vivix角色模型TVC

这支片子由我担任导演，也是一次 AIGC 全流程的尝试。我想做的不只是把一个角色生成出来，再让它去不同的地方表演。从和客户讨论产品，到确定情绪、安排人物的回应，再到分镜、动态和修改，我一直在想：观众为什么会愿意和这个角色说第一句话，又为什么想继续和它相处？

这次工作也不是从一份写好的脚本直线推进。客户勾完场景，双方对展开程度的理解仍然不同；有些亲密动作看起来顺畅，却解释不清虚拟与现实的关系；有些图很好看，进入动态后又接不上。下面这些工作材料，记录的是我怎样发现和处理这些问题。

前期最容易发生的情况，是大家都在说“陪伴”“记忆”“互动”，脑海里却不是同一支片子。我把很多功能点写成生活里的片段：深夜有人陪你坐一会儿，运动时有人提醒你，游戏时有人和你拌嘴。场景有了具体的人物行为，客户才容易判断自己想要什么。

于是我们把沟通做成了一个 HTML 场景选择页。卡片上同时写出场景、功能、交互形式和预计时长，客户可以勾选，看到时长合计，再把结果导出成清单。比起在会议里逐个口头确认，这种方式留下了一个双方都能回看的选择结果。

但选择完成，不代表沟通就完成了。客户回传了 17 个中间场景，按选择器的估算，加上开头和结尾约 112 秒，超过了原先约 100 秒的预期。更重要的是，客户以为选中的场景会按标注时长充分展开，而我在后续编排中，把一些内容收进了快速段落。双方都觉得自己说清楚了，实际想象的比重却不同。

这次分歧让我补上了一步：除了“要不要这个场景”，还要讲清楚“观众会在这里看见多少”。哪些需要完整的输入和回应，哪些只保留一个亲密动作，哪些只是身份变化的闪现，要放到时间线上分别判断。选择器帮助我们收集偏好，导演仍然要为每个选择安排位置和分量。

面对大约 20—30 岁的年轻人，我想把“角色模型”放进亲密关系里去讲。外貌和性格可以被设定，但如果影片只停在“你想要什么，她就变成什么”，人物很容易变成一组漂亮展示。我更在意的是，有了这个角色以后，用户的状态会发生什么变化：有人听完你没说完的话，有人陪你再试一次，也有人在你得意的时候接一句玩笑。

我和 GPT 讨论过需求、被理解的感受，以及关系里的双向影响。不过这些讨论是帮我想清楚方向的，不该全部变成片中的旁白。我也几次把方案拉回来：共同成长可以藏在相处里，但不能压过这个产品最直接的吸引力——它可以和你交互，听懂你，并且给出一个有性格的回应。

人物是女性形象，也不意味着创意只向某一种性别的观众说话。我希望把镜头后的“你”尽量留给观看的人。比起一直交代一位明确的男主角，画外音、主观视线、一只伸出去的手，都能让人进入关系。它们也让后面那些不可能发生的场景，有了一个可以跟随的视角。

文字推敲到一定程度，还是需要画面。在团队讨论中，我们决定先用参考片段搭出粗略的时间线；我也把找到的亲密关系片段剪到一起，去看靠近、牵手、玩闹和安静相处之间的呼吸。这条剪辑不承担正式美术的任务，它的目的，是让情绪和节奏变成可以讨论的东西。

亲密感不能把产品逻辑盖过去。早期我安排过咖啡和记忆的细节：角色知道你不加糖，看起来很自然，但讨论时我意识到一个问题——她在虚拟世界里，怎么把这杯咖啡递给真实的用户？这类小动作在普通爱情片里成立，放到角色模型的广告里，就可能让人误解产品。

还有一段照片与猫的设计。为了让画面流畅，输入动作被包进了故事里，客户却追问：这张照片是谁给的，和真实用户有什么关系？如果来源不清楚，观众只会看见 AI 变出了一只猫，而不一定看懂“它在回应我”。我需要先问清楚真实交互方式，再决定用什么镜头去表达，不能用一个漂亮的转场替代因果。

后面我把重点段落拆得更具体。健身房里，用户的动作有问题，角色看到以后打断，边讲边示范，用户再照着调整。音乐段要听见明确的换歌请求，而不只是突然换一首配乐。游戏里则用两个人拌嘴，把“她还没说完，用户已经插进来”的感觉做出来。每个功能都落在一个能被观看的行为里。

