《現代電影技術》｜沈華清：生成式人工智能驅動下的影視制作范式變革與技術前瞻

本文刊發于《現代電影技術》2025年第9期

專家點評

人工智能（AI）技術的快速發展與應用正深刻改變影視內容的制作流程，但相關技術和工具在可用性、可控性、創新性方面仍存在不足，制約了AI在影視創作生產中的深度應用。《生成式人工智能驅動下的影視制作范式變革與技術前瞻》一文立足于AI技術對傳統影視創作模式的重構，系統剖析了生成式人工智能（GAI）技術在影視制作全流程應用中的潛力與瓶頸，提出了一套面向未來的人機協作創作體系，為解決AI生成內容與傳統影視后期制作流程脫節、數據無法雙向校驗的問題提供了系統性范式，對行業的技術升級與范式革新具有重要的前瞻指引價值。未來的GAI技術將進一步向“動態世界模擬”與“導演意圖推理”兩大方向深度演進，不僅僅立足于生成孤立的視頻片段，而是可構建一個可供導演在其中自由探索、實時拍攝，且符合物理規律的四維時空世界，徹底解決多鏡頭空間一致性難題。同時，未來AI將通過多模態交互學習導演個人風格與創作意圖，從被動的指令執行者進化為能動地提出創造性方案的“AI副導演”。GAI不僅是創作生產工具，更是與創作者共生、能夠模擬敘事邏輯并涌現新創意的智能生命體，將引領影視創作進入真正意義上的“人機共創”新紀元。

—— 丁友東

教授

上海大學上海電影學院黨委書記

上海電影特效工程技術研究中心副主任、博士生導師

作 者 簡 介

沈華清

王文強

副教授，浙江大學藝術與考古學院設計藝術系副主任、碩士生導師，主要研究方向：數字藝術與動畫。

【基金項目】國家自然科學基金企業創新發展聯合基金項目“云邊端協同框架下基于點云的三維感知建模與XR呈現的理論與方法”(U22B2034)。

摘要

隨著人工智能（AI）技術的快速演進，其在圖像與視頻生成領域取得了顯著成就，并已滲透至影視及視頻內容制作流程中。然而，由于相關技術在可控性、創新性等方面仍存在不足，AI技術在影視創作中的高層次、深度應用仍面臨諸多挑戰。本文聚焦生成式AI驅動下的影視創作范式變革與技術發展趨勢，基于當前AI圖像與視頻生成的實際情況，深入分析開源視頻模型的技術演進，并從影視動畫制作的技術難點切入，剖析當前視頻生成AI工具存在的技術短板及藝術共創架構的缺失，對未來商業影視創作系統的發展提出展望。研究表明，AI技術正推動影視創作向更高效、更具創意的方向發展，為影視創作范式的變革與技術重構提供了明確指引。

關鍵詞

生成式人工智能；開源大模型；影視創作；范式變革；技術演進

1引言

人工智能（AI）技術的突破性發展，正在重構影視制作的技術生態。從早期基于卷積神經網絡（CNN）的靜態圖像風格遷移算法，到當前依托Transformer架構的視頻生成AI工具，如OpenAI的Sora、谷歌（Google）VEO3、即夢AI與阿里云的通義萬相等，生成式人工智能（Generative Artificial Intelligence, GAI）技術演進呈現跨越式發展，不僅體現在生成內容分辨率和畫面質量的提升，更表現為創作維度的拓展。技術演進不僅提升了內容生產效率，極大降低制作門檻，拓展創作者表達的技術空間，更催生了人機協同的創作新范式，可能顛覆傳統影視創作流程，對影視產業的創新發展產生了深遠影響。這種變革既體現在制作流程的數字化重構，也表現為藝術創作主體性的技術延伸，標志著影視工業進入智能重塑的新紀元。本文旨在探討GAI技術在影視制作中的具體應用，并結合影視動畫創作的技術需求，揭示其潛力與局限，展望未來的發展趨勢與挑戰。

