《现代电影技术》｜沈华清：生成式人工智能驱动下的影视制作范式变革与技术前瞻

本文刊发于《现代电影技术》2025年第9期

专家点评

人工智能（AI）技术的快速发展与应用正深刻改变影视内容的制作流程，但相关技术和工具在可用性、可控性、创新性方面仍存在不足，制约了AI在影视创作生产中的深度应用。《生成式人工智能驱动下的影视制作范式变革与技术前瞻》一文立足于AI技术对传统影视创作模式的重构，系统剖析了生成式人工智能（GAI）技术在影视制作全流程应用中的潜力与瓶颈，提出了一套面向未来的人机协作创作体系，为解决AI生成内容与传统影视后期制作流程脱节、数据无法双向校验的问题提供了系统性范式，对行业的技术升级与范式革新具有重要的前瞻指引价值。未来的GAI技术将进一步向“动态世界模拟”与“导演意图推理”两大方向深度演进，不仅仅立足于生成孤立的视频片段，而是可构建一个可供导演在其中自由探索、实时拍摄，且符合物理规律的四维时空世界，彻底解决多镜头空间一致性难题。同时，未来AI将通过多模态交互学习导演个人风格与创作意图，从被动的指令执行者进化为能动地提出创造性方案的“AI副导演”。GAI不仅是创作生产工具，更是与创作者共生、能够模拟叙事逻辑并涌现新创意的智能生命体，将引领影视创作进入真正意义上的“人机共创”新纪元。

—— 丁友东

教授

上海大学上海电影学院党委书记

上海电影特效工程技术研究中心副主任、博士生导师

作 者 简 介

沈华清

王文强

副教授，浙江大学艺术与考古学院设计艺术系副主任、硕士生导师，主要研究方向：数字艺术与动画。

【基金项目】国家自然科学基金企业创新发展联合基金项目“云边端协同框架下基于点云的三维感知建模与XR呈现的理论与方法”(U22B2034)。

摘要

随着人工智能（AI）技术的快速演进，其在图像与视频生成领域取得了显著成就，并已渗透至影视及视频内容制作流程中。然而，由于相关技术在可控性、创新性等方面仍存在不足，AI技术在影视创作中的高层次、深度应用仍面临诸多挑战。本文聚焦生成式AI驱动下的影视创作范式变革与技术发展趋势，基于当前AI图像与视频生成的实际情况，深入分析开源视频模型的技术演进，并从影视动画制作的技术难点切入，剖析当前视频生成AI工具存在的技术短板及艺术共创架构的缺失，对未来商业影视创作系统的发展提出展望。研究表明，AI技术正推动影视创作向更高效、更具创意的方向发展，为影视创作范式的变革与技术重构提供了明确指引。

关键词

生成式人工智能；开源大模型；影视创作；范式变革；技术演进

1引言

人工智能（AI）技术的突破性发展，正在重构影视制作的技术生态。从早期基于卷积神经网络（CNN）的静态图像风格迁移算法，到当前依托Transformer架构的视频生成AI工具，如OpenAI的Sora、谷歌（Google）VEO3、即梦AI与阿里云的通义万相等，生成式人工智能（Generative Artificial Intelligence, GAI）技术演进呈现跨越式发展，不仅体现在生成内容分辨率和画面质量的提升，更表现为创作维度的拓展。技术演进不仅提升了内容生产效率，极大降低制作门槛，拓展创作者表达的技术空间，更催生了人机协同的创作新范式，可能颠覆传统影视创作流程，对影视产业的创新发展产生了深远影响。这种变革既体现在制作流程的数字化重构，也表现为艺术创作主体性的技术延伸，标志着影视工业进入智能重塑的新纪元。本文旨在探讨GAI技术在影视制作中的具体应用，并结合影视动画创作的技术需求，揭示其潜力与局限，展望未来的发展趋势与挑战。

