 通过大模型 + 剧本拆解，理解上下文、人物关系、走位、构图、运镜、色调。
• 解决穿帮、连镜、一致性问题。
• 把 “事后修补” 变成前置控制。
• 实测：准确率提升约 60%，基本告别抽卡焦虑。

② S + 级影视动漫技能库：AI 更懂审美

• 内置头部工作室、导演、视效、美术沉淀的专业技能库。
• 提供：构图、角色表演、动作编排、镜头语言。
• 让非专业创作者也能做出专业导演级画面。
• 效果：AI 不再 “盲拍”，精品内容成本下降，品质上限拉高。

③ 一站式智能流水线：量产 = 精品

• 整合多环节、多模态、多 Agent，形成智能协作创作工具。
• 从剧本分析→分镜拆解→资产生成→对话→打戏→动作编排全打通。
• 实测：精品产能翻 5 倍。

平台理念

• Work：工作流智能化。
• Rally：集结创作者，接力共创。
• 目标：让创作者专注创意与故事，重复工作交给 AI。

---

二、AI 与工业化影视创作的探讨

主讲人：北京电影学院科学艺术研究院负责人

1. 行业共同期待：成本骤降 + 创作自由

• AI 将把重工业级成本降到极低。
• 小团队也能拍大片，实现超级创作自由。
• 打破 S + 头部垄断，腰部团队机会大增。
• 投资逻辑改变：低成本试错，专业创造力成为第一竞争力。

2. 当前 AI 三大技术瓶颈

#### （1）空间理解缺陷

• AI 只学像素，不学真实空间逻辑。
• 复杂长镜头、固定空间连续戏很难做。
• 空间连贯性差是工业级创作最大障碍。

#### （2）表演缺陷

• AI 靠归纳学习，没有真实情感激发。
• 细腻情绪、人物气质、深层表演做不到位。
• 实拍中 “导演 — 演员” 互动体系在 AI 里失效。

#### （3）工业级模型必须细分

• 一句话出电影不可能（仅爱好者玩法）。
• 工业级必须拆分为：故事、梗概、结构、人物、台词等细分模型。

3. 工业化解决方案（可落地）

#### ① 空间问题解决

• 用诗意剪辑、徐克式武侠剪辑弱化空间连贯要求。
• 实拍实景多角度照片，锁定 AI 空间。
• AI + 3D 结合，实现复杂空间连贯镜头（国外正在研发）。

#### ② 表演问题解决

• 强化镜头语言，用镜头传递情感。
• 借鉴动画电影构思方式，控制表演范围。
• AI 虚拟拍摄：真人演核心表演，背景 / 环境 AI 生成。

#### ③ 电影感不会消失，反而更重要

• 影调、照明、色彩、摄影机调度、景深、空气透视不会降低。
• AI 让实现更容易，专业要求反而更高。

4. 未来产业预判

#### （1）创作流程彻底重构

• 导演组、摄影组重构。
• 电影摄影 ↔ 动画专业相互渗透、融合。
• 简单技术护城河消失，复杂技术更重要。

#### （2）产业形态变化

• LED 屏 + AI 重构放映→拍摄→显示全链条。
• 传统院线缩减，家庭级电影屏崛起。
• 深入叙事 + 高端审美长视频不会消失。

#### （3）AI 将掀起「影像造梦产业」

• AI 不擅长传统现实主义。
• 强项：奇幻、科幻、梦境、超现实。

#### （4）AI 与 IP

• AI 虚拟角色成为永久资产：不变老、不生病、不涨价。
• AI 参与 IP 生成，创意成为 IP 一部分。

#### （5）中国影视有望弯道超车

• 国家技术势能（AI、新能源、电动车）。
• 影视是文化输出核心载体。
• 对标美国新好莱坞时代：技术变革 + 观众习惯改变 + 创新爆发。
• 路径：体系化全面创新，学界 + 企业共同牵引。

