首部AIGC故事片《奇譚》,究竟是怎麼做出來的?

重點摘要
首部AIGC故事片《奇譚》,究竟是怎麼做出來的?文娛先聲2026.08.04 17:56 · 來自北京全文4045字從製作流程到商業化路徑,《奇譚》的探索證明,AI影視的發展並非簡單替代傳統影視,而是在人工創意與AI能力結合下,重新定義影視生產方式。文 | 文娛先聲,作者 | 王燁 AI影視,迎來了首部獲得官方發行許可的長片作品。近期,《奇譚:紙刃渡荒墟》(以下簡稱《奇譚》)在愛奇藝正式上線。
隨著生成式AI技術在影視領域的應用不斷深化,國內首部獲得官方發行許可的AIGC長片終於問世。近期,由大夢創新與愛奇藝聯合出品的《奇譚:紙刃渡荒墟》在愛奇藝平台正式上線,全片時長達68分鐘,上線後迅速登上愛奇藝總榜飆升榜、電影熱搜榜等多個榜單,成為業界關注的焦點。這部作品不僅是AI影視從短片跨入長片敘事的重要標誌,更引發了關於AI能否勝任完整故事結構、成熟視覺風格與工業化生產的討論。《奇譚》的出現,將行業的視線從過去幾年間廣為流傳的AI短片,進一步拉向長篇敘事領域。過去,AI影視作品多以短時長、高傳播效率見長,但在情節鋪陳、角色塑造與視覺連貫性上,往往難以滿足傳統影視的標準。
而《奇譚》作為一部獲得《網絡劇片發行許可證》的AIGC故事片,試圖證明AI在長片製作中同樣可以具備完整的創作流程與商業可行性。影片本身根植於中式奇幻美學,講述了一位名為白小滿的御紙師,與半人半紙的胡不歸共同闖入陰陽夾縫,尋找自我救贖的故事。這個世界觀融合了傳統紙藝文化與超自然元素,在視覺呈現上極具辨識度,也為AI影像生成提供了豐富的風格化空間。主創團隊在接受媒體專訪時,詳細還原了這部AI長片的製作過程,從前期創意到後期生成,展現了人工創意與AI能力如何協同運作。從製作流程來看,《奇譚》並非簡單地將劇本輸入AI然後輸出畫面,而是經歷了多次迭代與人工干預。
團隊在確定故事大綱與角色設定後,利用AI生成大量概念設計與分鏡草稿,再由美術與導演團隊進行篩選、調整與細化。這種人機協作模式,使得AI能夠快速產出多種視覺方案,同時保留人類創作者對敘事節奏與情感表達的把控。在後期環節,AI也承擔了部分場景渲染、動畫生成與特效合成的工作,大幅縮短了傳統動畫或真人電影的製作週期。值得注意的是,《奇譚》在商業化路徑上的探索同樣具有指標意義。獲得官方發行許可證,意味著這部AI長片可以像一般網路劇片一樣在平台正式上線,並透過付費、廣告等方式實現營收。愛奇藝作為聯合出品方與播出平台,對這類新形態內容給予了流量與推廣資源支持,也為後續AI影視作品的商業變現提供了參考樣本。
主創團隊表示,AI影視的發展並非簡單替代傳統影視,而是在人工創意與AI能力結合下,重新定義影視生產方式與商業模式。從產業視角來看,《奇譚》的上線也引發了對AI影視審美體系與工業化標準的討論。傳統電影與動畫擁有成熟的製作流程、質量控制與審美規範,而AI生成的影像在細節一致性、光影邏輯、角色連貫性等方面仍存在挑戰。《奇譚》團隊在製作過程中,需要針對AI輸出的素材進行大量手動修正與優化,才能達到可播出的品質。這也反映出,短期內AI影視仍難以完全脫離人工干預,而是作為一種高效工具,輔助創作者實現更豐富的視覺想像。
展望未來,AI影視的下一步發展方向,將聚焦於如何在保持創作效率的同時,提升敘事深度與視覺品質。《奇譚》的經驗顯示,AI在概念設計、場景生成、特效合成等環節具有明顯優勢,但在角色表演、情感傳遞與劇情節奏上,仍需人類創作者的主導。隨著生成式AI技術的持續迭代,以及更多創作者投入實踐,AI長片的製作門檻可望進一步降低,並催生出更多元的類型與風格。《奇譚:紙刃渡荒墟》的成功上線,不僅為AI影視打開了一扇正式的大門,也讓外界看到人機協作在長敘事內容上的潛力。從短片到長片,從實驗到商業,AI影視正逐步走出自己的路徑。而這條路徑的核心,並非取代傳統影視,而是與之並行,共同拓展影像創作的邊界。
未來,隨著更多類似《奇譚》的作品問世,觀眾將有機會見證一個由AI與人類共同書寫的嶄新影視時代。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線
在本教學中,我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件,並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著,我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入,並將處理後的內容儲存至 LanceDB。最後,我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成,以及輕量級的 recall-at-k 評估,以驗證跨多模態文件內容的檢索品質。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。