与AI技术在各行各业中深入应用一样，AIGC（人工智能生成内容）技术正在深入电影创作的各个环节。随着数字影像资产的内存扩容与视觉垂类大模型的日渐成熟，AIGC技术在剧本内容构成、数字人物设计和后期音效配置等方面展现出强大的辅助能力。更重要的是，AIGC在审美场景上的极速生成对电影创作产生难以预估的深远影响。通过数据调用和图景任务衔接等技术，AIGC大幅度提高了创作效率，帮助电影创作者在视听效果和情感表达等多个层面实现创新，极大丰富了电影艺术手法的可选项。
生成算法和场景设计工具，持续产出与创作意图更相契合的场景。在当前电影创作实践中，AIGC应用已逐渐被部分创作者熟悉并接受，在场景设计、审美形式和情感融汇等多个方面进行实际操作。创作者快速突破了传统电影制作中的技术限制，在极速涌现的生成式图景中高效实现了自我创作意图。尤其是对于电影制作中的短片而言，相对便利的AIGC技术保障了创作的灵活度与自由度，时间成本与投资成本显著低于传统制片，使AIGC短片成为电影创作者的新理想实验场，这在场景设计和审美成效方面，成果尤为突出。机器学习逻辑为AIGC技术提供了几乎没有数量限制的数字图像资产，艺术作品、电影影像和摄影手法构成大数据集成，不同风格特点、不同形式效果的视觉场景能够在较短时间内反复生成并改换。创作者在给出一连串指令后，就能够迅速获得古往今来的各种风格类型，无论是现代主义、后现代主义、超现实主义，甚至是未来主义、数字故障主义等，独特的画面语言总能连续不断地输出在屏幕上。
2025年8月，中国首部AIGC微电影《音符中的密码》在长春电影节上发布，影片由长春电影集团领衔出品，长12分钟，全部由AI生成。在这部微电影中，AIGC的技术赋能使得场景设计的创作空间得到极大扩展，也为老长影人的演员形象数字化提供了梦幻般的再造可能。李亚林、刘世龙，这两位曾经在中国电影历史上塑造过众多角色的表演艺术家，借助AI数字人技术，再次表现出他们艺术生命的生动一面。另外，该片由国产可灵AI提供深度技术支持，以12分钟的片长浓缩了一个超长历史跨度的代际故事，历史场景更是包含了多次转场。1949年前的北平与改革开放后的首都北京，城市街景在人物视野中已经表现出较高的区分度与辨识度，场景图式与人物的情感走向也密切呼应。
具体来看，根据《音符中的密码》所特有的创作需求，AIGC技术构建了多个既富有历史现实感，又部分带有情感表现色彩的故事场景，以视觉效果的多样性有效烘托了人物的内心刻画，增强了短片的情绪感染力与艺术感染力。要知道，传统电影创作中的勘景、取景与选景往往需要花费大量前期准备时间和制片成本，而在进入实际创作阶段后，又可能受限于实际的空间条件，现实环境变化和不可预知的物理因素共同构成阻碍拍摄的不可抗力。AIGC通过有针对性的生成算法和场景设计工具，有助于快速实现创作者的预期，完成个性化的场景构建，并根据剧本内容发展、情节变化以及人物情感的走向，在自动化生成的过程中，持续产出与创作意图更相契合的场景。
结合个性化指令，实现稳定而连贯的一致性影像生成。根据《音符中的密码》场景构建经验来看，AIGC在涉及连续影像的生成时依然面临一系列新技术难题，重点在于如何确保影像在大致细节和主线情感上的一致，做到主题连贯且风格稳定的持续输出。
目前，AIGC短片中的连续场景难以保持前后一致。由于生成时长的差异，或者个性化指令间的细微差别，画面间存在色调不衔接、光影不统一、视觉效果不连贯等问题。另外，由视觉算法生成的物体形象或角色形象在不同的镜头关系之间还可能出现波动，甚至因为AIGC在空间智能方面的缺失而出现明显不符合物理规律的变形或动作不协调的运动。继而，随着情节推进，AI生成的数字人影像也因为不具有自身运行的情感逻辑脉络，而难以有效地步步增加角色情感变化，阻碍了观众对电影叙事的共情与投入。
针对上述新技术影像难题，AIGC技术的研究者和开发方做了大量行之有效的新实验，攻克重点主要包括：以时间序列和机器记忆来提高镜头间的连贯性，以物体追踪和情感驱动来保持场景与角色的稳定性。
通过构建时间序列的学习模式，AIGC能够捕捉到一帧一帧影像中的变化规律，通过识别并记得上一帧的内容，再根据其中的关键信息来生成下一帧，由此避免了叙事中角色和场景的突兀变化。同样，通过物体追踪技术，能够使生成连续影像的AIGC更为精准地跟踪和定位角色和物体在空间中的位置，根据物理规律来计算并模拟角色的动作路线，根据角色的情感变化来调整画面的光效细节。在表现场景切换与角色移动时，AI则根据上一帧的位置关系来推测角色在下一帧的精确位置和合理姿势，以此实现动作的自然、流畅、连贯，并保证不同镜头中的要素一致性。
未来，AIGC可以更加广泛地生成高质量影像，为创作者赋能，根据个性化的创作需求来调整视觉风格、场景布局和情感表达等。尤其在克服现有影像连贯性与稳定性输出等新技术难题后，有望将更多的电影创作者带入更加流畅，也更符合预期的实际创作中。
（作者系复旦大学影视美学教授，本文系国家社科基金艺术学项目“数智时代AI赋能影视艺术创新研究24BC066”阶段成果）