對話貓眼神筆馬良專案技術負責人張蒙：AI如何讓劇本“活起來”？

©️深響原創 · 作者｜祖楊

影視行業擁抱AI的速度超出我們的想象。AI編劇、AI構圖、AI分鏡、AI選角、虛擬拍攝、AI輔助製片管理……各種各樣的AI產品正在滲入影視產業的各個環節。

9月27日，貓眼娛樂釋出了首個面向長劇本解析的動態故事板AI生成工具——神筆馬良，該產品可根據使用者上傳的劇本，進行一鍵智慧分析、智慧角色創作、智慧分鏡創作、智慧臺詞朗讀，實現劇本內容的視聽化呈現。

“我們發現雖然目前AIGC技術對於直接生成影視片段還有較大差距，但是對於創作過程中的某些階段是可以有輔助和加速的可能的，比如角色場景概念圖，專案書，故事板分鏡圖，這些垂類場景就是AI應用產品的空間。”神筆馬良專案技術負責人張蒙告訴「深響」。

不同於能在影片成果中 “一目瞭然”的AI產品，神筆馬良的定位暫時沒有面向最終影視影片的生成，而是面向影視創作的中間過程，生成和傳遞關鍵資訊，輔助後續創作。這或許是影視行業擁抱AI的必經之路——讓AI不再只是噱頭，能為行業提效帶來實際可應用的價值，這也同樣是AI產品商業化的可能性所在。

01

為何要做一個AI分鏡工具？

在影視生產流程中，分鏡起著“承上啟下”的作用：當劇本完成後，在開始拍攝之前，一個必備的環節便是把故事情節內容以鏡頭為基本單位，劃分出不同的景別、角度、聲畫形式、鏡頭關係，這相當於將文字劇本轉化為視覺臺本，後期的拍攝和製作，導演都要以此為依據。

在好萊塢，幾乎每部電影都有專門的分鏡製作團隊。在國內，據張蒙介紹，誰來做分鏡、分鏡產出的質量及時間成本，並不統一。“導演會畫就導演畫，或者攝影畫，也有乾脆不畫的，還有就是請專業的劇本分鏡師來做，這樣成本便被拉高。 ”

劇本轉分鏡領域的痛點顯而易見——不畫分鏡，可能影響著後續的成片，到時候再修改牽一髮而動全身；邀請專業的人工來畫，時間、人力、金錢成本又被放大。

張蒙告訴「深響」，我們選擇劇本轉分鏡這樣一個整體看起來比較垂直，實際對於行業有用的場景來切入，希望能夠較好的解決行業痛點，提升行業的生產效率。

專案落地前，他試用了市面上已有的AI分鏡工具，發現痛點並沒有得到根本解決，“有的是針對生圖功能做設計，需要使用者逐張輸入每個鏡頭畫面的描述，程式複雜；還有的可以接受輸入的文字很短，並不適用於影視行業的應用場景。”

這樣的背景下，神筆馬良的切入方向逐漸清晰——聚焦長文字劇本和故事的理解，幫助創作者把寫好的故事方便快捷的以影象影片等視覺化的方式準確的表達，成為行業創作者的幫手。

今年2月底，神筆馬良進入籌備研發階段，經過半年多的打磨、最佳化，9月底內測上線。內測階段，神筆馬良小範圍地邀請了行業從業者試用，得到的反饋多是“有用有效、降低成本”。

創作者在上傳完劇本故事後，選擇想要的風格，就會得到角色小傳、智慧配音、動態影片，在生成過程中也能隨時根據自己的要求上手修改，從文字劇本到動態故事板，整個過程只需幾十分鐘，節省了人力與時間。

另外，為了真正滿足創作者的實際應用需求，張蒙團隊在設計時也加入了不少產品巧思。

比如流暢輸入長文字。張蒙介紹，神筆馬良對接了多家大模型介面以及開源自建的模型，根據實際情況應用，輸出40集的劇本沒問題。

還比如一鍵智慧幫寫。由於生成式系統給出的結果有不確定性，有的時候需要反覆嘗試調整提示詞，而使用者完整修改提示詞是一個比較麻煩的事情，所以產品設計上增加了一個AI幫寫的功能，只要像對話一樣給AI提出需求，它就能幫使用者完整改寫提示詞。

