AIGC技術(shù)在舞臺多媒體影像中的應(yīng)用研究

摘要：近年來，生成式人工智能（AIGC）技術(shù)迅速發(fā)展，在醫(yī)療、金融、教育、娛樂等多個行業(yè)得到應(yīng)用，展現(xiàn)出顯著的變革能力。在舞臺多媒體影像這一藝術(shù)與技術(shù)交融的前沿陣地，AIGC技術(shù)的應(yīng)用擁有巨大的創(chuàng)新潛能。文章聚焦AIGC技術(shù)在舞臺多媒體影像創(chuàng)作中的創(chuàng)新實踐，通過理論分析與實證研究相結(jié)合的方法，系統(tǒng)探討技術(shù)介入對傳統(tǒng)創(chuàng)作范式的重構(gòu)路徑。文章首先梳理舞臺影像技術(shù)的發(fā)展脈絡(luò)，指出傳統(tǒng)制作流程存在的創(chuàng)作周期冗長、人力成本高昂、動態(tài)響應(yīng)遲滯等結(jié)構(gòu)性困境。然后，結(jié)合實際應(yīng)用案例，探討AIGC技術(shù)在提高創(chuàng)作效率和增強藝術(shù)表現(xiàn)力方面的獨特優(yōu)勢。文章通過實證數(shù)據(jù)驗證AIGC技術(shù)對舞臺影像創(chuàng)作中的提質(zhì)增效作用，旨在為數(shù)字時代舞臺美術(shù)創(chuàng)新提供兼具理論深度與實踐價值的參考范式，推動藝術(shù)生產(chǎn)的智能化轉(zhuǎn)型。

關(guān)鍵詞：AIGC技術(shù)；舞臺多媒體影像；舞臺美術(shù)

中圖分類號：J814 文獻標(biāo)識碼：A 文章編號：1004-9436（2024）22-0-04

0 引言

在數(shù)字化浪潮下，舞臺美術(shù)正迎來技術(shù)與藝術(shù)的深度融合。舞臺多媒體影像作為現(xiàn)代演出中的重要元素，通過投影、大屏等方式，將視覺內(nèi)容與表演相結(jié)合，增加了敘事深度，優(yōu)化了觀眾體驗。舞臺美術(shù)的創(chuàng)新離不開技術(shù)的支持。然而，傳統(tǒng)影像設(shè)計依賴大量人工創(chuàng)作，存在效率低、成本高等問題。生成式人工智能（AIGC）技術(shù)的出現(xiàn)為解決這些問題提供了方案。AIGC技術(shù)能夠根據(jù)用戶需求生成多樣化的圖像與視頻內(nèi)容，在多個藝術(shù)領(lǐng)域展現(xiàn)出潛力。AIGC技術(shù)不僅能優(yōu)化設(shè)計流程，還能為舞臺影像帶來新的表現(xiàn)形式。本文通過實踐項目音樂劇《江格爾》，驗證AIGC技術(shù)在舞臺多媒體影像設(shè)計中應(yīng)用的可行性與效果，為藝術(shù)工作者提供創(chuàng)作參考，同時填補相關(guān)研究的空白。

1 傳統(tǒng)舞臺多媒體影像發(fā)展與制作流程

20世紀初，隨著現(xiàn)代科技的不斷發(fā)展，舞臺影像開始融入戲劇表演，成為增強視覺表現(xiàn)力的重要手段。1924年，蘇聯(lián)導(dǎo)演梅耶荷德利用幻燈片設(shè)備將字幕投影至舞臺，為敘事提供輔助，這一探索為后續(xù)影像技術(shù)在舞臺藝術(shù)中的應(yīng)用奠定了基礎(chǔ)。捷克藝術(shù)家斯沃博達在1967年的蒙特利爾世博會上，通過復(fù)合多屏幕投映技術(shù)完成了劇目《世界的誕生》。該作品不僅采用了動態(tài)幾何體投影和多圖像分拆展示的方式，而且在缺乏電腦控制技術(shù)的情況下，依靠精湛的設(shè)計技藝實現(xiàn)了影像與舞臺空間的有機融合。這一創(chuàng)舉對后來的多媒體舞臺藝術(shù)產(chǎn)生了深遠影響。進入21世紀后，隨著數(shù)字光學(xué)技術(shù)和計算機控制系統(tǒng)的飛速發(fā)展，舞臺影像制作經(jīng)歷了從手工繪制、實景拍攝到數(shù)字化剪輯與合成的轉(zhuǎn)型。例如，高廣建在國家大劇院制作的新編大型史詩京劇《赤壁》中，在舞臺美術(shù)設(shè)計中采用了不同于傳統(tǒng)京劇“一桌二椅”的純粹寫意的舞臺樣式，創(chuàng)造性地使用了LED顯示屏作為戲曲舞臺背景，而且使用了大幅度變化的舞臺機械，盡顯視覺奇觀［1］。這極大地拓展了舞臺的表現(xiàn)維度，給觀眾帶來沉浸式觀演體驗。