2GAI技術推動影視制作工具技術升級

當前，GAI技術已滲透至影視制作的全流程，涵蓋概念圖設計、分鏡繪制、場景生成、動作捕捉、后期制作等關鍵環節，并已影響到傳統制作工具的技術發展與升級。

2.1 三維動畫軟件的AI整合與優化

近年來，AI技術逐步被吸收至主流三維建模與動畫制作軟件，助推影視制作效率提升與表現力拓展。如，Blender和Cinema 4D等三維軟件引入了AI驅動的建模輔助、材質生成、圖像至模型轉換等功能，使創作者能更專注于創意表達而非繁瑣的建模過程[1]。Blender從3.0版本起開始支持AI圖像生成插件，用戶可通過調用ComfyUI等應用程序接口（API），將AI生成圖像快速轉化為三維模型基礎結構[2]。Cinema 4D也推出了AI驅動的材質生成器，可根據文本或圖像自動生成高質量表面貼圖與光照參數，大幅縮短材質設計周期[3]。

在角色建模與動作生成方面， HyperMotion等AI工具可從單張圖像生成完整的三維角色動作，結合骨骼綁定系統自動完成關鍵幀設定[4]。通過深度學習算法，AI能夠生成精確的深度圖、姿態圖和基礎結構模型，大幅縮短建模與動畫制作周期。例如，DreamFusion和Luma AI的AI建模系統Genie可根據文本提示生成高質量的三維模型，并支持導出為可編輯的OBJ或FBX格式，極大提升建模效率[5,6]。

2.2 實時渲染引擎和虛擬攝制流程與人工智能技術的融合

實時渲染引擎已從原來的游戲領域成功拓展為虛擬攝制（Virtual Production）的重要工具。尤其虛幻引擎5（UE 5）憑借其強大的實時渲染能力、虛擬幾何體（Nanite）和全局光照系統（Lumen），已成為虛擬攝制的首選工具[7]，能高效渲染高精度模型，結合AI生成的虛擬人物和環境，提升影視制作的視覺效果。UE 5通過自有插件和第三方工具支持GAI，包括可用于訓練機器學習模型UnrealSynth工具，以及CityBLD、METAVANCE、ConvAI等創作工具，可用于地形、數字人及角色語音的生成。Unity與多家AI技術提供商合作，如Hugging Face、Keras等，支持導入第三方AI模型，并可通過開放神經網絡交換格式（Open Neural Network Exchange, ONNX）實現AI模型的跨平臺運行，無需云基礎設施，可降低開發成本。Unity還計劃整合ComfyUI流程，配合其6.0版本中新引入的高清渲染管線（HDRP）增強模塊，實現AI生成內容的實時導入與編輯[8]。

不過，虛擬攝制流程可能面臨基于空間智能技術的世界模擬工具的激烈沖擊。2025年7月，騰訊推出騰訊混元 3D世界生成模型Hunyuan World 1.0，初步實現三維空間一致性，但其攝影機位移能力有限，更適用于風格化游戲場景[9]；僅一個月后，谷歌AI發布Genie 3，進一步推動空間智能發展，引入具身智能與物理交互機制，將對作為快速世界工具的實時渲染引擎帶來一定沖擊。谷歌Gemini 2.5 Flash Image（又名Nano Banana）則是谷歌DeepMind新推出的多模態AI模型，其基于Gemini世界知識系統，整合了地理信息、建筑結構、物理規律等數據，核心能力在于融合多源信息生成高精度圖像，并具備現實世界推理能力[10]。

相比而言，無論是傳統的三維軟件還是渲染引擎系統，其技術基礎和設計思維已難以滿足新時代創作效率的需求，存在學習門檻高、人力成本高、流程復雜等問題[11]。因此，影視動畫制作系統亟需從底層架構進行徹底革新。

3視頻生成技術進展及應用思路

當前視頻生成技術的突破在一定程度上實現了類似“拍攝”幾個鏡頭的能力，但這僅僅是影視AI創作的初級階段。目前，已有不少企業和研究機構在系統性探索AI輔助乃至主導電影創作的可能性。從整體趨勢來看，人工智能生成內容（AIGC）在影視創作領域的應用主要呈現兩種路徑：一是基于工業化思維的視頻生成端到端解決方案，二是基于智能體（Agent）架構的協作式創作模式。