我没有要求每一场都变成操作教学。关键段落先建立“我做了什么，她怎样回应”的规则，其余画面才有空间去表现相处和情绪。UI 也服务于这个判断：需要它解释输入时就出现，已经能靠表演讲清楚的地方，就给人物留一点空间。这些是广告中的表达设计，不能当作产品实际性能或响应速度的测量。

AIGC 很容易给出一张漂亮的脸，但“这个人在和我相处”的感觉，要靠许多小决定累积。准备角色时，我曾觉得前期形象过于成熟，便要求把不同年龄感做成九宫格来比较，再继续讨论造型。人物参考确定后，我要求后续分镜沿用同一形象，服装、道具和场景也放在一起看，避免每张图都成立，连起来却像换了一个人。

我对表演的要求，也会尽量从情绪形容词变成动作。例如棒球比赛看台上的开心，我后来明确不要一个泛用的击掌，而是那种“居然赢了”的惊喜和不可思议。健身段也不能让她只站在旁边说一串指导词；我反复调整成：先看见错误，轻轻说一句“Wait”，坐到器械前，一边做一边讲。用户跟着改变之后，她再给一个确认的反应。

这些差别很小，却会改变人物关系。一直对镜头微笑，很容易像在展示自己；被对方的行为带动，才有共同经历的感觉。同样是一句游戏里的提醒，我要的是熟人之间的玩笑和接话，而不是客服式地把信息讲完整。所以台词会反复缩短、口语化，让句子能被打断，也让表情有时间发生。

这些要求在进入动态之前就要尽量明确。模型可以提供很多种表演，但我不能把“自然”全部交给它猜。我要先知道这一次靠近是主动还是犹豫，这一个回头在回应谁，这一场兴奋有没有超过人物本来的状态，再去判断生成结果是不是我要的。

前期提案和执行分镜，我会分开处理。提案里，客户先看剧情、情绪和产品点；到了镜头执行稿，就需要把机位、景别、运动、人物动作和前后接法写清楚。把两种文档混在一起，前者会难读，后者又往往不够细。HTML 在这里成为了一个可以不断补充画面和说明的工作载体。

我在历史沟通里反复追问过同一件事：

比如健身房到游戏房的过渡，光写“环境切换”是不够的。前一场人物在画面左边，后一场在右边，摄影机往哪边走，什么时候经过眼睛的特写，到了下一场怎样接回 POV，都需要考虑。下一张图再漂亮，如果上一镜没有把运动方向交过去，观众仍会感觉突然断开。

AIGC 的执行还多了一层：这个镜头的任务会不会太多？一句对白、大幅动作、换装、环境转换一起发生，生成就更难控制。因此后续执行稿会拆开表演与转场，把复杂段落落实到静帧、动作节拍、遮挡和声音接点上，同时写出难以实现时的简化方式。导演想要什么，需要转成团队拿到以后可以开始做的动作。

随着版本推进，后半段的任务也变了。最初很多生活场景承担“我们一起经历过”的感觉，后来我想让游戏段真正把人带进去：从房间进入赛车，再进入战地和其他世界。这样情绪可以更高，角色也不只是坐在旁边陪你玩，而是和你一起身处其中。

但我不想把这一段做成几个大场景的陈列。我会先给每一场找一个关系动作：开得太快时，她转过来提醒你；遇到危险时，你们会有慌张、调侃和互相拉一把的反应。讨论战地桥段时，我提出过把落到手里的手榴弹赶紧递给她，再用她的反应形成一个笑点。场面在变，观众跟着的仍是两个人的互动。

后来继续细化时，我又要求压缩战斗和太空段的剧情，把重心放回第一人称的运动和“游戏搭子”的感觉。每个世界都解释一遍，会拖慢广告；只有奇观，没有角色反应，又会把前面建立的亲密感丢掉。所以我在每一段里都要判断：哪些动作值得留下，哪些只是让场景更复杂。

这里的连续性，也未必都靠生成一个很长的镜头。可以让一只手、一个转头、一个方向相同的运动跨过剪辑点。执行稿里会讨论遮挡切、形状匹配和声音提前进入，让环境的变化有一个支点。把连接先想清楚，比不断追加更夸张的世界更有帮助。

片头的粒子是一次很具体的试错。我希望观众随着声音穿过一片不断局部发光的空间，再走近人物的形成。最开始，我让 Codex 把参考片拆成序列帧，分析颗粒、闪烁和运镜，也尝试过用网页代码做粒子汇聚的人像。原型做出来后，我觉得它还没有抓到我要的空间感。