---

三、创新内容创作能力与应用

1. 核心 AI 创作能力

#### ① 多主体一致性控制

• 支持多人物、多元素同场。
• 输入三视图，保证人物 / 场景资产统一不崩坏。

#### ② 九宫格一键分镜

• 单张九宫格参考图 → 自动生成连续分镜。
• 保持镜头连贯、有效。

#### ③ 实时世界模型（秒级响应）

• 先构建世界观，再秒级出结果。
• 适用：电商直播、数字人直播、互动短剧。

#### ④ 多元生成能力

• 音画同步：音频→视频自动匹配。
• MV 一键生成：音乐→内容。
• 多帧过渡：照片→真人演唱视频。
• Mimic 动作模仿：单张图 / 动作→复刻表演。

#### ⑤ 资产快速编辑

• 一键改发型、服装材质、场景风格。
• 单图→成片 + 自动配音 + 自动剪辑。

2. 实际业务效果

• 生产效率提升 10 倍以上。
• 投放 CPI 远低于人工制作。
• 客户流量最高提升 600%。
• 短剧：多主体、多视图、多风格，保证剧情流畅。

3. 创作者生态运营

• 分层：
• 75% 基石创作者
• 20% 变现创作者
• 5% 超级头部
• 平台引流、分发、商业化闭环。

4. 合作与荣誉

• 合作伙伴：芒果台、京东、出海商家等。
• 获联合国 AI 向善奖项。

---

四、YouTube 平台运营及 AIGC 政策策略

主讲：YouTube 大中华区运营经理

1. YouTube 核心逻辑：频道是可沉淀资产

• 不是单条视频爆火，而是频道长期复利。
• 粉丝回流→持续流量→持续收入→品牌价值。

2. 推荐机制三大依据

• 用户个性化偏好
• 视频表现：点击率、完播率、互动（赞 / 评 / 藏 / 订阅）
• 外部因素：热点、季节、竞争

3. 频道做不起来的三大原因

#### ① 内容不垂直

• 古装、现代、旧题材混杂。
• 算法无法定位受众，推流失败。

#### ② 封面 / 缩略图太随意

• 封面是第一流量入口。
• 做视频多久，就要花多久做封面。

#### ③ 不互动、不宠粉

• 不回复评论，不引导订阅。
• 无法沉淀忠实粉丝。

4. YouTube 对 AIGC 的态度

• 不扶持、不打压，只看内容价值。
• 核心：讲好故事，形式（AI / 真人 / 2D/3D）不重要。
• 禁止：批量无价值重复内容（动物、水果、低质模板）。

5. 合规红线（必看）

#### ① 不实 / 重复内容

• 模板化、批量复制、高度相似→违规。
• 非独家 IP 多账号分发→违规。

#### ② 儿童政策

• 禁止用儿童困境做封面 / 标题引流。

#### ③ 成人 / 色情擦边

• 标题、封面、内容感官刺激→违规。

#### ④ 误导性元数据

• 标题封面与内容不符→违规。

#### ⑤ 隐私侵权

• 模仿名人声音、形象、言论→违规。

#### ⑥ AI 内容必须披露

• 合成 / 加工内容必须声明，不影响创收。
• 建立信任，保护品牌。

6. 版权保护

• Content ID：全球最强版权工具。
• 与未来电视共建AIGC 基金。
• 推出光帆计划：AI 工具大赛。

7. 运营成功三要素

• 深度差异化：拒绝一键生成，人工打磨。
• 独家 IP：锁定版权，避免重复内容违规。
• 合规 + 版权：音乐、形象、音色必须授权。

---

五、AI 对内容创作及 IP 发展的影响

1. AI 带来三大改变

#### ① 创作平权

• 技术 / 工具 / 门槛降低。
• 非专业也能做专业内容。

#### ② 降本增效

• 成本极低、效率极高、传播极快。
• 可快速试错，但社会责任更重。

#### ③ 价值重构

• AI 能轻松做出60 分内容，60 分不再有价值。
• 核心竞争力：文化、IP、好故事。

2. AI 能力边界

擅长

• 人类已有知识、归纳、推理。
• 单维度：快、持久、客观、稳定。
• 剧本、资产提取、画面 / 音频生成、运营剪辑。

不擅长

• 人类未认知的领域。
• 多维空间自洽（叙事 + 画面 + 时间 + 表演 + 节奏）。

3. 人的角色：主导 60 分以上的创作