2GAI技术推动影视制作工具技术升级

当前，GAI技术已渗透至影视制作的全流程，涵盖概念图设计、分镜绘制、场景生成、动作捕捉、后期制作等关键环节，并已影响到传统制作工具的技术发展与升级。

2.1 三维动画软件的AI整合与优化

近年来，AI技术逐步被吸收至主流三维建模与动画制作软件，助推影视制作效率提升与表现力拓展。如，Blender和Cinema 4D等三维软件引入了AI驱动的建模辅助、材质生成、图像至模型转换等功能，使创作者能更专注于创意表达而非繁琐的建模过程[1]。Blender从3.0版本起开始支持AI图像生成插件，用户可通过调用ComfyUI等应用程序接口（API），将AI生成图像快速转化为三维模型基础结构[2]。Cinema 4D也推出了AI驱动的材质生成器，可根据文本或图像自动生成高质量表面贴图与光照参数，大幅缩短材质设计周期[3]。

在角色建模与动作生成方面， HyperMotion等AI工具可从单张图像生成完整的三维角色动作，结合骨骼绑定系统自动完成关键帧设定[4]。通过深度学习算法，AI能够生成精确的深度图、姿态图和基础结构模型，大幅缩短建模与动画制作周期。例如，DreamFusion和Luma AI的AI建模系统Genie可根据文本提示生成高质量的三维模型，并支持导出为可编辑的OBJ或FBX格式，极大提升建模效率[5,6]。

2.2 实时渲染引擎和虚拟摄制流程与人工智能技术的融合

实时渲染引擎已从原来的游戏领域成功拓展为虚拟摄制（Virtual Production）的重要工具。尤其虚幻引擎5（UE 5）凭借其强大的实时渲染能力、虚拟几何体（Nanite）和全局光照系统（Lumen），已成为虚拟摄制的首选工具[7]，能高效渲染高精度模型，结合AI生成的虚拟人物和环境，提升影视制作的视觉效果。UE 5通过自有插件和第三方工具支持GAI，包括可用于训练机器学习模型UnrealSynth工具，以及CityBLD、METAVANCE、ConvAI等创作工具，可用于地形、数字人及角色语音的生成。Unity与多家AI技术提供商合作，如Hugging Face、Keras等，支持导入第三方AI模型，并可通过开放神经网络交换格式（Open Neural Network Exchange, ONNX）实现AI模型的跨平台运行，无需云基础设施，可降低开发成本。Unity还计划整合ComfyUI流程，配合其6.0版本中新引入的高清渲染管线（HDRP）增强模块，实现AI生成内容的实时导入与编辑[8]。

不过，虚拟摄制流程可能面临基于空间智能技术的世界模拟工具的激烈冲击。2025年7月，腾讯推出腾讯混元 3D世界生成模型Hunyuan World 1.0，初步实现三维空间一致性，但其摄影机位移能力有限，更适用于风格化游戏场景[9]；仅一个月后，谷歌AI发布Genie 3，进一步推动空间智能发展，引入具身智能与物理交互机制，将对作为快速世界工具的实时渲染引擎带来一定冲击。谷歌Gemini 2.5 Flash Image（又名Nano Banana）则是谷歌DeepMind新推出的多模态AI模型，其基于Gemini世界知识系统，整合了地理信息、建筑结构、物理规律等数据，核心能力在于融合多源信息生成高精度图像，并具备现实世界推理能力[10]。

相比而言，无论是传统的三维软件还是渲染引擎系统，其技术基础和设计思维已难以满足新时代创作效率的需求，存在学习门槛高、人力成本高、流程复杂等问题[11]。因此，影视动画制作系统亟需从底层架构进行彻底革新。

3视频生成技术进展及应用思路

当前视频生成技术的突破在一定程度上实现了类似“拍摄”几个镜头的能力，但这仅仅是影视AI创作的初级阶段。目前，已有不少企业和研究机构在系统性探索AI辅助乃至主导电影创作的可能性。从整体趋势来看，人工智能生成内容（AIGC）在影视创作领域的应用主要呈现两种路径：一是基于工业化思维的视频生成端到端解决方案，二是基于智能体（Agent）架构的协作式创作模式。