3.1 工業化路徑：視頻生成的端到端解決方案

視頻生成的端到端解決方案以標準化、流程化、高效性為核心，構建了覆蓋角色生成、場景合成到剪輯輸出的AI影視工具矩陣，尤其適用于短視頻的商業傳播場景。以Sora、Vidu、即夢AI、海螺AI、Runway、Consistent Character、Melies、Pollo AI等為代表的工具快速普及，標志著AI影視制作技術在傳播領域的泛化趨勢，使廣大技術基礎較弱、對專業制作軟件操作不熟悉的創作者甚至業余愛好者也能依靠GAI便捷地實現自主創作。GAI已廣泛應用于企業培訓、產品演示、社交媒體營銷、教育科普等場景，顯著拓展了影視技術的應用邊界，推動了視頻內容的全民化與普及化[12]。

以上操作簡單的AI工具基本以閉源模型為主，而閉源模型要求用戶將需求上傳至服務器計算，僅開放基礎應用程序接口（API）參數調節和有限官方插件，且禁止第三方插件集成。相反，開源模型則全流程本地化，原始數據在本地計算，如通義萬相、LTX?Video、Mochi、HunyuanVideo等支持ComfyUI等開源工具整合[13]，可融合不同計算方式的技術優點和算法。這無疑為影視制作系統的流程提供了更為靈活的解決方案。

3.2 智能體路徑：專業創作導向的協作架構

AI智能體憑借自主感知、決策、執行的核心能力，正加速融入產業核心領域。影視制作用智能體需具備更多影視制作專業能力，并可更好地理解并執行人類指令，代表了以專業創作為導向的AI影視制作發展趨勢。由新加坡國立大學團隊開發的MovieAgent是該路徑的典型代表，其采用多智能體協作架構，突破了傳統AI工具只生成不理解的局限，通過敘事導演、沖突調度、場景合成、鏡頭規劃、剪輯代理這5個層級的協同機制，構建了一個具備敘事邏輯推理能力的AI系統。其核心優勢在于對故事合理性的建模，而非僅關注視覺資產的生成[14]。

MovieAgent系統支持多種生成模型，可通過ROICtrl、HunyuanVideo_I2V[15]等工具生成參考畫面，用于輔助導演在前期預演階段進行劇本與鏡頭設計的驗證，從而實現對敘事結構與視覺表達的高效迭代，降低后期制作成本并提升創作效率。盡管MovieAgent尚不能完全替代人類導演進行商業級影視創作，但其作為視覺預演（PreViz）加速工具的價值已初步顯現。其在高預算項目的前期開發中具有顯著優勢，尤其適用于復雜場景的鏡頭調度與敘事邏輯驗證，從而提升整體制作效率與創作質量。

然而，從當前商業電影與動畫電影的制作流程來看，AI系統仍處于輔助角色，尚未形成完整的人機共創閉環。因此，理解AI在影視創作中的演進路徑，必須深入分析商業動畫與電影制作的產業邏輯和技術需求，從而為未來AI技術的發展提供方向性指引。目前，該路徑仍處于理想化雛形階段，在影視動畫成品的創作中仍面臨視頻生成技術體系支撐不足的挑戰。未來的發展方向應聚焦于增強AI在敘事理解、角色行為建模、跨模態協同等方面的能力，推動AI真正融入專業創作流程的核心環節。

4當前GAI工具的局限性

4.1 真實人物和空間模擬能力不足

相比傳統非真人實拍CG動畫制作流程需經過分鏡設計、原畫繪制、中間幀動畫制作、背景繪制、合成與后期處理等核心步驟，AI技術的引入徹底顛覆了這一范式，只需輸入提示詞（Prompt）和參考畫面，即可獲得生成視頻。

在視頻生成過程中，GAI技術目前主要用于真實環境和光照、鏡頭內角色動作和表情變化及攝影機運動等模擬。但當前GAI工具往往難以維持畫面中空間結構的一致性，如何確保同一場景下元素的位置、比例與相對大小的恒定性仍是當下難點。空間邏輯的缺失不僅影響畫面的視覺美感，也削弱了動畫敘事的連貫性。Wang等[16]提出CharaConsist方法專為擴散Transformer（DiT）架構設計，利用點追蹤和掩碼提取自動感知關鍵特征，可有效應對角色和場景生成過程中的畫面一致性挑戰，具備一定的細粒度優化能力。