傳統(tǒng)舞臺多媒體影像制作已形成相對規(guī)范的流程體系，主要包含創(chuàng)意孵化、素材制作、數(shù)字合成與現(xiàn)場合成四個環(huán)節(jié)。在創(chuàng)意開發(fā)階段，影像設(shè)計師需要協(xié)同導(dǎo)演團隊通過劇本解構(gòu)與多輪創(chuàng)作會議，確立涵蓋色彩基調(diào)、運動邏輯及媒體融合方式的視覺方案，并以手繪分鏡腳本及三維預(yù)演模型構(gòu)建創(chuàng)作框架。在素材制作環(huán)節(jié)，采用傳統(tǒng)手繪技法與數(shù)字圖形軟件協(xié)同作業(yè)，對于特定敘事場景，則需借助實景拍攝捕捉寫實畫面。當(dāng)前流程中各環(huán)節(jié)存在顯著的人工依賴性，且核心創(chuàng)作團隊的藝術(shù)造詣與美學(xué)素養(yǎng)直接決定影像最終的藝術(shù)高度。在后期制作環(huán)節(jié)，設(shè)計團隊依托DaVinci Resolve等非線性編輯系統(tǒng)進行素材校色，通過Nuke等節(jié)點式合成平臺完成動態(tài)蒙版跟蹤與多層影像合成，最終在After Effects中實現(xiàn)粒子特效與動態(tài)圖形設(shè)計?，F(xiàn)場集成階段，需運用ResolumeArena等媒體服務(wù)器，通過時間碼同步技術(shù)實現(xiàn)影像內(nèi)容與舞臺機械運動、燈光編程的適配。值得關(guān)注的是，單視頻渲染耗時高達1～2小時，導(dǎo)致實際調(diào)試時長被大大壓縮。當(dāng)演出出現(xiàn)臨場變更時，創(chuàng)作團隊在調(diào)試期內(nèi)往往被迫采取折中方案，如將動態(tài)粒子效果降級為靜態(tài)貼圖處理。同時，長期的重復(fù)工作容易使設(shè)計師陷入思路枯竭、設(shè)計僵化的困境，出現(xiàn)設(shè)計同質(zhì)化的趨勢。這一整套流程過于依賴手工操作和人工調(diào)整，傳統(tǒng)方法在響應(yīng)實時變化、降低制作成本和實現(xiàn)高度互動方面存在明顯局限，其制作周期長、效率低以及創(chuàng)意表達受限的特點，逐漸無法滿足現(xiàn)代舞臺藝術(shù)對多媒體影像日益增長的高效、靈活與互動需求。