3.1 工业化路径：视频生成的端到端解决方案

视频生成的端到端解决方案以标准化、流程化、高效性为核心，构建了覆盖角色生成、场景合成到剪辑输出的AI影视工具矩阵，尤其适用于短视频的商业传播场景。以Sora、Vidu、即梦AI、海螺AI、Runway、Consistent Character、Melies、Pollo AI等为代表的工具快速普及，标志着AI影视制作技术在传播领域的泛化趋势，使广大技术基础较弱、对专业制作软件操作不熟悉的创作者甚至业余爱好者也能依靠GAI便捷地实现自主创作。GAI已广泛应用于企业培训、产品演示、社交媒体营销、教育科普等场景，显著拓展了影视技术的应用边界，推动了视频内容的全民化与普及化[12]。

以上操作简单的AI工具基本以闭源模型为主，而闭源模型要求用户将需求上传至服务器计算，仅开放基础应用程序接口（API）参数调节和有限官方插件，且禁止第三方插件集成。相反，开源模型则全流程本地化，原始数据在本地计算，如通义万相、LTX⁃Video、Mochi、HunyuanVideo等支持ComfyUI等开源工具整合[13]，可融合不同计算方式的技术优点和算法。这无疑为影视制作系统的流程提供了更为灵活的解决方案。

3.2 智能体路径：专业创作导向的协作架构

AI智能体凭借自主感知、决策、执行的核心能力，正加速融入产业核心领域。影视制作用智能体需具备更多影视制作专业能力，并可更好地理解并执行人类指令，代表了以专业创作为导向的AI影视制作发展趋势。由新加坡国立大学团队开发的MovieAgent是该路径的典型代表，其采用多智能体协作架构，突破了传统AI工具只生成不理解的局限，通过叙事导演、冲突调度、场景合成、镜头规划、剪辑代理这5个层级的协同机制，构建了一个具备叙事逻辑推理能力的AI系统。其核心优势在于对故事合理性的建模，而非仅关注视觉资产的生成[14]。

MovieAgent系统支持多种生成模型，可通过ROICtrl、HunyuanVideo_I2V[15]等工具生成参考画面，用于辅助导演在前期预演阶段进行剧本与镜头设计的验证，从而实现对叙事结构与视觉表达的高效迭代，降低后期制作成本并提升创作效率。尽管MovieAgent尚不能完全替代人类导演进行商业级影视创作，但其作为视觉预演（PreViz）加速工具的价值已初步显现。其在高预算项目的前期开发中具有显著优势，尤其适用于复杂场景的镜头调度与叙事逻辑验证，从而提升整体制作效率与创作质量。

然而，从当前商业电影与动画电影的制作流程来看，AI系统仍处于辅助角色，尚未形成完整的人机共创闭环。因此，理解AI在影视创作中的演进路径，必须深入分析商业动画与电影制作的产业逻辑和技术需求，从而为未来AI技术的发展提供方向性指引。目前，该路径仍处于理想化雏形阶段，在影视动画成品的创作中仍面临视频生成技术体系支撑不足的挑战。未来的发展方向应聚焦于增强AI在叙事理解、角色行为建模、跨模态协同等方面的能力，推动AI真正融入专业创作流程的核心环节。

4当前GAI工具的局限性

4.1 真实人物和空间模拟能力不足

相比传统非真人实拍CG动画制作流程需经过分镜设计、原画绘制、中间帧动画制作、背景绘制、合成与后期处理等核心步骤，AI技术的引入彻底颠覆了这一范式，只需输入提示词（Prompt）和参考画面，即可获得生成视频。

在视频生成过程中，GAI技术目前主要用于真实环境和光照、镜头内角色动作和表情变化及摄影机运动等模拟。但当前GAI工具往往难以维持画面中空间结构的一致性，如何确保同一场景下元素的位置、比例与相对大小的恒定性仍是当下难点。空间逻辑的缺失不仅影响画面的视觉美感，也削弱了动画叙事的连贯性。Wang等[16]提出CharaConsist方法专为扩散Transformer（DiT）架构设计，利用点追踪和掩码提取自动感知关键特征，可有效应对角色和场景生成过程中的画面一致性挑战，具备一定的细粒度优化能力。