• AI 负责0–60 分。
• 人负责60 分以上：方向、决策、验收、精细修改。
• 人提供：判断力、审美、情感、逻辑。

4. AI 对 IP 的巨大利好

#### ① 更新更快

• 用户最在意：催更。
• 从年番 / 季番→周更成为可能。
• 案例：《三千皮裤》更至 15 季，用户满意度极高。

#### ② 衍生更多元

• 同一 IP 同步：2D、3D、真人剧。
• 内容协同，覆盖更多受众。

#### ③ 题材更丰富

• 成本下降→敢尝试小众垂类。
• 不再只依赖修仙等安全题材。

5. 行业长期方向

• 回归内容为本、故事为本。
• 自律 + 规范 = 健康市场。
• 用技术为用户提供言之有物、喜闻乐见的内容。

---

六、AI 与 OPC 对科研及创业的影响

核心背景：两大浪潮汇聚

• AI 主导科学研究：2024 年诺贝尔物理奖（辛顿等神经网络奠基人）、化学奖（哈萨比斯、Jumper 等分子预测研究者）得主中，4 位为 AI 从业者，标志着 AI 已从科研工具升级为核心主导力量。
• OPC 政策红利释放：国内 20 多个地区已出台 OPC 相关扶持政策，成都市、四川省近期也落地利好政策，为科研转化与创业提供良好环境。

传统科研商业化的三大痛点

• 不会转化：科研人员 / 高校 PI 团队擅长学术研究，但缺乏商业思维与运营能力，难以将成果推向市场。
• 转化流程复杂：从论文→专利→创办企业→产业化，需多团队协同，环节繁琐、周期漫长。
• 创业门槛高：成立公司涉及注册资金、银行开户、法律合规、财务管理等多个复杂环节，阻碍科研成果落地。

核心价值：AI+OPC 破解转化难题

AI 的技术赋能与 OPC 的政策支持形成合力，为科研团队和创业者提供了更高效的转化路径，降低了从学术成果到商业产品的门槛，成为科研商业化的重要推动力。

---

七、AI 助力软件开发及 OPC 概念探讨

核心定义：OPC 的升华与 AI 软件开发实践

OPC（One Person Company）并非局限于 “一人公司”，而是超级个体借助 AI 实现高效创作与价值输出，软件开发领域的 “小龙虾” 就是典型案例 —— 创始人通过 AI 单人完成软件全流程开发。

AI 助力软件开发的三大基础条件

• AI 模型突破门槛：以谷歌、DeepMind 千问等为代表的大模型，具备 AGI 级编程能力与智能体化编程能力，成为 AI 辅助开发的核心基石（代表基准测试：Bending Bench 2，模拟模型运营自动贩卖机并以销量排名）。
• CLI 命令行工具深度集成：类似黑客影视中 “黑色背景 + 绿色文字” 的交互模式，已深度植入 AI 能力，成为极客开发者的高效工具。
• IDE 集成开发环境可视化：提供图形界面，集成浏览器等辅助工具，支持 AI 自动测试网站 / 小程序功能，降低开发上手难度（代表工具：IT Rabbit）。

AI 在软件开发全流程的应用

• 全环节覆盖：从需求文档提炼、代码生成、测试执行、Bug 修复，到软件交付、用户反馈分析、迭代优化，AI 均可提供辅助。
• 效率与满意度双提升：海外案例显示，AI 开发工具可使开发环境落地速度提升 55%，开发者满意度提升 60%；PayPal 等金融企业应用后未出现安全隐患，验证了 AI 开发的可靠性。
• 闭环迭代模式：软件上线后，AI 可分析用户反馈与服务器日志，反哺需求池，形成 “开发→反馈→优化” 的循环。

OPC 的泛化升级

• 生产力平权：AI 打破技术壁垒，让非专业开发者也能产出技术工具，推动技术型 OPC 普及。
• 超级个体的多维价值：OPC 不仅是 “一人公司”，更可通过多工具复合产出产品，甚至提供社交层面的情绪价值，实现从 “生产力平权” 到 “组织降维” 再到 “存在感升维” 的进阶。

---

八、AI 时代 OPC 核心壁垒的探讨

行业误区：工具与产能并非壁垒

• 工具门槛失效：AI 让图片、视频制作等工具的学习成本大幅降低（2 小时即可上手），单纯掌握工具已无竞争优势。
• 产能堆料过时：AI 数字员工的产能远超人力，未来一人可操控数十上百个 AI 数字员工，传统 “堆人拼产能” 模式被淘汰。