2 AIGC技術(shù)介入舞臺多媒體影像創(chuàng)作

AIGC（Artificial Intelligence Generated Content）技術(shù)指的是通過人工智能技術(shù)來自動化或輔助生成各種形式的內(nèi)容，包括文本、圖像、音頻、視頻和3D模型等。當(dāng)前，該技術(shù)已涌現(xiàn)多項突破性成果：阿里萬相大模型（Wan2.1）以86.22%的權(quán)威評測得分登頂全球開源榜單，其14B版本可實現(xiàn)30%的訓(xùn)練效率提升與40%的推理成本優(yōu)化，成為多模態(tài)創(chuàng)作的重要技術(shù)基礎(chǔ)；智譜華章推出的CogView4作為全球首個支持生成漢字的開源文生圖模型，在DPG-Bench基準測試中綜合評分第一，其任意分辨率生成能力為文化創(chuàng)意產(chǎn)業(yè)帶來全新可能；字節(jié)跳動發(fā)布的AI短視頻助手已實現(xiàn)文本輸入到完整視頻（含畫面、配音、特效）的端到端生成，將深度賦能影視與商業(yè)傳播領(lǐng)域。此外，DeepSeek-R1通過純強化學(xué)習(xí)（RL）訓(xùn)練，首次在20億參數(shù)非監(jiān)督微調(diào)模型上實現(xiàn)多模態(tài)推理，在視覺推理任務(wù)中準確率提升了30%；Tripo 2.5版本憑借多模態(tài)耦合架構(gòu)，實現(xiàn)語言指令驅(qū)動的3D建模工業(yè)化突破，已被廣泛應(yīng)用于游戲、影視及工業(yè)設(shè)計領(lǐng)域。這些創(chuàng)新共同昭示著AIGC技術(shù)正從內(nèi)容生成工具進化為驅(qū)動各行業(yè)范式變革的核心引擎。

在技術(shù)迭代狂飆突進的背景下，筆者于內(nèi)蒙古藝術(shù)劇院原創(chuàng)歌劇《江格爾》的多媒體影像創(chuàng)作實踐中，嘗試將AIGC技術(shù)介入從前期創(chuàng)意到動態(tài)呈現(xiàn)的全流程，重構(gòu)了傳統(tǒng)舞臺視覺設(shè)計的范式。該劇面臨的三大核心挑戰(zhàn)——史詩文本的當(dāng)代視覺轉(zhuǎn)譯、巨型機械裝置與影像的空間共生、魔幻美學(xué)風(fēng)格的統(tǒng)一性把控，成為驗證生成式人工智能技術(shù)應(yīng)用價值的實驗場域。

2.1 創(chuàng)意靈感的文本導(dǎo)向激發(fā)

在舞臺視覺設(shè)計的初始階段，《江格爾》影像團隊面臨的首要挑戰(zhàn)是對這一龐大的蒙古族神話體系缺乏深入了解，難以準確把握其文化內(nèi)核與敘事邏輯。與此同時，在改編歌劇劇本的過程中充分尊重了史詩原作的文學(xué)價值，不僅保留了史詩的鮮活感、宿命感和傳奇色彩，還通過細膩的劇情鋪陳與多變的場景轉(zhuǎn)換，進一步強化了其藝術(shù)張力。這種高度還原的敘事結(jié)構(gòu)與豐富的情感層次，要求影像設(shè)計不僅需要精準傳達史詩的精神內(nèi)核，還要在視覺上呈現(xiàn)出與劇情相匹配的史詩氛圍與美學(xué)質(zhì)感。

在序曲五分鐘純樂隊演奏影像設(shè)計階段，導(dǎo)演提出了“戰(zhàn)馬奔騰的悲壯感需轉(zhuǎn)化為具象視覺符號”這一抽象要求，并要求采用紗幕投影引導(dǎo)觀眾情緒進入史詩般的戲劇氛圍。作為OpenAI開發(fā)的對話式大型語言模型，ChatGPT基于GPT（Generative Pre-trained Transformer）架構(gòu)，通過海量文本預(yù)訓(xùn)練獲得跨領(lǐng)域語義理解與生成能力。團隊首次嘗試將其引入創(chuàng)作流程，探索文本驅(qū)動的靈感激發(fā)路徑。具體實施中，影像團隊向ChatGPT 3.5版本輸入了包括《江格爾》史詩全文、歌劇改編劇本、蒙古族薩滿教圖騰研究論文在內(nèi)的12類文本資料（總計約25萬字），構(gòu)建起涵蓋文學(xué)、歷史、民俗的跨學(xué)科資料庫。將文本資料輸入系統(tǒng)后，ChatGPT展現(xiàn)出驚人的跨文本關(guān)聯(lián)能力：不僅準確提煉出“英雄成長史與民族精神覺醒”的雙重敘事母題，還通過分析“宿命感”與“抗?fàn)幮浴钡霓q證關(guān)系，提出“細胞分裂象征生命原力”“斷裂鎧甲隱喻犧牲精神”等超現(xiàn)實意象。ChatGPT提供了大量靈感方案，通過一輪輪對話與人工篩選，最終采納了“神經(jīng)森林平臺—悸動細胞投影—峽谷河岸”三大影像主題，并向?qū)а蓐U述了序曲的影像內(nèi)容：序曲響起，從舞臺的神經(jīng)森林平臺，到頭盔、鎧甲景片，再到多媒體正投投射出的細胞緩緩悸動，象征著這部歌劇是一名英雄的成長史、一個民族的成長史；在臺口紗投射河水的波濤，預(yù)示序幕的場景發(fā)生在峽谷河岸。