神筆馬良AI幫寫

目前，神筆馬良是一個初期的1.0版本。張蒙也坦言，1.0版本在內部溝通應用沒問題，比如劇本圍讀環節AI分鏡可以給到很多的參考，但要是導演直接在片場拿去做拍攝指導還需要再最佳化調整。

「深響」試用發現，神筆馬良在解析文字、提煉劇情方面整體較為準確，而在深刻理解角色身份方面上還有提升的空間。比如讓神筆馬良解析《甄嬛傳》第一集的劇本，它可以抓住故事的主要脈絡，對於複雜的人物關係和場景的匹配仍然需要人工干預。

接下來，神筆馬良也會結合著從業者反饋，做下一步的迭代升級。

“對於B端創作者，會最佳化體驗，細化顆粒度，降低使用者使用過程中的除錯次數，結果輸出上，後續我們也會增加角色場景概念圖、專案書的生成和匯出。同時我們也想橫向拓展C端的應用場景，例如短影片短劇製作領域，教育，廣告等，探索更多的商業付費可能。”張蒙說道。

神筆馬良解析分鏡頭

02

AI影視行至何處？

不只是神筆馬良，過去這一年AI如同按下加速鍵。去年大家還是試水心態，今年各種各樣的AI影視工具已經應用到專案生產，市面上也產出了不少的“AI成品”。

新技術新工具如雨後春筍是好事，但在實際操作環節，這些AI工具如何幫助影視生產？AI影視發展到了哪一步？

眾所周知，影視生產多鏈條且長週期，這中間有大量的人力重複工作，也時刻需要創作者腦洞大開、產出創意，無論哪一種，對AI的輔助功能都是剛需。按照生產環節拆分，AI確實深入到生產、管理的各個流程，只不過進度不一。

創作環節，劇本是故事的源頭，也是人的主觀情感作用最大的一環，需要AI輔助來提供點子和參考。2021年，海馬輕帆就上線了類似“AI編劇”的應用工具，如今像影視公司華策、影片平臺愛奇藝、VaaS平臺供應商一覽科技都推出了劇本智慧創作系統。

目前市場上AI編劇的主要應用在兩個方面，一是創意生產，在早期創意階段，AI提供方向，幫助編劇篩選有潛力、有價值的故事線；二是對劇本進行商業化評估，比如人設是否足夠有吸引力、劇情節奏是否吸引人、商業空間多大，一一給出分析，更像是好萊塢常見的“劇本醫生”。

據觀察，讓AI編劇無到有進行劇本生產還有一定距離，但的確帶來了創作效率的提升。一覽科技創始人、CEO羅江春曾表示，原來編劇可能絞盡腦汁一天能寫3至5個情節，有了AI的輔助可能一天能寫的情節可以得到倍數級增長。

在製作環節，採用大資料、AI進行影視綜選角在當下也不是什麼新鮮事。

過去按照傳統影視流程選角，通常是先發布招募需求，進行線下邀約、面試，初步篩選，這種選角模式時間週期長，工作量大，且效率低下。要麼就是“熟人關係”式選角，影響最終呈現效果。

2018年，大IP、大流量失效，影視行業泡沫出清，這也倒催著市場誕生了不少專業的AI選角工具：透過資料評估工作，建立不同型別演員的資料庫和價值評估檔案，讓選角專業化、系統化。比如愛奇藝《中國新說唱》潘瑋柏、鄧紫棋，《這就是街舞》第一季隊長易烊千璽、《長安十二時辰》中雷佳音的選角，就分別出自愛奇藝、優酷推出的AI選角系統。