继续看参考时，我把要求说得更窄了：重点不是让所有粒子飞向一张脸，而是摄影机穿过有深度的神经网络，光在局部发生变化。为了看清这个区别，我要求逐帧拆，而不只是每隔一段时间抽一张图。前后景怎样掠过、哪些结构在闪、镜头怎么前进，这些都要分别看。

之后我们尝试了 Blender 白膜：先固定空间和摄影机，把材质与光效留给后续迁移。项目里也保留了另一条参考运动复刻测试，我要求先研究清楚运动，再讨论打乱和重组。两条测试解决的问题不同：一条尝试建立自己的空间，另一条先研究参考的运动，后面还需要重新组织自己的画面。

在后续的参考运动测试里，我继续逐项调：旧工程先保存；粒子不够，就增加成簇的结构，不能随意撒点；脉冲已经合适，就保留，只给镜头增加一点下摇。这种小步调整能让我知道，究竟是哪一个变化让画面更接近目标。

这些材料是项目中的技术探索，不代表每条路线都进入了最终片头。对我来说，它们留下了一种很实用的处理方式：当提示词无法同时管住所有东西，就把镜头拆成几个可以单独判断的部分，换工具解决其中最不稳定的一项。

制作展开以后，我把美术资产和镜头结果放进飞书看板。人物在哪些场景里穿什么、道具是否一致、这一镜对应哪个 cut、相邻镜头的造型有没有接上，都可以放在一张板上看。HTML 负责把剧情与执行要求说清楚，看板则把分散生成的结果重新放回影片的位置。

并行生成确实可以加快素材准备，但汇总不能只检查图片有没有补齐。我会要求逐镜核对人物一致性、方向和接法；正在补图的部分和已经能看的部分分开推进，先把已有结果贴进文档审一轮。这样问题可以在过程中被看见，不必等所有镜头都做完才发现理解偏了。

比素材归类更需要小心的是修改意见。一次会议里，有些话是必须调整，有些只是现场试想，还有些已经讨论过、决定不动。如果把它们一起写进执行表，团队会做出很多没有必要的新东西。我在后期明确要求：先把两场会议的意见对照起来，列清楚到底动哪里，再去改分镜。

这也包括检查 AI 整理出的内容。历史资料里，一版修改总表把一些讨论扩展成了精确时长和完整场景，后来的审计又把这些数字和情节收回到“建议”或“待确认”。这件事提醒我，整理得很完整不等于整理得准确。自动化可以替我展开和归类，但哪些是客户决定、哪些是执行设想，仍然要回到原话核对。

已经成立的部分要保留，被明确删掉的部分不要换个名字再加回来。这是我在整个项目中反复强调的边界。每一版都应该解决一个更明确的问题，而不是为了看起来有新变化，把前面确认过的语气、场景和节奏一起改掉。

到 BCopy 阶段，我让 Codex 把当时交给客户的影片重新拆开，去看每个画面是什么、剪辑点在哪里、各占多长。这样讨论“前面拖了”“后面需要更兴奋”，才有具体位置。资料里也保留了对旧版镜头拆分的复核：形变不一定是硬切，闪白不一定是新镜头。数字只有对应到真正的画面，才对修改有用。

时长怎么压，也要跟着情绪一起判断。不能所有地方都更快，否则触摸、停顿和眼神还没被感受到，画面就已经过去了。我希望音乐有松有紧，有变奏，能把亲密的前段带到游戏的高潮。为此我也让 Codex 整理过音乐方向的提示词，准备做试抽。音乐合不合适，仍然要放回剪辑里听，不能只看一组 BPM 或一份节奏表。

结尾我来回推敲过很久。雨声和初识的记忆，是我希望保留的连接；客户觉得还缺少收尾感时，我也没有想把这段情绪全部换掉，而是继续找一句更自然的邀请。经历那么多变化以后，最后仍然要回到这个人：她能怎样理解你，你愿不愿意继续和她说话。

回到这次全流程尝试，我觉得最值得留下的是一套能反复使用的工作方法：先用可见的材料对齐想象，再用具体的动作检验创意；工具做不到时拆开问题，版本变多时守住已确认的部分。客户沟通、导演判断和 AIGC 制作没有被分成几段互不相干的工作，它们一直在相互校正。最后交出去的，也应该是一支在情绪和表达上都连得起来的影片。

创意梳理与脚本协作 · ChatGPT / Codex

客户沟通 · HTML 场景选择页与提案

情绪预演 · 参考影像剪辑

镜头执行 · HTML 分镜、动作与转场工作稿

视觉实验 · 网页粒子原型 / Blender 空间白膜

团队协作 · 飞书美术资产与镜头看板

版本复核 · 会议对照、逐镜拆解与修改清单