在角色动画生成方面，尽管传统的语音驱动面部动画技术已相对成熟，面向动画的风格迁移技术也取得显著进展，但在角色面部和动作夸张表达方面，以及角色动作的物理合理性、作用力与反作用力的真实感及节奏感等方面，GAI技术仍存在较大提升空间。具体而言，在影视表演中，动作节奏的变化是艺术表现的重要组成部分，角色从缓慢行走突然转为奔跑的动作节奏变化往往预示着剧情的转折，这对AI工具的可控性提出了更高要求。当前，AI视频生成系统已引入如ControlNet等控制算法，以增强对生成内容的可控性。然而，这类技术仍依赖于已有素材作为参考输入，难以实现完全自由的动作生成。尤其在不同比例、不同结构的角色之间进行动作迁移时，如何保持动作的一致性与结构的科学性，仍是亟待解决的问题。因此，当前影视内容AI生成需花费大量时间开展质检、人工调整等工作，人机协作过程中人的掌控性作用和中心地位至关重要。

4.2 GAI工具与传统影视制作工具的流程整合性有待增强

当前GAI工具和传统影视制作软件在流程整合度上依然不足。为提升视频生成过程中的可控性，目前仍需借助传统三维动画软件生成草稿视频作为参考，作为AI生成流程的输入。这种混合流程虽在一定程度上提升了生成质量，但也暴露出AI工具与传统三维软件之间整合度不足的问题[17]。

除此之外，当前的文本生成视频或图像生成视频系统尚无法实现对运动路径的精确控制。尤其在涉及多角色互动的场景中，AI还需具备对角色间动作节奏差异的调节能力。这种调节应基于镜头时间线（通常不超过20 s）进行精细控制，以确保角色动作的协调性与戏剧表现力。在当前技术条件下，高难度动作仍需依赖传统三维动画制作工具完成。例如，Cascadeur与iClone等专业软件在动作控制与预演计算方面表现出色，是当前AI工具无法完全替代的[18,19]。因此当前实现动画可控生成的有效路径，是构建多层级的视频生成系统，即将动画的初步设计与规划交由人工或传统工具完成，而画面融合与连贯性问题交由AI处理。

5未来GAI技术演进与应用探讨

5.1 人机协作从辅助生成向共同创作演进

GAI对影视制作系统的重塑已形成不可逆转的变革趋势。目前，已有AI全栈式影视制作系统的雏形出现，从项目概念、脚本大纲、故事写作，到影片生成、导出等流程，均可由AI完成。然而，这种一站式AI思路过于理想化，其线性结构与人类创作的非线性本质存在根本冲突。过度依赖线性流程生成的作品，难以体现艺术创作的复杂性与独特性，最终可能沦为工业化标准产品，失去艺术价值。因此，AI影视生成系统的设计必须充分考虑人机共创机制，使AI成为辅助创作、激发创意的工具，而非替代创作的执行者。

影视角色魅力的展现高度依赖于对白与行为表现，角色塑造的独特性不仅是艺术家创作兴趣的焦点，也是观众情感共鸣的关键。因此，GAI系统在生成角色时，不仅要关注其造型与动作设计，更应深入理解角色性格与行为逻辑，使其具备人格化的表达能力。只有当AI生成流程能够支持艺术家的思想植入与行为干预，才能真正实现人机共创的理想状态。

具体而言，如何在故事创作、场景生成、故事板生成、动画生成与修改、自动剪辑与修改等流程之间建立反馈关联，是充分利用AI潜力、构建人机共创体系、保留创作者艺术自由度的关键所在。唯有如此，AI才能真正赋能影视动画创作，成为艺术表达的新载体，而非工业化复制的加速器。

5.2 应用GAI工具实现剧本生成和节奏把控

GAI在情节生成与故事结构构建中，应结合可视化的情感曲线与反馈式检测机制，实现对故事节奏、角色动机与情感弧线的动态调整。这不仅有助于提升GAI生成内容的叙事一致性，也为人类创作者提供了可交互、可修改的共创路径，使AI真正成为辅助创作的智能伙伴，而非单向输出的自动化工具。

