人工智能技術驅(qū)動下的影像裝置創(chuàng)作研究

摘要：目的：文章探索人工智能技術，尤其是Sora視頻生成技術在影像裝置藝術創(chuàng)作中的應用潛力與創(chuàng)新價值，分析其如何突破傳統(tǒng)創(chuàng)作方式的限制，以優(yōu)化觀眾體驗。方法：文章首先梳理人工智能技術的演進背景及Sora視頻生成技術的獨特性，結(jié)合影像裝置藝術的表現(xiàn)形式與創(chuàng)作需求，從理論與實踐結(jié)合的角度深入剖析Sora技術的實際應用。從創(chuàng)作界限的拓展、觀眾角色的重塑以及人機協(xié)同的創(chuàng)新路徑等方面展開，探討技術與藝術交融的具體機制和影響。結(jié)果：Sora視頻生成技術為影像裝置藝術注入了動態(tài)生成能力，不僅提升了作品的視覺表現(xiàn)力與實時交互性能，還顯著拓展了藝術創(chuàng)作的媒介邊界。觀眾由傳統(tǒng)的被動接受者轉(zhuǎn)變?yōu)橹鲃訁⑴c者，從而提升了藝術表達中的個性化體驗。此外，Sora技術在虛擬場景構(gòu)建、個性化視覺效果呈現(xiàn)以及人機互動協(xié)作方面表現(xiàn)出顯著優(yōu)勢，為影像裝置藝術創(chuàng)作提供了新的可能。結(jié)論：Sora視頻生成技術的介入為影像裝置藝術創(chuàng)作開辟了全新的實踐路徑，在提升藝術作品表現(xiàn)力與豐富觀眾體驗的同時，推動了藝術創(chuàng)作范式從靜態(tài)展示向動態(tài)生成、從單向輸出向互動交流的深度轉(zhuǎn)變。未來，Sora視頻生成技術有望促進藝術與科技跨領域融合，為數(shù)字藝術創(chuàng)作開辟更廣闊的發(fā)展空間。

關鍵詞：人工智能；影像裝置；Sora；創(chuàng)作

中圖分類號：TP18 文獻標識碼：A 文章編號：1004-9436（2024）18-0-03

隨著數(shù)字技術的飛速發(fā)展，藝術創(chuàng)作范式發(fā)生了深刻變革，尤其是在影像裝置藝術領域。傳統(tǒng)的影像裝置多依賴靜態(tài)圖像或預設的影像素材，而現(xiàn)代科技的引入，尤其是人工智能技術，為這一藝術形式注入了新的生命力。視頻生成技術作為人工智能在數(shù)字技術領域的重要應用，推動了藝術創(chuàng)作的創(chuàng)新，使影像裝置不僅能夠?qū)崟r響應觀眾互動，還能動態(tài)生成復雜的視覺效果，增強觀眾的沉浸感和互動體驗感。在這一背景下，Sora視頻生成技術作為一種前沿的人工智能驅(qū)動的視頻生成工具，展現(xiàn)出了巨大的應用潛力。

1 人工智能及影像裝置概述

1.1 人工智能與Sora的技術架構(gòu)

自1956年達特茅斯會議提出以來，人工智能經(jīng)歷了三次高潮。20世紀，人工智能主要依賴人類輸入進行推理演繹，表現(xiàn)出較鮮明的人工特征。進入21世紀后，隨著數(shù)據(jù)技術的進步和大數(shù)據(jù)時代的到來，人工智能具備了經(jīng)驗歸納能力，智能系統(tǒng)能夠?qū)崿F(xiàn)自我學習和自我涌現(xiàn)。最新的人工智能技術——AIGC（生成式人工智能）的出現(xiàn)是人工智能從1.0時代進入2.0時代的重要標志。2024年2月15日，OpenAI在其官方網(wǎng)站發(fā)布了關于Sora視頻生成模型的文章Video generation models as world simulators（《作為世界模擬器的視頻生成模型》），這標志著Sora首次公開亮相。該模型能夠根據(jù)文本輸入生成最長60秒的高質(zhì)量視頻，并通過多角度和多鏡頭切換展現(xiàn)流暢的視覺效果，同時精準掌控光影、色彩、動作和人物表情等細節(jié)［1］。在算法方面，Sora采用創(chuàng)新的DiT架構(gòu)，融合了擴散模型（Diffusion）和轉(zhuǎn)換器模型（Transformer），使其能夠高效處理時空信息并增強推理能力，從而提升視頻生成的精準度。此外，擴散模型的引入提升了Sora在模擬和推理物理世界方面的能力，讓其進一步了解現(xiàn)實世界的運作規(guī)律［2］。Sora的運行機理包括文本處理、文本編碼、視頻生成網(wǎng)絡、生成器和判別器訓練等，其可以通過上述步驟實現(xiàn)從文字描述到視頻內(nèi)容的轉(zhuǎn)換。因此，Sora不僅在模擬和創(chuàng)造真實世界等方面表現(xiàn)卓越，而且在影像藝術創(chuàng)作領域表現(xiàn)出非凡的潛力。