在角色動畫生成方面，盡管傳統的語音驅動面部動畫技術已相對成熟，面向動畫的風格遷移技術也取得顯著進展，但在角色面部和動作夸張表達方面，以及角色動作的物理合理性、作用力與反作用力的真實感及節奏感等方面，GAI技術仍存在較大提升空間。具體而言，在影視表演中，動作節奏的變化是藝術表現的重要組成部分，角色從緩慢行走突然轉為奔跑的動作節奏變化往往預示著劇情的轉折，這對AI工具的可控性提出了更高要求。當前，AI視頻生成系統已引入如ControlNet等控制算法，以增強對生成內容的可控性。然而，這類技術仍依賴于已有素材作為參考輸入，難以實現完全自由的動作生成。尤其在不同比例、不同結構的角色之間進行動作遷移時，如何保持動作的一致性與結構的科學性，仍是亟待解決的問題。因此，當前影視內容AI生成需花費大量時間開展質檢、人工調整等工作，人機協作過程中人的掌控性作用和中心地位至關重要。

4.2 GAI工具與傳統影視制作工具的流程整合性有待增強

當前GAI工具和傳統影視制作軟件在流程整合度上依然不足。為提升視頻生成過程中的可控性，目前仍需借助傳統三維動畫軟件生成草稿視頻作為參考，作為AI生成流程的輸入。這種混合流程雖在一定程度上提升了生成質量，但也暴露出AI工具與傳統三維軟件之間整合度不足的問題[17]。

除此之外，當前的文本生成視頻或圖像生成視頻系統尚無法實現對運動路徑的精確控制。尤其在涉及多角色互動的場景中，AI還需具備對角色間動作節奏差異的調節能力。這種調節應基于鏡頭時間線（通常不超過20 s）進行精細控制，以確保角色動作的協調性與戲劇表現力。在當前技術條件下，高難度動作仍需依賴傳統三維動畫制作工具完成。例如，Cascadeur與iClone等專業軟件在動作控制與預演計算方面表現出色，是當前AI工具無法完全替代的[18,19]。因此當前實現動畫可控生成的有效路徑，是構建多層級的視頻生成系統，即將動畫的初步設計與規劃交由人工或傳統工具完成，而畫面融合與連貫性問題交由AI處理。

5未來GAI技術演進與應用探討

5.1 人機協作從輔助生成向共同創作演進

GAI對影視制作系統的重塑已形成不可逆轉的變革趨勢。目前，已有AI全棧式影視制作系統的雛形出現，從項目概念、腳本大綱、故事寫作，到影片生成、導出等流程，均可由AI完成。然而，這種一站式AI思路過于理想化，其線性結構與人類創作的非線性本質存在根本沖突。過度依賴線性流程生成的作品，難以體現藝術創作的復雜性與獨特性，最終可能淪為工業化標準產品，失去藝術價值。因此，AI影視生成系統的設計必須充分考慮人機共創機制，使AI成為輔助創作、激發創意的工具，而非替代創作的執行者。

影視角色魅力的展現高度依賴于對白與行為表現，角色塑造的獨特性不僅是藝術家創作興趣的焦點，也是觀眾情感共鳴的關鍵。因此，GAI系統在生成角色時，不僅要關注其造型與動作設計，更應深入理解角色性格與行為邏輯，使其具備人格化的表達能力。只有當AI生成流程能夠支持藝術家的思想植入與行為干預，才能真正實現人機共創的理想狀態。

具體而言，如何在故事創作、場景生成、故事板生成、動畫生成與修改、自動剪輯與修改等流程之間建立反饋關聯，是充分利用AI潛力、構建人機共創體系、保留創作者藝術自由度的關鍵所在。唯有如此，AI才能真正賦能影視動畫創作，成為藝術表達的新載體，而非工業化復制的加速器。

5.2 應用GAI工具實現劇本生成和節奏把控

GAI在情節生成與故事結構構建中，應結合可視化的情感曲線與反饋式檢測機制，實現對故事節奏、角色動機與情感弧線的動態調整。這不僅有助于提升GAI生成內容的敘事一致性，也為人類創作者提供了可交互、可修改的共創路徑，使AI真正成為輔助創作的智能伙伴，而非單向輸出的自動化工具。