在宣發環節，AI應用也變得更系統、更智慧。

過去，AI在宣發環節最常見的是產出海報、產出劇照，今年我們發現“AI角色”的應用給影視宣髮帶來了新的空間。

為了能延長使用者的追劇情感、增加劇粉的粘性，愛奇藝、騰訊影片推出了影視劇定製角色AI玩法，在愛奇藝《唐朝詭事錄之西行》播出時，使用者能和角色AI對話，加入主角團群聊；《長相思2》熱播期間，與角色對話、還原經典劇情橋段的截圖在社交平臺迅速出圈，並給劇集實現了一波引流。

在管理層面，AI也被引入製片管理系統。在籌備期、拍攝期、後期階段，騰訊影片就深度應用AI，提升影視工業各環節的工作效率和管理精確度。比如在劇本拆解環節，AI可以快速分析出劇中角色、場景、道具、服裝、造型、場次等資訊，那製片團隊便能根據這些資訊制定資源配置規劃和拍攝計劃，避免資源浪費。還有在預算及財務管理方面，AI技術可以提前對預算支出做異常檢測，給製片人提供風險預警。

從以上生產環節中不難看出，AI在影視行業的作用有兩類：

一種是“做減法”，對於大量繁瑣的資料梳理、資訊管理等工作，進行智慧化管理，比如針對使用者觀影資料進行選角，在製片管理中對場務、拍攝計劃同步，讓流程化繁為簡，幫助節省人力物力。

另一種是“做加法”，對生產環節的創意工作“錦上添花”，比如劇本創作時提供創意點子，生成角色AI和觀眾趣味互動，輔助生產、創新玩法。

按照AI工具誕生的時間線來看，隨著AIGC技術探索的深入，往垂類場景發力、注重實用性是一大明顯趨勢。今年5月，阿里大文娛首個妝造大模型神力霓裳誕生，瞄準的便是古裝劇的妝造創意設計這一應用場景，同樣，9月27日貓眼娛樂的神筆馬良，選中劇本轉分鏡為切入點也是一樣的思路。

“文生文、文生圖等大模型為了廣泛的實用性，只為完成基礎的功能，而各個應用領域的直接需求與基礎模型功能之間的距離，就是應用級產品的空間，在這一層面會誕生不少的垂類產品。”張蒙說道。

雖說AI已經深入到了影視創作環節，但就目前來看，從應用到實際成片、能直接讓觀眾感知到結果，還有一定距離。而且很多AI工具，目前還需要人力上手多次調教才能產出滿意的作品。

在張蒙看來，現在AI應用對於影視創作的影響，還都是在加速影視傳統流程的某些節點，而沒有到改變流程的地步。不過可以明確看到的是，越來越多的AI新工具誕生，正在為影視行業提效開啟更大的空間。道路雖遠，行則將至。

以下是「深響」和貓眼娛樂神筆馬良專案技術負責人張蒙的部分對話實錄：

【關於神筆馬良】

深響：劇本轉分鏡感覺在整個影視鏈條裡比較垂直細分，咱們為什麼選擇這個場景作為切入點？

張蒙：影視行業的創作週期是比較長的，成本投入比較大，真人電影是如此，而動畫電影的情況更甚，這些因素都制約著行業的發展。同時，近兩年生成式AI技術爆發，貓眼也在一直持續的關注，尋找可以和影視行業業務相關聯的應用點。我們發現雖然目前AIGC的技術對於直接生成影視片段還有較大差距，但是對於創作過程中的某些階段是可以有輔助和加速的可能的，比如角色場景概念圖，專案書，故事板分鏡圖等。所以我們選擇了這麼一個雖然整體看比較垂直，但是對於行業有切實有用的場景來切入，希望能夠較好的解決行業痛點，提升行業的生產效率。在垂直專業領域站穩腳跟的同時向其他橫向應用領域擴充套件。