1.2 影像裝置

當代影像裝置藝術是一種融合影像技術與裝置藝術的跨媒介創(chuàng)作形式。影像裝置的起源可以追溯至19世紀初期，最早的影像裝置萌芽于愛迪生發(fā)明的電影視鏡。進入20世紀后，未來主義和達達主義思潮對藝術創(chuàng)作產(chǎn)生了深遠影響，藝術家們開始探索個性與自由，不斷挑戰(zhàn)傳統(tǒng)的藝術形式。這一時期，馬歇爾·杜尚的《泉》成為裝置藝術的一個里程碑。20世紀60年代，隨著投影、錄像等新媒體新技術的逐步引入，裝置藝術與影像技術逐漸融合；到了70年代，影像在影像裝置藝術形式中的地位得到了顯著提升。此外，行為藝術和表演藝術的加入使影像裝置逐漸成為一種綜合性的藝術形式，展現(xiàn)出更強的表現(xiàn)力。

影像裝置以影像為核心，重點在于如何運用影像創(chuàng)造出獨特的藝術體驗。其通過投影、錄像、數(shù)字圖像處理等技術，將影像融入特定空間，形成富有層次感和沉浸感的藝術作品，使其不再是靜態(tài)的視覺呈現(xiàn)，而是動態(tài)的、互動的藝術體驗，突破了傳統(tǒng)影像藝術的二維局限，賦予觀眾身臨其境般的多維感受。隨著21世紀的到來，影像裝置進入數(shù)字化和虛擬化的新階段，這一時期藝術家開始利用先進的數(shù)字技術如人工智能來進行藝術創(chuàng)作，探索影像與技術的最新融合，進一步拓展影像裝置藝術表達的可能性。

2 人工智能技術驅(qū)動下影像裝置藝術的創(chuàng)作新意

近年來，人工智能技術迅猛發(fā)展，藝術創(chuàng)意領域經(jīng)歷深刻變革，尤其是ChatGPT、Midjourney、Stable Diffusion等工具的出現(xiàn)，使越來越多的藝術家開始嘗試利用人工智能技術進行藝術創(chuàng)作。作為當代藝術的重要分支，影像裝置的發(fā)展深受科技進步的影響。人工智能技術為影像裝置的創(chuàng)作提供了推動力量與技術支持，并帶來了新的技術和創(chuàng)作范式。這種創(chuàng)新有助于提升影像裝置作品的質(zhì)量和創(chuàng)意水平，滿足觀眾對多樣化、個性化內(nèi)容的需求。

2.1 技術應用創(chuàng)新

2023年，頂級科學期刊Nature（《自然》）首次將人工智能助手ChatGPT列入年度十大科學人物名單，這代表著人工智能已在多個領域得到應用，特別是在藝術創(chuàng)作領域［3］。隨著人工智能技術的不斷進步，藝術家獲得了更多的創(chuàng)作可能性。影像裝置藝術因其技術與藝術并存的特性，受益于人工智能技術的介入，一方面擴展了藝術創(chuàng)作方式，另一方面展現(xiàn)了技術應用創(chuàng)新。