5.2.1 基于情感曲線的劇本生成

佛蒙特大學伯靈頓分校計算故事實驗室的Andrew J. Reagan及其團隊通過對大量圖書的下載數據與情感曲線的分析，驗證了作家庫爾特·馮內古特（Kurt Vonnegut）關于故事形態（Story Shapes）的理論假設[20,21]，認為由上升型（如窮變富，主角情感一直為喜）、下降型 （如由富變窮，主角情感一直為悲）、陷入絕境然后成長 （降-升，主角情感先悲后喜）、伊卡洛斯式 （升-降，主角情感先喜后悲）、辛迪瑞拉式 （U型，主角情感先喜后悲再喜）、俄狄浦斯式 （降-升-降，主角情感先悲后喜，最后悲）這6種情感弧線構成了故事創作的底層結構模式。其中，上升型與辛德瑞拉式U型反轉故事往往有更高的下載量，這可能反映了人類對希望與救贖主題的心理偏好。

這些發現為傳統敘事理論提供了實證支持，也為AI劇本生成提供了可量化的結構模型，使AI在情節生成過程中具備更符合人類情感預期的判斷依據[22]。基于情感曲線的劇本生成將成為未來電影劇本AI生成的主要突破口。

5.2.2 情節沖突智能化設置

在影視敘事中，觀眾通常從主角的視角理解故事，而推動劇情發展的核心機制往往源于沖突，即主角在面對外部阻礙時的應對與成長，當反派角色具備清晰的行為邏輯與內在動機時，正面角色的反擊與博弈才具有合理性[23]。反派與正面角色的交匯，往往發生在某一關鍵場景中，這種偶然交叉成為推動劇情高潮的關鍵節點，角色交錯時間線則是承載故事張力的核心所在。未來AI應能理解并實現情節沖突的智能化設置。

5.2.3 對白生成和故事節奏的控制

影視敘事主要依賴兩種表達方式：畫面敘事與對白敘事，二者共同完成情節交代、人物表現和情感表達。在劇本中，對白敘事在時間序列上占據主導地位，角色需要說完對白，畫面才能切換到下一個鏡頭序列。雖然鏡頭剪輯、場景切換等工作都在后期進行，但劇本對白的生成及其從文本到語音的轉換決定了影片的主體時間結構[24]、鏡頭時長與節奏安排[25]。AI對白生成需在這一領域持續發展，使電影整體張弛有度，符合當下及未來觀眾的接受習慣。

5.3 應用空間智能技術實現場景和故事板生成

5.3.1 場景生成和優化

在影視與動畫制作中，GAI生成的場景不僅要具備視覺美感，還需滿足空間與物理的一致性要求。尤其在故事板構建階段，GAI工具需能根據單張圖像生成多角度、多景別的背景畫面，并確保場景中元素的位置、比例、材質和光影等維度協調統一。空間智能技術的推進有助于實現生成內容的三維空間一致性，但當前由于視點或虛擬攝影機位移能力有限，更適用于風格化游戲場景。未來的空間建模將不再局限于靜態圖像生成，而是實現圖像與幾何體之間的動態轉換，根據虛擬攝影機距離自動調整空間結構，以形成更自然的視覺體驗。將空間智能與視頻生成技術結合，是提升AI視頻真實感的關鍵路徑。未來在這一基礎上，配合智能光照優化和攝影機運動規劃，將有望將虛擬場景與敘事有機結合。

5.3.2 故事板生成和智能分鏡

當前GAI驅動的故事板生成工具在圖像生成效率上表現突出，但畫面間常存在場景不統一、元素缺失或比例失調等問題。尤其在連續鏡頭中，角色、物體與背景的空間關系往往無法保持一致，影響敘事邏輯。因此，故事板生成應基于空間語義建模進行構建，確保每幀畫面繼承并維護前序畫面的空間信息。例如，角色在不同鏡頭中的比例、位置、光影等，均需進行閉環校驗與動態優化。當前主流方法仍依賴三維軟件骨架結構維持比例恒定，而空間智能技術則有望通過幾何理解能力，實現更高層次的空間一致性控制。此外，智能分鏡系統應支持多視角、多景別生成，滿足藝術家對鏡頭語言的多樣選擇。目前多數AI系統僅依據文本生成單一鏡頭視角方案，缺乏靈活性。未來應基于大數據訓練，提供多個候選鏡頭供創作者選擇，提升鏡頭切換的藝術性與敘事邏輯性。同時，還需建立與故事文本的關聯結構，使畫面修改能夠反饋至腳本更新記錄中。