深響：過去在這個場景下從業者有何痛點？AI如何可以輔助解決？

張蒙：劇本轉分鏡肯定是在各個影視拍攝過程中都有的，有一些導演他可能經驗特別豐富，就直接在腦子裡自己畫完，然後再落到紙面上去產出。也有一些導演就習慣找人畫。還有一些像我瞭解到的是找專門的機構/專業的分鏡師去生成，這種形式的成本很高。

深響：能否詳細解析一下神筆馬良的工作原理？相比起市面上已有的AI分鏡工具，神筆馬良有哪些特點？

張蒙：這款產品的主要功能是針對較長的完整劇本或者故事文字進行劇情理解，生成角色小傳以及形象圖，進行場次，鏡頭的劃分，生成故事板分鏡圖，角色配音等。整個流程包括多個任務，基於底層語言大模型和文生圖大模型的能力拆分任務分別處理。包括角色提取，關係提取，人物小傳以及形象生成，拆分劇情，劃分場次和鏡頭，進而生成每個鏡頭的畫面描述，生成鏡頭圖片，根據人物的形象選擇音色，臺詞和旁白配音等功能。

目前觀察市面上的產品，一些主要是針對生圖功能做設計，需要使用者逐張輸入每個鏡頭畫面的描述。另一些可以接受輸入的文字很短，有些是使用者輸入幾句話系統幫忙擴寫故事。這幾種對於普通使用者製作一些簡單故事情節是可以的，但是並不適用於影視行業的應用場景，影視行業領域故事劇本的創作是非常專業且要求很高的。一方面AI的能力還達不到，另一方面，我們也是想以創作者為核心，系統只是提供輔助創作的工具，所以我們並沒有增加AI寫作的部分，而是把精力集中在對與長文字劇本和故事的理解上，幫助創作者把寫好的故事怎樣方便快捷的以影象影片等視覺化的方式準確的表達出來，真正變成行業創作者的幫手。

深響：內測期有沒有邀請從業者來試用？都收到了哪些反饋？

張蒙：上線之前小範圍內邀請了一些行業人士來試用，這段時間也有使用者持續註冊、試用，我們現在收到的反饋就是說大家對於劇本快速生成故事板、拆分成分鏡頭的成品覺得還是挺有用的、也比較有效；也有一些反饋提到了角色小傳的生成對專案創投、專案書製作提供了很大的便利。

當然也有一些改進意見，比如從專業的角度來講，神筆馬良是面向影視劇創作流程，從故事板應用場景來說問題不大，但對於導演直接拿來去片場做拍攝指導來說，顆粒度還不夠細，後續我們也會圍繞這方面做最佳化。其實開始我們也能夠做得更細一些，為什麼沒做呢？我們擔心產品做得稍微複雜一點，大家在初始入門的時候就會有一些使用門檻，會阻礙這個產品的推廣。後續大家熟悉了這個流程，知道我們在做什麼，那我們再沿著更專業的方向去發展一版產品。

之後的升級方向會有兩種，一種就是剛剛說的面向B端專業創作者最佳化體驗，另外一種就是增加圖生影片功能，面向C端。

深響：神筆馬良如何改變傳統的工作流程？可否對比傳統的步驟來談，之前“人工”畫分鏡需要的時間成本是怎樣的，應用神筆馬良之後的效率能提升多少？除了劇本轉分鏡外，神筆馬良的應用場景還有專案提報、創投路演、創意闡釋，能否介紹下咱們在這些場景裡怎麼發揮作用？

張蒙：傳統創作流程中，通常要經過創意，劇本大綱，劇本的文字創作階段，然後透過劇本或者大綱來創作故事板，透過劇本來創作分鏡圖。每張故事板或分鏡圖需要“人工”來畫的話，可能需要幾周時間。但是透過系統可能幾十分鐘就可以完成了。除了故事板分鏡圖之外，我們後續的規劃中也會將角色庫中的資訊提供匯出，生成人物和場景的概念圖，人物角色的小傳介紹等，結合基本的劇情故事板自動生成專案書，這對於專案提報等流程都是比較有用的。