AI 时代 OPC 的三大核心壁垒

#### 1. Skill（能力模块）：可迭代的经验封装

• 定义：将个人专业经验（如影视领域的景别选择、运镜逻辑、光线运用）封装为 AI 可反复调用的模块，无需重复调教模型。
• 关键要求：需随 AI 模型更新持续迭代，否则旧 Skill 会成为负资产（如 C 档 2.0 模型出现后，旧版镜头语言 Skill 失效）。
• 核心壁垒：持续构建、迭代 Skill 的学习能力，而非 Skill 本身。

#### 2. SOP（标准化流程）：基于管理学的高效协同

• 核心逻辑：SOP 的本质是 “管理问题”，而非技术问题，需借鉴管理学思维（如地铁 6S 管理：整理、整顿、清扫、清洁、安全、素养），让 AI 数字员工按规则协同。
• 实践要点：
• 资产分类标准化：文件夹、音频、视频、提示词需打标签，明确项目、阶段、版本，避免调用混乱。
• 输入输出规范化：各岗位（编剧、导演、分镜、美术）需有明确的格式规范与接口协议，确保流程衔接顺畅。
• 竞争优势：因搭建复杂、耗时耗力，多数人不愿投入，成为难以复制的壁垒。

#### 3. 资产（独特性储备）：小众审美与标签化内容

• 行业趋势：大众对 AI 作品的接受度提升，但大众审美的溢价快速消失，小众审美与孤品价值凸显（如《浪浪山小妖怪》经 20 年打磨成为爆款）。
• 核心资产：
• 细节化角色资产：建立 “角色圣经”，明确角色花纹、材质、光线规范、配乐情绪等细节，确保 AI 生成的角色一致性。
• 独特能力储备：包括审美判断、讲故事能力、专属提示词、音频视频素材等，形成强烈的标签化辨识度。

核心结论

• Skill 让 OPC 领先半步，SOP 让 AI 高效为己所用，资产让风格无法复制，三者结合构成 AI 时代 OPC 的核心竞争力。
• 跨界能力、专注力与执行力是超级个体的关键素质，AI 越廉价，人的专业经验与创造力越珍贵。

---

九、AI 时代视频制作领域的变革探讨

传统视频制作的核心痛点

• 信息传递损耗：策划、编导、原画师、剪辑师等多岗位协作中，口头沟通易导致需求理解偏差，反复修改降低效率。
• 部门墙阻碍协同：各岗位虽可能单独使用 AI 工具，但缺乏整体流程整合，导致 “局部高效、整体低效”。

AI 时代的 OPC 模式：蜂群结构

• 核心架构：以 “人” 为中心枢纽（hub），围绕剧本、音效、原画、审核等环节配置 AI Agent，形成 “一人 + 多 Agent” 的蜂群协同模式。
• 核心优势：打破部门墙，减少信息损耗，AI 可快速响应指令并总结用户偏好，逐步实现 “简单指令→精准产出”。
• 现实挑战：AI Agent 在复杂任务中易 “卡壳”，需人持续提供指令、纠正偏差，形成 “人被 AI 压榨” 的反向场景。

超级个体的核心竞争力

• 高端审美与编排能力：AI 可替代机械执行，但无法替代对内容的审美判断、复杂任务拆解能力（将大任务拆分为 AI 可执行的小任务）。
• 从 “平庸手艺人” 到 “高品味指挥官”：AI 淘汰重复劳动型岗位，胜出者需具备 “品味 + 调度 AI 的能力”。

企业级 OPC 的合规保障

• 风险痛点：AI 的 1% 幻觉或员工夹带私货，可能导致品牌翻车，合规审核成为生产力之外的核心瓶颈。
• 解决方案 “谛听”：
• 基于 Neuro OS 神经操作系统，沉淀企业知识库与工作流，专门负责内容审核。
• 支持 22 个国家和地区的语言与文化合规审查，规避宗教、种族歧视、色情爆恐等风险。
• 优先选用备案大模型，降低内容违规概率。

企业落地 OPC 的三大建议

• 组建突击队测试：选拔最懂业务、品味最高的核心员工，组成 2-3 人的 OPC 小组，而非盲目裁员。
• 重构 KPI：从 “按量交付” 转向 “按爆款产出”，支持创意释放，以项目为单位替代传统岗位划分。
• 合规为生命线：建立专门审核机制，避免因 AI 风险导致企业品牌损失。

---

作者：付有为