5.4 基于符號指令實現GAI視頻鏡頭語言控制

GAI生成視頻中，角色動作與攝影機運動的可控性仍是一大挑戰。當前系統多為端到端生成，缺乏對已生成內容的二次編輯能力，導致創作過程高度依賴“抽卡”式嘗試。與此同時，GAI工具依賴文本提示詞系統，語義模糊導致人機溝通效率低下，創作者所需的角色運動和攝影機運動方式無法正確傳達給GAI工具。因此，可進一步探索導演指令對于GAI工具的有效傳達，將導演意圖轉化為可執行的符號指令，從而提升生成準確率與效率。

在進行角色和攝影機運動控制時，建議采用基于三維簡單模型的軌跡控制機制，先生成低精度的運動軌跡視頻與攝影機路徑，在此基礎上進行細節補充與修改，從而在降低計算復雜度的同時，為創作者提供了更多交互控制機會。AI在角色運動控制過程中，需負責角色動作的物理合理性、表情及姿態的協調性，并實現空間關系一致性的動態維持?，而在攝影機運動控制過程中，需考慮鏡頭和剪輯的連貫性，避免發生空間關系錯亂甚至不合理的越軸現象。

5.5 立足制作全流程的聯動式剪輯和預覽

當前GAI視頻生成技術尚未與傳統剪輯工具形成有效聯動。現有剪輯軟件缺乏對AI生成內容的多層次時間序列展示能力，也難以將生成結果與原始劇本進行動態對比與校驗。因此，當前亟需構建一個劇本、分鏡、剪輯聯動的制作生產流程，實現：（1）多層次時間軸展示，即按段落、鏡頭、動作單元分層展示內容；（2）劇本與分鏡雙向校驗，即自動比對生成內容與原始劇本，檢測敘事邏輯一致性；（3）因果關系推演機制，即基于生成的視頻抽取關鍵幀形成分鏡，便于審核和優化；（4）智能建議系統：根據時間長度、鏡頭節奏、情感弧線等維度，提供剪輯優化建議。

以上制作生產流程，將提升GAI在影視創作中的參與深度，使其不僅限用于內容生成，還能參與流程優化與反饋調整。

6結語

AI影視制作工具正經歷從圖像生成向圖形控制和空間編輯的演進過程。圖像處理系統擅長呈現視覺感性內容，而圖形處理系統則更適用于結構建模與理性控制。融合二者優勢的共創系統是未來發展方向，即藝術家主導創意判斷與藝術推敲，AI負責細節生成與視覺一致性保證。這一融合趨勢不僅要求AI具備空間建模、動作控制、時間線編輯等核心技術能力，更需構建一套完整的人機協作流程，實現從劇本創作到成片輸出的全流程閉環。AI將逐步從輔助工具升級為智能創作伙伴，推動影視與動畫產業的數字化轉型與效率躍升。

當前，GAI在三維建模與動作控制領域已展現出巨大潛力，重構創作模式、優化技術流程，將成為動畫與游戲制作邁向高效、直觀新階段的關鍵。未來的制作工具不應僅在傳統架構上疊加功能，而應通過技術流程的精簡與融合，提升創作效率與用戶體驗。AI應承擔基礎性、重復性的內容生成任務，如模型構建、紋理填充等，使創作者能專注于高價值的創意設計。同時，工具界面應更加直觀、操作更簡便，以降低操作門檻。AI算法需深度整合進創作流程，提高自動化水平。渲染引擎與三維軟件的界限將進一步模糊，未來可能出現集實時渲染與影視動畫創作于一體的綜合性平臺。這一變革不僅是技術的升級，更為影視的人機共創提供新范式。

參考文獻

（向下滑動閱讀）

[1] YANG X, LIN G, ZHOU L. Single?View 3D Mesh Reconstruction for Seen and Unseen Categories [EB/OL]. (2023?06?03)[2025?08?12].https://arxiv.org/pdf/2208.02676.

[2] Blender MCP. AI?Powered 3D Design Assistant [EB/OL]. [2025?08?12]. https://blender-mcp.com/ai-assistant.html.