【關於AI在影視行業的應用】

深響：我們之前也跟一些影視從業者聊了聊，大家反饋AI確實越來越多應用了尤其是美術組，但細聊下來似乎大家對概設圖更為看重，您如何理解神筆馬良能解決的需求場景？

張蒙：我覺得目前大家對於概念圖更看重，主要是因為目前生成內容的質量所限，對於概念圖的生成已經可以勝任，但是對於最終呈現的影片生成還有不小的差距。畫面的質量雖然已經很高，但是特別細節部分的可控性達不到要求，為了製作流程做示意可以，離普通觀眾接觸到的最終呈現的要求還有差距。因此神筆馬良的定位暫時沒有面向最終影視影片的生成，而是面向故事板分鏡圖是在影視創作過程的中間結果，主要作用是生成和傳遞關鍵資訊，輔助後續的創作過程，所以我們認為以目前的內容生成水平，在這種場景下是有應用空間和實際需求的。

深響：今年九月份，國產影片生成大模型各種訊息不斷，快手、阿里雲、美圖、火山引擎，包括貓眼娛樂都在上個月宣佈了生成新的工具或者對已有的產品做升級。您怎麼看這一輪大家的密集爆發？現在AI工具的入局者不少，長影片平臺在做、專業的影視公司在做、還有很多的創業公司，您覺得未來這塊會是怎樣的一個格局？

張蒙：我觀察到的目前的產品爆發大致分為兩種，一種就是各大廠的基礎大模型推出，例如快手、火山等的文生圖、文生影片基礎模型。在國內平臺有大量影片資料，足夠的算力資源投入，相似模型架構設計的情況下，國內的模型會逐步追趕並不落後於國外的產品。另一種是應用級的產品，因為從基礎的文生圖生影片，再到實際的各個應用領域，其實都有一定的工作要做，基礎模型為了廣泛的實用性，只為完成基礎的功能，而各個應用領域的直接需求與基礎模型功能之間的距離，就是應用級產品的空間，在這一層面可能會誕生不少的垂類產品，它們使用基礎模型的能力，面向垂直領域的應用場景縮短使用者的使用路徑，提升使用者的體驗，滿足實際應用需求。

深響：感覺像劇本那個製片、管理這種大的環節，其實都有對應的 AI 的產品了，神筆馬良選中了劇本轉分鏡這樣一個特別垂直的切入點，您覺得接下來想再入局，垂直細分是不是就是接下來影視AI的一個趨勢了？

張蒙：我覺得其實也不一定只是影視劇行業了，未來確實是會不斷有新的垂類產品產生。

大模型的能力不斷提升，底層的基礎模型需要是一個泛化性的、適用於各行各業的一個應用場景，所以就不會把某個行業的具體的某些業務邏輯包在這個場景，比如說現在這種對話式的，或者文生影片、文生圖等大模型，都是單元性的基礎功能做得很好，但是這個部分跟某些業務的具體應用場景中還是稍微有一點距離的，那這部分就是剛才提到的所謂垂直行業的產品空間，包括神筆馬良也是一樣的，進一步拉近大模型基礎能力與實際業務之間的距離。

深響：其實觀察國內市面上影視從業者對AI的應用，有兩種走勢：一種是短劇及動畫，由AI全流程生產；一種是在長影片的某個環節具體應用（劇本、選角、宣發），我們理解後者更加類似SaaS的商業模式，從商業模式來看，您覺得未來會有哪些空間？

張蒙：影視創作，包括動畫在內，整個生產過程是一個很多工組合起來的複雜過程，每個任務節點所需要投入的資源和能力也都不完全相同。目前透過AI全流程生產的內容，其實也是有AI逐步完成中間的每個步驟之後串聯起來。目前的AI應用對於影視創作的影響，還都是在加速傳統流程的某些節點，而沒有到改變流程的地步。所以無論是完成單個環節還是整個流程，沒有太大的本質差別，就像某些影視公司可以獨自完成全流程，某些影視公司專注於其中某些環節一樣，都有一定的商業空間。