在ChatGPT對史詩中“勇士從大地血脈誕生”這一隱喻的解構(gòu)上，相較于傳統(tǒng)創(chuàng)作會議中設(shè)計師受限于已有經(jīng)驗的思維定式，AI通過海量文本的語義網(wǎng)絡(luò)重組，將“自由與犧牲”的哲學(xué)命題轉(zhuǎn)化為可操作的視覺語法。這種從語言層到圖像層的跨模態(tài)跳躍，為后續(xù)設(shè)計奠定了兼具文化深度與現(xiàn)代美學(xué)的認知框架基礎(chǔ)。

2.2 文本驅(qū)動的視覺概念生成

當(dāng)影像創(chuàng)作進入效果圖制作階段，團隊首先嘗試了傳統(tǒng)制作模式。制作效果圖首先需要大量圖片素材，獲取途徑主要為通過網(wǎng)絡(luò)檢索并購置以及手繪方式，然后借助Photoshop等軟件執(zhí)行后期處理操作。然而，實踐過程中出現(xiàn)了諸多問題：一方面，難以覓得與設(shè)計理念高度契合且品質(zhì)上乘的圖片素材；另一方面，所獲取的素材存在數(shù)量不足、圖像清晰度欠佳以及風(fēng)格不適配等多種情況。當(dāng)根據(jù)設(shè)計思路開展素材搜索工作時，僅僅尋找到少量符合要求的素材，大部分素材平淡無奇，難以彰顯該劇所特有的魔幻與抽象韻味，無法被用作效果圖合成，團隊面臨史詩改編特有的魔幻美學(xué)建構(gòu)難題。

Midjourney作為基于擴散模型（Diffusion Model）的AI圖像生成工具，能夠通過文本提示（prompt）將抽象概念轉(zhuǎn)化為視覺圖像，其特有的風(fēng)格融合能力與海量的訓(xùn)練素材在此環(huán)節(jié)發(fā)揮了關(guān)鍵作用。當(dāng)團隊試圖搜集序章視頻拼貼素材時，在常規(guī)素材網(wǎng)站檢索出的海水、碎片、細胞、神經(jīng)元均缺乏劇作所需的蒙太奇式拼貼美學(xué)與魔幻特質(zhì)。此時，Midjourney的介入實質(zhì)上是將設(shè)計師的隱喻思維轉(zhuǎn)化為機器可理解的視覺語法：通過輸入“Thalassophobia nightmare， murky water swallowing light， distorted shark silhouettes（深海恐懼夢境，吞噬光線的渾濁海水）”“Biomorphic galaxy network， neuron as constellations（仿生銀河網(wǎng)絡(luò)，恒星般的神經(jīng)元）”等提示詞組合，Midjourney的生成圖片逐步接近團隊想象中的奇幻混沌圖景。

值得注意的是，AI生成過程也是一個人機共創(chuàng)的過程。影像生產(chǎn)需始終遵循以人為軸心的創(chuàng)作邏輯：傳統(tǒng)的影像生產(chǎn)邏輯是先有人的想法，然后是人的創(chuàng)作、制作，最后由人來評判是否具備傳播價值等［2］。當(dāng)初始結(jié)果偏向《異形》式的恐怖美學(xué)時，團隊通過添加“no low contrast， grainy texture， blurry edges， horror movie still， surreal nightmare（低對比度/顆粒噪點/模糊邊緣/恐怖電影感/噩夢超現(xiàn)實）”的負向提示詞（negative prompt），要求Midjourney在恐怖谷效應(yīng)與神話色彩之間尋找平衡點。這種“提示詞工程學(xué)”的實踐，本質(zhì)上是在機器邏輯與人文訴求之間建立翻譯機制。最終采用的14張優(yōu)質(zhì)素材中，既保有神經(jīng)元細胞的生物學(xué)特征，又含有暗藏壓迫感的海水圖像，并且圖像清晰、質(zhì)感優(yōu)異。