5.2.1 基于情感曲线的剧本生成

佛蒙特大学伯灵顿分校计算故事实验室的Andrew J. Reagan及其团队通过对大量图书的下载数据与情感曲线的分析，验证了作家库尔特·冯内古特（Kurt Vonnegut）关于故事形态（Story Shapes）的理论假设[20,21]，认为由上升型（如穷变富，主角情感一直为喜）、下降型 （如由富变穷，主角情感一直为悲）、陷入绝境然后成长 （降-升，主角情感先悲后喜）、伊卡洛斯式 （升-降，主角情感先喜后悲）、辛迪瑞拉式 （U型，主角情感先喜后悲再喜）、俄狄浦斯式 （降-升-降，主角情感先悲后喜，最后悲）这6种情感弧线构成了故事创作的底层结构模式。其中，上升型与辛德瑞拉式U型反转故事往往有更高的下载量，这可能反映了人类对希望与救赎主题的心理偏好。

这些发现为传统叙事理论提供了实证支持，也为AI剧本生成提供了可量化的结构模型，使AI在情节生成过程中具备更符合人类情感预期的判断依据[22]。基于情感曲线的剧本生成将成为未来电影剧本AI生成的主要突破口。

5.2.2 情节冲突智能化设置

在影视叙事中，观众通常从主角的视角理解故事，而推动剧情发展的核心机制往往源于冲突，即主角在面对外部阻碍时的应对与成长，当反派角色具备清晰的行为逻辑与内在动机时，正面角色的反击与博弈才具有合理性[23]。反派与正面角色的交汇，往往发生在某一关键场景中，这种偶然交叉成为推动剧情高潮的关键节点，角色交错时间线则是承载故事张力的核心所在。未来AI应能理解并实现情节冲突的智能化设置。

5.2.3 对白生成和故事节奏的控制

影视叙事主要依赖两种表达方式：画面叙事与对白叙事，二者共同完成情节交代、人物表现和情感表达。在剧本中，对白叙事在时间序列上占据主导地位，角色需要说完对白，画面才能切换到下一个镜头序列。虽然镜头剪辑、场景切换等工作都在后期进行，但剧本对白的生成及其从文本到语音的转换决定了影片的主体时间结构[24]、镜头时长与节奏安排[25]。AI对白生成需在这一领域持续发展，使电影整体张弛有度，符合当下及未来观众的接受习惯。

5.3 应用空间智能技术实现场景和故事板生成

5.3.1 场景生成和优化

在影视与动画制作中，GAI生成的场景不仅要具备视觉美感，还需满足空间与物理的一致性要求。尤其在故事板构建阶段，GAI工具需能根据单张图像生成多角度、多景别的背景画面，并确保场景中元素的位置、比例、材质和光影等维度协调统一。空间智能技术的推进有助于实现生成内容的三维空间一致性，但当前由于视点或虚拟摄影机位移能力有限，更适用于风格化游戏场景。未来的空间建模将不再局限于静态图像生成，而是实现图像与几何体之间的动态转换，根据虚拟摄影机距离自动调整空间结构，以形成更自然的视觉体验。将空间智能与视频生成技术结合，是提升AI视频真实感的关键路径。未来在这一基础上，配合智能光照优化和摄影机运动规划，将有望将虚拟场景与叙事有机结合。

5.3.2 故事板生成和智能分镜

当前GAI驱动的故事板生成工具在图像生成效率上表现突出，但画面间常存在场景不统一、元素缺失或比例失调等问题。尤其在连续镜头中，角色、物体与背景的空间关系往往无法保持一致，影响叙事逻辑。因此，故事板生成应基于空间语义建模进行构建，确保每帧画面继承并维护前序画面的空间信息。例如，角色在不同镜头中的比例、位置、光影等，均需进行闭环校验与动态优化。当前主流方法仍依赖三维软件骨架结构维持比例恒定，而空间智能技术则有望通过几何理解能力，实现更高层次的空间一致性控制。此外，智能分镜系统应支持多视角、多景别生成，满足艺术家对镜头语言的多样选择。目前多数AI系统仅依据文本生成单一镜头视角方案，缺乏灵活性。未来应基于大数据训练，提供多个候选镜头供创作者选择，提升镜头切换的艺术性与叙事逻辑性。同时，还需建立与故事文本的关联结构，使画面修改能够反馈至脚本更新记录中。

