如何在虚拟的AI空间，搭建一个真实可感的影像世界

文 | 新声Pro，作者 | 冯勇

当AIGC影像不再只是跳出早期依赖「抽卡」生成单一特写与零碎分镜的短片阶段，实质性迈向复杂叙事与重体量制作阶段，空间成为当下AIGC影像创作正在克服的重要难点。

可以类比实拍流程里的商业片、大制作，其为了保持影片世界观美学的呈现统一、空间纵深关系真实，往往需要实地造景、搭建拍摄影棚。

在AIGC影片创作中，空间的难点主要体现在两方面：

一是资产维度，受限于大模型的算力分配，单次图片/视频生成难以兼顾高精度的主体与复杂的环境。这倒逼创作者必须将数字资产筹备作为核心前置环节，建立一套可跨场景复用、质量稳定的AI资产库，以保障成片的视觉连贯性。

二是空间构建和角色调度维度，复杂的AI内容创作同样涉及人物走位、摄影机运动、景深关系等，需要基于拍摄空间进行规划。但目前视频大模型的底层逻辑是基于二维图像进行概率预测，天然缺乏物理坐标系与空间常识；在处理复杂的人物走位和镜头调度时，就迫使创作者必须介入更加精确的调度引导与分镜设计。

当更多重体量AI影像作品正在不断落地，超创们在具体创作中对构建空间的不断尝试，就像是在AI世界搭建摄影棚，他们需要像筹备服化道一样提前储备数字资产，也通过工具锁定空间关系？最终的目的都是为了能构建一个观感真实、立体生动的三维世界。

对抗平均化审美的资产

AI工作流里的数字资产，涵盖人物、场景、道具等核心视觉元素的参考图，是进行AI内容生成前的重要筹备。

目前，资产质量在专业化的AI创作里愈发显得重要——所有的场景、道具、主配角人物等一切视觉呈现都属于资产，有确定性的资产作基础，成片内容的一致性更易得到保证。前期创建并固化的资产，在后续戏份中仍然可以直接调用，能大幅减少后期重复抽卡的时间和算力成本。

特别是奇幻、战争、悬疑等重度依赖场景与视效的题材，更需庞大的前置资产库作为质量底座；可以说，资产厚度直接决定了AI作品的视觉风格与质感上限。

尽管有观点认为，AI时代，作品的风格审美与影调特色已不再是创作者核心壁垒。但在具体创作中，如何去除AI味，如何将一个AI作品的真实感从70分提升到90分，仍是头部创作者出圈的核心要素。

如抖音头部AI超创@Mx-Shell 创作的AI微电影《丧尸清道夫》，其成功破圈首先就得益于@Mx-Shell 将「美式复古+科幻赛博」的画面风格实现了极逼真呈现。

此外，做资产之所以成为当下一个重点，本质上是创作者在与大模型的「算力分配机制」作斗争。

在今年的上影节AI片场创作实践内，有过实拍经验、《愤怒的小孩》《合法伴侣》的导演黄雷发现，当他给AI的要求越多，算力分配就越平均，最终会导致每个细节都趋于平庸。「复杂镜头需要的算力远超简单镜头，在平台均等扣除积分的机制下，复杂镜头必崩」。

另一位参与上影节AI片场的AI创作者王泽也遇到了同样的困境：为了节省算力，AI甚至会在生成时「在群演身上贴主角的脸，但凡能看清五官的群演都要单独做资产，要么用遮挡、虚化来处理」。这意味着，为了成片质量保障和视觉风格统一，前期建立一套完备细致的资产必不可少。

《乘船而去》导演陈小雨做AI资产的方法论，正是考虑到单次算力有限的难题：「不指望一步到位，把复杂的任务拆解，让AI每次只专注于一件事」。

@Mx-Shell 在他发布的视频中也分享过创作《丧尸清道夫》主角的资产流程，衣着风格、配枪道具以及角色的模特站姿等，都是分别找参考图生成再合成的，甚至参考图还需要在前期进行多次生图调整。

@Mx-Shell 还会进行负面资产框定，不仅规定「角色是什么」，还明确「角色不是什么」来剔除错误元素。当然这一切是建立在其较为专业、成熟的提示词功底之上。

抖音博主@阿盐 创作的国风奇幻AI短片《穿越山海经》，其中包含大量高频打斗场面与奇幻视效，需依托极其庞大的资产库提供底层支撑。所以，其前期创作的资产不仅包括各角色的三视图，片中的多个古代怪兽、山海奇观，甚至是天庭上的云朵、花草等元素的资产图，@阿盐 都单独进行了构建。

另一个成本更高但也更精细的资产方式是通过「实拍转绘+AI生成」实现。实地采集光影结构、空间透视和建筑细节，再将其喂给AI作为起始帧、参考图，能给AI搭建起真实的物理框质感。

陈小雨目前在进行AI长片《机器背包客》的制作，就曾在4月中旬，带着编剧组、摄影指导、美术指导、制片人前往拉丁美洲，进行了为期一个多月的实景采风。「我们想要建立自己的资产库，实地的去拍很多的道具场景，而不是全靠提示词生成。」这些实景的素材，加上团队「手搓」的3D资产，将共同构成《机器背包客》的数字资产。