從生產(chǎn)效能維度考察，Midjourney在8小時內(nèi)完成的素材量（共計237張可用圖像），相當(dāng)于5人設(shè)計團隊數(shù)周的創(chuàng)作量。效率的極大提升不僅縮短了制作周期，更重要的是釋放了創(chuàng)作主體的實驗勇氣——設(shè)計師可以毫無顧慮地嘗試高難度美學(xué)方案，即在初步構(gòu)思階段認為可暫且擱置的影像創(chuàng)作。創(chuàng)作自由度的提升，實質(zhì)上是將藝術(shù)生產(chǎn)從可行性驗證的前置枷鎖中解放出來。在傳統(tǒng)工作流中，設(shè)計師常因技術(shù)實現(xiàn)成本過高而被迫妥協(xié)創(chuàng)意構(gòu)想，團隊必須提前評估三維建模的工時成本、渲染時間等現(xiàn)實約束，這種“戴著鐐銬起舞”的創(chuàng)作狀態(tài)，減少了先鋒美學(xué)探索的可能性。

2.3 動態(tài)影像的生成式工作流

在第三章節(jié)紅色神經(jīng)元構(gòu)成鏈狀排列旋轉(zhuǎn)鏡頭的實現(xiàn)過程中，徹底顛覆了傳統(tǒng)三維動畫的生產(chǎn)邏輯。導(dǎo)演提出將該靜態(tài)效果圖轉(zhuǎn)化為“具有詭異生命感的律動畫面”。該靜態(tài)效果原本由Midjourney輸出的一些靜態(tài)JPG素材圖像拼貼而成，并且不具備傳統(tǒng)分層處理的條件，因此難以利用AfterEffects形成自然流暢的動態(tài)。團隊嘗試了傳統(tǒng)常規(guī)的Maya建模綁定骨骼驅(qū)動渲染的制作方案。然而，經(jīng)過兩天的建模與渲染調(diào)試，呈現(xiàn)效果過于3D，并且無法還原AI效果圖特有的不合理扭曲形態(tài)，于是宣告失敗。而不確定性是一切藝術(shù)類型吸引力的重要來源［3］。

Runway Gen-2是一款基于多模態(tài)AI的端到端視頻生成系統(tǒng)，通過文本、圖像或視頻輸入自動生成高質(zhì)量動態(tài)影像，其“Image to Video”，即圖生視頻功能在關(guān)鍵時刻展現(xiàn)出了強大的應(yīng)用潛力：團隊將原始圖片素材導(dǎo)入Runway生成界面，設(shè)定“運動幅度為2（抑制過度形變）”“攝像機靜止（便利視頻循環(huán)）”參數(shù)，點擊生成。數(shù)分鐘后視頻生成，紅色神經(jīng)元鏈像DNA序列那般旋轉(zhuǎn)，本身產(chǎn)生類似微生物蠕動的有機節(jié)奏，同時整段視頻畫面保持了寫意筆觸質(zhì)感。AI在生成過程中自主添加的末梢神經(jīng)隨機顫動與光影效果，強化了史詩敘事中“命運無?！钡谋瘎埩?，帶來了人類預(yù)設(shè)程序難以精準控制的數(shù)字美感。從技術(shù)實施層面看，該畫面如果采用傳統(tǒng)流程計劃，需要48小時建模渲染、8小時后期合成渲染時間。采用Runway Gen2方案后，2小時內(nèi)嘗試了14次視頻生成測試，從中挑選出了效果最佳的視頻，最后用AfterEffects進行視頻微調(diào)渲染，最終利用Topaz Video AI進行超分辨率輸出4K視頻，投影于紗幕中，總工時僅需3小時，即可使靜態(tài)圖片在劇場中呈現(xiàn)為高清動態(tài)影像。其中紋理細節(jié)與運動平滑度均超出導(dǎo)演與團隊預(yù)期。如中國國家話劇院多媒體設(shè)計大師胡天驥所說，“舞臺多媒體影像設(shè)計和運用如果不能與舞臺各專業(yè)契合，而真正融合為完整的舞臺藝術(shù)，就會出現(xiàn)過多炫技，甚至適得其反”［4］。在案例中，創(chuàng)作團隊特別注重將AI生成的動態(tài)影像與舞臺機械運動、演員走位調(diào)度進行數(shù)字化預(yù)演匹配，通過調(diào)整視頻速度，確保神經(jīng)元鏈的旋轉(zhuǎn)節(jié)奏與現(xiàn)場交響樂隊的演奏節(jié)拍形成精確共振，取得了極佳的現(xiàn)場效果。

