從虛擬製片到AI拍片,影音產業真正需要的是什麼?

科技的進步引領著產業持續產生新變革,例如從膠捲轉到數位拍片,或是虛擬人物的出現都是影音產業可見的改變。而生成式AI技術的快速發展,特別是Sora等影像生成模型的出現,也使得許多人對AI在影音產業中的應用充滿了期待,從腳本生成、場景設計、人物建模,到後製特效,似乎都能交由AI一手包辦。但是,AI真的能為影音產業帶來無限的創意可能嗎?

透過科技降低製片成本,虛擬人物掀起阿凡達熱潮

2016 年成立的 Glassbox Technology,專注於虛擬攝影技術開發,為知名的特效與製片公司提供虛擬製片的技術,曾與《阿凡達》製作團隊、夢工廠、迪士尼及環球影業合作。Glassbox 創辦人王政堯說,虛擬製片的核心在於利用技術,降低製片成本跟壓縮製作時間。

他以電影《阿凡達》為例,導演卡麥隆當時建立了許多新的拍攝方式,例如利用虛擬人,搭配虛擬攝影機在虛擬場景中演出,將對演員、場景、攝影機的需求虛擬化,這是第一代的虛擬製片。而第二代的虛擬製片則是運用技術,代替傳統製片流程中,需要物理拍攝所需的各種設施,例如透過 LED 等技術模擬各種複雜的環境,省去繁瑣的實地拍攝和布景搭建。

王政堯說,電影跟其他產業一樣,追求的都是更好、更快、更便宜三大目標,透過技術可以達成其中一個目標是進步,兩個是革新,能做到三個就是革命,「我們可能透過流程的優化,達到第一個目標;並藉由引進新技術、新流程達成兩個目標。」但要三個目標都達成就必須要有一些跨時代的基礎技術出現,例如從膠卷攝影轉成數位攝影就是從根本技術產生改變。

遊戲與 VR 等技術的出現,促進新一輪的改變,也帶動虛擬製片的出現。有人說,第一次的影視工業革命是從膠捲轉到數位;而第二次影視工業革命是從數位轉成虛擬製片。但是,因為虛擬製片的技術門檻太高,使得普及度不夠高,並沒有造成第二次影視工業革命的量能。於是,許多人將 AI 視為下一個重要的分水嶺。

音樂配音、圖庫大受影響,AI 所帶來的新市場

那麼,AI 的應用真的能取代現有影視產業中的人員或工作嗎?王政堯認為,雖然媒體將 AI 的應用形容得很神,但是,實務上目前能替代的還是重複性高,低成本的事務,好比 AI 所撰寫的文案,如果需要修改,仍然需要本身就能獨立完成文案的人才能進行。因此在 Glassbox,目前僅有能判別 AI 產出品質與對錯的高階工程師,才被允許使用 AI 輔助工作。儘管 AI 在某些領域帶來更快更好的實質助益,例如材料科學或是製藥領域,但並非像大家所想的那樣,會快速替代某些東西。

不過,王政堯也觀察到,包括音樂配音、圖庫照片等領域都已被深刻影響,當 AI 已經可以畫出和數位繪圖者品質差不多的成品,使得數位繪圖的價格下降。因此,與其說 AI 取代既有的人,不如說是建立了一個單價極低、替代性極高的新市場,但能用人工智慧繪圖賺錢的人卻非常少。因為當需求不變,但是供給突然增加,價格也就跟著降低。因此,王政堯認為很難預估人工智慧繪圖的發展,但它的確是一個龐大且被快速稀釋的價值。

另一方面,疫情期間由於許多特效公司正好有空閒的時間,所以 Glassbox 也與許多夥伴合作,從產業的角度思考 AI 能帶來的價值,共同探索新的流程與技術。王政堯說,他們的目標並不是要訓練自己的模型,而是要創造一套工具、流程,讓未來大家所開發出的 AI 工具都可以被納入這個流程中使用。

AI 可以快速呈現導演的構想畫面,卻取代不了導演的想法

王政堯說,AI 是一個模式辨別機器(Pattern Recognition Machine),從某個角度來看,AI 的本質和創意是完全抵觸的概念。雖然有原創性,卻是從一個侷限的空間裡找到原創。要求 AI 寫一個別人沒有寫過的故事,甚至有點緣木求魚。但是,AI 能協助使用者將抽象的概念具體化,並且快速收斂創意。而製片這個行業,最重要的就是將導演腦子裡的畫面實現,包括演員、燈光、特效,虛擬製片的核心都是如此,而 AI 的功能,就是快速協助導演將想法圖像化。

王政堯提到,當導演卡麥隆所有的構想都在腦海中的時候,沒有人知道他想要做什麼?美術不知道要搭多大的景?特效不知道要做哪些部分?哪些鏡頭?運鏡該怎麼運?因此,才會有虛擬製片的體系出現,協助導演用最低的成本,最快的表達腦海中的創意,讓每個部門能有一個可以藉以溝通的圖像。而 AI 正好提供了解決,只要有粗糙的輸入,就能快速得到完整的產出。但是要讓 AI 輸出最終的結果時,會碰到「恐怖谷」的問題。也就是當 AI 生成的內容實際動起來之後,會發現許多地方很奇怪,可能引發恐懼和排斥感,使人深陷在恐怖谷中。

然而,AI 的引入也會顯著改變影視產業的分工。王政堯認為,重複性高的工作,如概念圖繪製工作者將會受到重大影響。AI 可以快速探索大量的可能性,在創意開發的階段,成為一個非常好且廉價的助手角色,但是無法替代創作跟創意。

如何培養下一代的 AI 人才

王政堯提醒,台灣希望培養 AI 人才的努力值得讚揚,但要立竿見影地見到成果並不容易,且 AI 技術變化迅速,學生從進入大學到畢業的四至六年間,AI 領域可能就經歷多次迭代。因此,核心應該是基本功的培養,例如電腦科學和線性代數等基礎理論的根基要扎實。

除了技術人員外,對於理解和運用 AI 的資管專業人員也很重要。他們需要掌握 AI 的基本概念,如大語言模型和 Diffusion Model 之間的區別,而不是只了解具體的技術細節。隨著 AI 技術的快速發展,技術應用的工具和技術會迅速變化,專業人才應該保持學習的習慣和靈活性。

另一方面,他提醒,AI 領域的發展也面臨所謂「Platonic 高原化」的問題,即技術成長放緩。雖然大模型如 GPT-4 在快速成長的階段達到了高水準,但隨著技術逐漸進入穩定期,突破的速度可能會放慢。這種情況下,投入資本的策略也會影響技術突破的速度。