[3] 3DtoALL. AI Power For Cinema 4D[EB/OL]. [2025?08?12]. https://www. 3dtoall.com/aipower-c4d/.

[4] XU S, ZHENG S, WANG Z, et al. HyperMotion: DiT?Based Pose?Guided Human Image Animation of Complex Motions [EB/OL].（2025?05?29）[2025?08?12]. https://arxiv.org/pdf/2505.22977.

[5] BEN P, JAIN A, BARRON J T, et al. DreamFusion: Text?to?3D using 2D Diffusion[EB/OL].（2022?09?29）[2025?08?12]. https://arxiv.org/pdf/2209.14988.

[6] LUMA AI. LUMA AI [EB/OL]. [2025?08?12].https://lumalabs.ai/genie?view=create.

[7] Unreal Engine. Lumen Performance Guide[EB/OL]. [2025?08?12].https://dev.epicgames.com/documentation/en-us/unreal-engine/lumen-performance-guide-for-unreal-engine.

[8] Unity. Unity 6 現已發布[EB/OL]. (2024?10?17)[2025?08?12].https://unity.com/cn/blog/unity-6-features-announcement.

[9] Tencent Hunyuan. HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels[EB/OL].(2025?08?13)[2025?08?12] . https://arxiv.org/pdf/2507.21809.

[10] Google AI Studio.gemini?2.5?flash?image?preview[EB/OL].[2025?08?29].https://aistudio.google.com/.

[11] 楊江凱.中國動漫市場總值與三維動畫制作成本分析[EB/OL].(2025?05?27)[2025?08?12].https://baijiahao.baidu.com/s?id=1833264650718824343&wfr=spider&for=pc.

[12] 中國傳媒大學新媒體研究院.《2019?2020 中國企業視頻媒體中心行業發展》白皮書[EB/OL](2020?10?01)[2025?08?12].https://www.cuc.edu.cn/_upload/article/files/6f/77/4fd0869241b3983ac8fed5f47191/fde60ee3-4026-4a41-938c-d590 9da6b7b7.pdf.

[13] ComfyUI.workflow[EB/OL].[2025?08?12].https://comfyui.org/en/collections/workflow.

[14] WU W, ZHU Z, SHOU M Z. Automated Movie Generation via Multi?Agent CoT Planning [EB/OL].(2025?05?10)[2025?08?12]. https://arxiv.org/pdf/2503. 07314v1.

[15] 騰訊AI實驗室. 混元視頻生成系統技術文檔 [EB/OL]. [2025?08?12]. https://hunyuan.tencent.com/video.

[16] WANG M, DING H, PENG J, et al. CharaConsist: Fine?Grained Consistent Character Generation[EB/OL].(2025?07?15)[2025?08?12]. https://arxiv.org/pdf/2507. 11533.

[17] CHEN Y, RAO A, JIANG X, et al. CinePreGen: Camera Controllable Video Previsualization via Engine?powered Diffusion[EB/OL].(2024?08?30)[2025?08?12]. https://arxiv.org/pdf/2408.17424.

[18] Cascadeur. Cascadeur[EB/OL].[2025?08?12].https://cascadeur.com/.

[19] Reallusion. iClone8[EB/OL].[2025?08?12].https://www.reallusion.com/iclone/.

[20] REAGAN A J, MITCHELL L, KILEY D, et al. The emotional arcs of stories are dominated by six basic shapes[EB/OL].(2016?11?04)[2025?08?12].https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-016-0093-1.

[21] Gotham Writers. Kurt Vonnegut: 8 Basics of Creative Writing[EB/OL].[2025?08?12].https://www.writingclasses.com/toolbox/tips-masters/kurt-vonnegut-8-basics-of-creative-writing.

[22] CAMPBELL, J.The Hero with a Thousand Faces[M]. New Jersey：Princeton University Press,1973.

[23] 克里斯托弗·沃格勒.作家之旅[M].王翀,譯.北京：電子工業出版社，2011.

[24] 大衛·波德維爾，克里斯汀·湯普森.電影藝術（插圖第8版）[M].曾偉禎,譯.北京：世界圖書出版公司,2008.

[25] SALT B. Film Style and Technology: History and Analysis[M].Starword,2009.