当然，在创作预算和时间有限的前提下，资产也不一定是越丰富越好。凭借AI作品《积木》在戛纳国际电影节科幻电影峰会斩获金奖，年仅26岁的AI超创@山音 的解决办法是：先厘清要在片子中突出什么样的氛围和情绪，然后着重打造该方面的资产。

如《阿明的一天》主题是体现当代人工作压抑、被领导折磨的普世情绪，他主要打磨的资产便是公司暗沉的环境和其中多个框住员工的工位。

跳出内容创作者视角，数字资产在产业链各环节同样具备战略价值。水母智能、Seko AI等工具方为提升垂直赛道竞争力，已将积累数字角色资产、提供风格化场景作为上半年的核心竞争点。

影视和剧集公司也的确生长出了数字艺人（包括AI演员、AI歌手）的资产需求，所以上半年，市场中衍生出了专门从事AI数字人脸售卖的中间业务。

商业化落地较早的@麦橘 的团队业务便是专注于「AI捏脸」这一环节，然后售卖给影视、剧集公司。某种程度上，他们都是在用不同方式，为专业的AI创作实现「搭建虚拟影棚」的工作。

AI缺少坐标系和空间感

搭建好虚拟影棚后，如何在其中进行空间调度是另一客观问题。

长片内容里，对于需要通过镜头语言实现叙事和情感表达的导演而言，人物调度、机位运动、景深遮挡等要素都需要一个具明确空间感的场景来实现。

而大模型本质是基于二维图像进行概率预测，没有坐标系和重力系统，不理解物理规则和空间关系。黄雷表示：「AI是没有坐标系的；除非你先在内部建立一个坐标系并教会它识别，明确告知演员站位与镜头调度，生成才不会出错。」

同是上影节AI片场创作者的李鑫欣也道出了AI在空间调度能力上的局限：在室内戏创作时，仅仅是几个角色的日常对话，她就遇到过人物无视空间障碍物进行走位、直接穿过桌角的穿帮问题。

所以，如何让AI在一个虚拟空间内理解真实的三维感？如何在一个虚拟空间内处理人物与环境之间的交互？成为目前创作者普遍面临的核心难题。

创作过全网爆款AI作品《牌子》的@DIDI_OK，其7月10日新上线的AI短片《垃圾站》中面临的最大问题就来自空间。他告诉《叁拾代》：「目前的AI是完全没有场景识别能力的，无法理解构图和角色站位」。

「垃圾站这个物体不存在，AI不知道它长什么样，所以每一次生成都会长得不一样」。@DIDI_OK表示付出了很大努力，才最终形成了一个相对有空间感的作品，能让观众大概理解方位。

目前尚在河北传媒学院读影视研究生的王意辉也是一名AI创作者。他用分镜举例空间关系方面遇到的难题：「在一些景别、镜头切换时，比如四个人坐在一起，如果中间穿插一个特写镜头，就容易发生四人空间关系错乱」。

目前，大众维度出现了不少吐槽「难以驯服AI」的玩梗视频，抖音、小红书等短视频平台上有一批创作者在探讨空间调度难题的内容，以「规驯AI」。

首先，为让AI能够理解并且建构出一个3D空间/物体，需在前期生成该空间/物体在各个视角的细节图，再喂给AI，让AI将其拼凑起来。

其次，人物走位、人与环境交互这类动态的空间关系处理，最基础的方式是，为每个分镜头撰写大量精细的提示词，甚至是设计起始帧参考图，以严格控制该片段内的镜头运动和人物走向。

目前较精细的AI短片创作其实已经达到了这个精度，如@Mx-Shell 《丧尸清道夫》的分镜提示词，在每一次视频生成中都精确到5s左右。

此外，可通过示意图辅助AI理解。如做AI创作经验分享的小红书博主@彬彬AI实战圈，近期就分享过借助「俯视图场景调度图」让AI进行空间理解的方式。俯视角度下，三维空间化为了二维平面，其中再添加上人物站位和运动方向引导线，就能让AI理解场景中的人物站位，以及保持镜头切换中的关系稳定性。

Agent也给出了工具端的解决方式。最近两个月，许多AI视频Agent都上线了3D导演工作台功能。比如爱奇艺旗下AI平台「纳逗Pro」的3D导演台，可解决人物站位错乱，精确控制镜头角度，一键生成位置参考图等难题。

更宏观角度，当前AI技术前沿的「世界模型」所探索的，正是致力于为AI构建一个内部的数字物理引擎，使其能够理解并推演真实世界的运行规律。

可以说，只有实现调度精度，让镜头语言从单调的正反打特写走向复杂交互，才能够让AI作品拥有媲美实拍的视觉张力和情绪表达。这是AI创作实现工业化生产的必经之路。

可能未来一段时间，AI创作都离不开解决空间关系以及场景调度的问题，甚至会作为一个长久性难题和区分创作者能力高下的门槛。