如今的Runway Gen-3 Alpha相較于Gen-2，在多個維度實現(xiàn)了顯著提升。首先，模型基于全新的大規(guī)模多模態(tài)訓(xùn)練基礎(chǔ)設(shè)施構(gòu)建，通過視頻與圖像的聯(lián)合訓(xùn)練，大幅提高了生成內(nèi)容的保真度和時間一致性，尤其在動態(tài)場景中，能穩(wěn)定呈現(xiàn)復(fù)雜的光影效果；其次，在動作控制與物理規(guī)律模擬方面，Gen-3增強了對現(xiàn)實世界運動的理解能力，能夠生成更符合物理邏輯的視頻，如高速移動場景下的穩(wěn)定畫面和自然過渡；再次，其生成時長從Gen-2的4秒突破至10秒，并支持視頻延長，允許用戶通過描述性提示詞實現(xiàn)視頻畫面轉(zhuǎn)換；最后，模型提高了生成速度，5秒視頻生成僅需45秒，效率提升顯著。這標(biāo)志著AIGC技術(shù)已突破“輔助工具”的初級階段，開始向“算法創(chuàng)意催化劑?”的角色進化。

3 結(jié)語

文章通過《江格爾》創(chuàng)作實踐，驗證了AIGC技術(shù)對舞臺影像創(chuàng)作的三重革新：首先，ChatGPT通過分析25萬字的文本資料，快速提煉出“神經(jīng)森林”“悸動細胞”等核心意象，解決了史詩文本視覺化難題；其次，Midjourney在8小時內(nèi)生成237張魔幻風(fēng)格素材，破解了傳統(tǒng)素材搜索效率低、風(fēng)格匹配度不足的困境；最后，RunwayGen-2將原本需要5天制作的三維動畫縮短至3小時完成，其自動生成的神經(jīng)元蠕動效果增強了戲劇張力。實踐證明，AIGC技術(shù)使創(chuàng)作周期大幅縮短，同時催生出傳統(tǒng)手段難以實現(xiàn)的視覺創(chuàng)新。

在當(dāng)代舞臺藝術(shù)中，多媒體影像通過與燈光、機械裝置的配合，正在構(gòu)建更具沉浸感的觀演空間。AIGC技術(shù)帶來的效率革命，使設(shè)計師能更專注于創(chuàng)意本身而非技術(shù)限制，但藝術(shù)創(chuàng)作的核心始終在于人的審美判斷。面對AI工具，創(chuàng)作者需強化造型能力與空間思維，確保技術(shù)服務(wù)于情感表達。未來舞臺美術(shù)的發(fā)展，應(yīng)在人機協(xié)作中探索新的視覺語言，使技術(shù)創(chuàng)新賦能藝術(shù)創(chuàng)作，為觀眾帶來更具感染力的劇場體驗。

參考文獻：

［1］ 李璟，劉航宇.數(shù)字媒體藝術(shù)在中國戲曲舞臺美術(shù)設(shè)計中的應(yīng)用［J］.四川戲劇，2019（10）：89-91.

［2］ 徐鴻晟，王子葉，張洪忠. AI大模型賦能影像生產(chǎn)模式的轉(zhuǎn)變［J］.電視研究，2024（5）：12-15.

［3］ 楊冬妮.數(shù)字戲劇表演美學(xué)建構(gòu)：理念闡發(fā)、實踐路徑和技術(shù)賦能［J］.戲劇藝術(shù)，2024（1）：51-61.

［4］ 胡天驥.舞臺多媒體影像的特殊性及與舞臺藝術(shù)的融合［J］.演藝科技，2023（3）：70-74.