智東西模型更新

奇門動力發AI影視製作平臺!靠4大自研智能體,成本大降90%

2026年7月15日 03:58

重點摘要

奇門動力推出AI影視製作平台奇門魔方,由編劇、導演、美術、攝影四大自研智能體驅動,可將製作成本降低90%、週期縮短70%。該平台已成功完成院線電影《初號原型》與網絡電影《天子傳奇》的製作,並透過可插拔架構解決AI工具快速迭代導致的畫面風格不一致問題。

站內 AI 整理稿

奇門動力於今(15)日正式推出AI影視製作全流程生產平台「奇門魔方Creation Matrix」,該平台由編劇、導演、美術、攝影四大AI智能體驅動,能夠覆蓋從劇本創作到最終成片的端到端流程。奇門動力宣稱,這套系統可將影片的綜合製作成本降低90%,製作週期縮短70%。目前,已有獲得龍標的院線電影《初號原型》透過該平台完成製作;另一部60分鐘的網絡電影《天子傳奇》則由10人團隊在一個月內,從劇本到成片全流程交付。 奇門魔方的核心運作邏輯,在於四個自主研發的AI智能體之間無縫銜接。編劇智能體內建16種題材創作模板,能產出可直接使用的結構化劇本;導演智能體則根據劇本拆解每一場戲的表演與情緒,控制角色的肢體語言及情境調度;美術智能體依據劇本與導演需求生成角色設計圖,並自動分解為表情圖、動作圖、狀態組、道具組件等可重複使用的資產,確保整部影片的視覺風格統一;最後,攝影智能體綜合劇本、導演指示與美術資產,確定拍攝方式、機位角度、鏡頭型號等具體參數。上一環的輸出自動成為下一環的輸入,所有數據在同一平台內流轉,無需手動傳送檔案或切換工具。 奇門動力聯合創始人烏合麒麟(付昱)在發布會上分享了一段AI電影製作的真實經歷。他提到,團隊在嘗試製作一部AI電影時,反覆遇到同一個問題:每當AI工具升級,後續生成的鏡頭就難以與前期畫面保持一致。為了維持整體風格統一,只能重新調整甚至推倒重做,導致該項目長期停留在前幾場戲的製作階段,遲遲無法推進。 針對上述AI影視製作中工具快速迭代導致畫面風格難以統一的痛點,奇門魔方搭建了一套可插拔的生產底座。當新模型或工具出現後,可以直接接入現有工作流,不必重新製作前期已經完成的作品,從而保持人物設定與整體視覺風格的一致性。這項設計讓創作者不必因技術更新而被迫放棄已完成的內容,大幅降低重工成本。 目前奇門魔方提供四種交付規格:豎屏短劇最快5天可完成一部;橫屏長劇需15至30天;PGC(專業團隊生產內容)精品則需要45天以上;院線電影可根據項目需求量身訂製。不同規格對應不同的製作深度與資源投入,滿足從短視頻到長片、從快速產出到精細打磨的多元需求。 除了生產模塊,奇門魔方還規劃五大業務板塊,涵蓋IP從孵化到變現的完整生命週期。首先,「敘界編織者」將小說創作拆解為世界觀構建、人物卡設計與章節串聯,採用串行模式逐章生產,確保上下文連貫性。第二,「聚合熔爐」即四大智能體所在的核心生產板塊,負責將小說或創意轉化為豎屏短劇、橫屏長劇、網絡電影、院線影片等全規格影視內容。第三,「抉擇中樞」則能將已有的故事拆解為多分支互動影遊。第四,「數域星播」把角色IP轉化為虛擬主播,並配備爆款帶貨模板。最後,「星雲獵場」連接項目方與全球創作者,當有IP需要製作時發布任務,創作者可透過接單參與生產。 從生成工具到完整的生產體系,AI影視產業仍在探索新的運作範式。近年來隨著視頻生成模型快速發展,越來越多企業投入AI影視賽道,競爭重點也逐漸從模型能力擴展到生產效率與行業落地。此次奇門動力並未發布新的視頻模型,而是將重心放在影視工業流程的重構上。該公司希望透過統一的工作流,降低AI工具頻繁迭代所帶來的使用成本,並進一步探索內容生產、IP運營與創作者協同的一體化模式。從AI生成單一鏡頭,到完成一部影片的穩定交付,再到圍繞IP建構持續運營能力,AI影視行業正在從模型能力的競爭,逐步邁向生產體系與產業生態的全面較量。

Related

相關文章

誰是AI時代真正的組織架構師

企業導入AI的瓶頸在於組織而非技術,真正高效的做法是讓懂業務的人開發智能體,而非由IT團隊主導。人力資源部門需擔任新時代的組織架構師,從信息流轉、經驗資產、決策模式、人才體系及組織文化五個面向進行系統性重構,才能讓AI落地並成為企業核心競爭力。

剛剛

英偉達正在完成“五層蛋糕”閉環

英偉達正在完成「五層蛋糕」閉環,從GPU巨頭升級為AI工廠的總架構師。黃仁勳在2026年GTC臺北上提出一個關鍵等式:「Compute equals revenue」(算力等於收入),意味著AI公司、雲端廠商和企業客戶購買的不再只是硬體,而是未來能持續產生收益的智慧產能。如今英偉達不再只是一家晶片公司,更像一座大型Token工廠的總包商,而黃仁勳的目標是擔任確保一切順利運轉的工廠總架構師。

剛剛
MarkTechPost AI模型更新

Building a Gin Config Controlled PyTorch Pipeline with Configurable MLP Variants, Cosine Scheduling, and Runtime Parameter Overrides

本教學示範如何使用 Gin Config 控制 PyTorch 實驗流程,將訓練程式碼保持穩定,並將實驗自由度移至宣告式設定檔。透過設定檔可配置 MLP 架構、優化器、排程器及超參數,並支援運行時參數覆蓋與匯出確切設定。此實作包含螺旋二元分類任務、可擴展 MLP 變體及餘弦調度等功能。

48 分鐘前

留給開源模型的時間,就剩6個月?

美國白宮正在考慮透過行政命令限制開源AI,尤其針對中國開發的系統,此舉可能對開源產業造成重大衝擊。研究員指出,開源模型與封閉模型的能力差距可能在6個月內消失,屆時可能觸發更嚴格的禁令。此外,部分封閉模型公司被批評藉由安全疑慮遊說政府,試圖固化市場地位並阻礙開源模型生態發展。

2 小時前