5.4 基于符号指令实现GAI视频镜头语言控制

GAI生成视频中，角色动作与摄影机运动的可控性仍是一大挑战。当前系统多为端到端生成，缺乏对已生成内容的二次编辑能力，导致创作过程高度依赖“抽卡”式尝试。与此同时，GAI工具依赖文本提示词系统，语义模糊导致人机沟通效率低下，创作者所需的角色运动和摄影机运动方式无法正确传达给GAI工具。因此，可进一步探索导演指令对于GAI工具的有效传达，将导演意图转化为可执行的符号指令，从而提升生成准确率与效率。

在进行角色和摄影机运动控制时，建议采用基于三维简单模型的轨迹控制机制，先生成低精度的运动轨迹视频与摄影机路径，在此基础上进行细节补充与修改，从而在降低计算复杂度的同时，为创作者提供了更多交互控制机会。AI在角色运动控制过程中，需负责角色动作的物理合理性、表情及姿态的协调性，并实现空间关系一致性的动态维持‌，而在摄影机运动控制过程中，需考虑镜头和剪辑的连贯性，避免发生空间关系错乱甚至不合理的越轴现象。

5.5 立足制作全流程的联动式剪辑和预览

当前GAI视频生成技术尚未与传统剪辑工具形成有效联动。现有剪辑软件缺乏对AI生成内容的多层次时间序列展示能力，也难以将生成结果与原始剧本进行动态对比与校验。因此，当前亟需构建一个剧本、分镜、剪辑联动的制作生产流程，实现：（1）多层次时间轴展示，即按段落、镜头、动作单元分层展示内容；（2）剧本与分镜双向校验，即自动比对生成内容与原始剧本，检测叙事逻辑一致性；（3）因果关系推演机制，即基于生成的视频抽取关键帧形成分镜，便于审核和优化；（4）智能建议系统：根据时间长度、镜头节奏、情感弧线等维度，提供剪辑优化建议。

以上制作生产流程，将提升GAI在影视创作中的参与深度，使其不仅限用于内容生成，还能参与流程优化与反馈调整。

6结语

AI影视制作工具正经历从图像生成向图形控制和空间编辑的演进过程。图像处理系统擅长呈现视觉感性内容，而图形处理系统则更适用于结构建模与理性控制。融合二者优势的共创系统是未来发展方向，即艺术家主导创意判断与艺术推敲，AI负责细节生成与视觉一致性保证。这一融合趋势不仅要求AI具备空间建模、动作控制、时间线编辑等核心技术能力，更需构建一套完整的人机协作流程，实现从剧本创作到成片输出的全流程闭环。AI将逐步从辅助工具升级为智能创作伙伴，推动影视与动画产业的数字化转型与效率跃升。

当前，GAI在三维建模与动作控制领域已展现出巨大潜力，重构创作模式、优化技术流程，将成为动画与游戏制作迈向高效、直观新阶段的关键。未来的制作工具不应仅在传统架构上叠加功能，而应通过技术流程的精简与融合，提升创作效率与用户体验。AI应承担基础性、重复性的内容生成任务，如模型构建、纹理填充等，使创作者能专注于高价值的创意设计。同时，工具界面应更加直观、操作更简便，以降低操作门槛。AI算法需深度整合进创作流程，提高自动化水平。渲染引擎与三维软件的界限将进一步模糊，未来可能出现集实时渲染与影视动画创作于一体的综合性平台。这一变革不仅是技术的升级，更为影视的人机共创提供新范式。

参考文献

（向下滑动阅读）

[1] YANG X, LIN G, ZHOU L. Single⁃View 3D Mesh Reconstruction for Seen and Unseen Categories [EB/OL]. (2023⁃06⁃03)[2025⁃08⁃12].https://arxiv.org/pdf/2208.02676.

[2] Blender MCP. AI⁃Powered 3D Design Assistant [EB/OL]. [2025⁃08⁃12]. https://blender-mcp.com/ai-assistant.html.

[3] 3DtoALL. AI Power For Cinema 4D[EB/OL]. [2025⁃08⁃12]. https://www. 3dtoall.com/aipower-c4d/.

[4] XU S, ZHENG S, WANG Z, et al. HyperMotion: DiT⁃Based Pose⁃Guided Human Image Animation of Complex Motions [EB/OL].（2025⁃05⁃29）[2025⁃08⁃12]. https://arxiv.org/pdf/2505.22977.

[5] BEN P, JAIN A, BARRON J T, et al. DreamFusion: Text⁃to⁃3D using 2D Diffusion[EB/OL].（2022⁃09⁃29）[2025⁃08⁃12]. https://arxiv.org/pdf/2209.14988.

[6] LUMA AI. LUMA AI [EB/OL]. [2025⁃08⁃12].https://lumalabs.ai/genie?view=create.

[7] Unreal Engine. Lumen Performance Guide[EB/OL]. [2025⁃08⁃12].https://dev.epicgames.com/documentation/en-us/unreal-engine/lumen-performance-guide-for-unreal-engine.

[8] Unity. Unity 6 现已发布[EB/OL]. (2024⁃10⁃17)[2025⁃08⁃12].https://unity.com/cn/blog/unity-6-features-announcement.

[9] Tencent Hunyuan. HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels[EB/OL].(2025⁃08⁃13)[2025⁃08⁃12] . https://arxiv.org/pdf/2507.21809.

[10] Google AI Studio.gemini⁃2.5⁃flash⁃image⁃preview[EB/OL].[2025⁃08⁃29].https://aistudio.google.com/.

[11] 杨江凯.中国动漫市场总值与三维动画制作成本分析[EB/OL].(2025⁃05⁃27)[2025⁃08⁃12].https://baijiahao.baidu.com/s?id=1833264650718824343&wfr=spider&for=pc.

[12] 中国传媒大学新媒体研究院.《2019⁃2020 中国企业视频媒体中心行业发展》白皮书[EB/OL](2020⁃10⁃01)[2025⁃08⁃12].https://www.cuc.edu.cn/_upload/article/files/6f/77/4fd0869241b3983ac8fed5f47191/fde60ee3-4026-4a41-938c-d590 9da6b7b7.pdf.

[13] ComfyUI.workflow[EB/OL].[2025⁃08⁃12].https://comfyui.org/en/collections/workflow.

[14] WU W, ZHU Z, SHOU M Z. Automated Movie Generation via Multi⁃Agent CoT Planning [EB/OL].(2025⁃05⁃10)[2025⁃08⁃12]. https://arxiv.org/pdf/2503. 07314v1.

[15] 腾讯AI实验室. 混元视频生成系统技术文档 [EB/OL]. [2025⁃08⁃12]. https://hunyuan.tencent.com/video.

[16] WANG M, DING H, PENG J, et al. CharaConsist: Fine⁃Grained Consistent Character Generation[EB/OL].(2025⁃07⁃15)[2025⁃08⁃12]. https://arxiv.org/pdf/2507. 11533.

[17] CHEN Y, RAO A, JIANG X, et al. CinePreGen: Camera Controllable Video Previsualization via Engine⁃powered Diffusion[EB/OL].(2024⁃08⁃30)[2025⁃08⁃12]. https://arxiv.org/pdf/2408.17424.

[18] Cascadeur. Cascadeur[EB/OL].[2025⁃08⁃12].https://cascadeur.com/.

[19] Reallusion. iClone8[EB/OL].[2025⁃08⁃12].https://www.reallusion.com/iclone/.

[20] REAGAN A J, MITCHELL L, KILEY D, et al. The emotional arcs of stories are dominated by six basic shapes[EB/OL].(2016⁃11⁃04)[2025⁃08⁃12].https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-016-0093-1.

[21] Gotham Writers. Kurt Vonnegut: 8 Basics of Creative Writing[EB/OL].[2025⁃08⁃12].https://www.writingclasses.com/toolbox/tips-masters/kurt-vonnegut-8-basics-of-creative-writing.

[22] CAMPBELL, J.The Hero with a Thousand Faces[M]. New Jersey：Princeton University Press,1973.

[23] 克里斯托弗·沃格勒.作家之旅[M].王翀,译.北京：电子工业出版社，2011.

[24] 大卫·波德维尔，克里斯汀·汤普森.电影艺术（插图第8版）[M].曾伟祯,译.北京：世界图书出版公司,2008.

[25] SALT B. Film Style and Technology: History and Analysis[M].Starword,2009.