2022年底，紐約現(xiàn)代藝術博物館與“80后”藝術家雷菲克·阿納多爾合作，推出了創(chuàng)新的數(shù)字藝術展覽unsupervised（《無人監(jiān)督》）。雷菲克在作品中融合了大數(shù)據(jù)、人工智能和視覺藝術，賦予了數(shù)字藝術新的生命和更多的可能。作品不僅展示了技術與藝術的深度融合，還探索了數(shù)字時代數(shù)據(jù)和感知之間的新關系，為影像裝置藝術創(chuàng)作帶來了全新的思考路徑與形態(tài)表達。人工智能技術的高速發(fā)展進一步開辟了技術應用創(chuàng)新的空間。

2.2 互動體驗創(chuàng)新

在這個技術與藝術緊密結(jié)合的數(shù)字時代，人工智能技術作為一種前沿技術受到很多藝術家的青睞，被藝術家們運用于影像裝置創(chuàng)作中。影像裝置創(chuàng)作借助人工智能技術有效地將觀者與作品聯(lián)結(jié)起來。參觀者在與藝術作品互動的過程中，從被動的接受者轉(zhuǎn)變?yōu)橹鲃訁⑴c者，進而成為作品的一部分，其積極性得到調(diào)動，作品的趣味性也得以凸顯。

《有趣的世界》是一個結(jié)合人工智能技術的互動影像裝置。該裝置通過機器視角對觀眾進行分類與標記，當觀眾進入互動區(qū)域時，攝像頭會利用圖像識別技術分析每個人的外貌、表情和服裝顏色等特征，并為其貼上標簽，基于這些標簽，人工智能程序會運用語意關聯(lián)算法生成一段獨特的虛擬地球敘事漫游，將觀眾連接到全球范圍內(nèi)與其標簽相關的人、物或場景。觀眾在此過程中并非被動地接受“審查”，而是根據(jù)自身特征隨機匹配到富有趣味性的場景中。在人工智能技術尚未介入影像裝置藝術創(chuàng)作時，觀眾通過作品與其背后的藝術家交流；而人工智能技術應用于創(chuàng)作中后，觀眾通過作品與“超越人腦的機器”交流。影像裝置不再是藝術家的單方面訴說，而是與觀眾的對話，觀眾的情感訴求得到滿足，進而產(chǎn)生愉悅感與成就感，主觀能動性得到發(fā)揮［4］。這一轉(zhuǎn)變體現(xiàn)出人工智能技術給影像裝置創(chuàng)作帶來不一樣的互動形式，也增強了影像裝置的互動性。這一特殊的“超越人腦的機器”，大大提升了影像裝置的趣味性。

3 Sora應用于影像裝置的創(chuàng)作增值

3.1 Sora式影像視覺信息的多元與多維

目前，Sora能生成具有多個角色、包含特定運動的復雜場景，不僅能理解用戶的指令，似乎還能把握簡單物體在物理世界的表現(xiàn)。Sora能在單個視頻中創(chuàng)建多個鏡頭，并保留角色和視覺風格的連貫性，在質(zhì)量、光影效果、視覺沖擊等方面的表現(xiàn)都非常優(yōu)秀。其強大的視頻生成能力為影像裝置創(chuàng)作的視覺設計階段提供了重要支持，藝術家能夠根據(jù)自己的想法創(chuàng)作出多元與多維的視覺信息。此外，作為革命性工具或新質(zhì)生產(chǎn)力，Sora能夠快速生成復雜的視覺效果，尤其適用于科幻、奇幻和魔幻類型的影像作品，激發(fā)人們參與影像裝置創(chuàng)作的熱情，從而催生出更加多元與多維的藝術表達形式和創(chuàng)作視角［5］。在官方樣片中，Sora呈現(xiàn)了一系列如夢似幻的場景。例如，一名青少年在漂浮的云朵上閱讀，兩艘海盜船在咖啡杯中戰(zhàn)斗，紐約如亞特蘭蒂斯般緩緩沉沒，生活在海洋里的鯨魚、海龜與鯊魚在市區(qū)街道上悠游，等等。Sora為創(chuàng)作者提供了探索創(chuàng)新視覺效果和敘事手法的可能性，完美融合了獨特的藝術創(chuàng)作與智能視頻生成技術。該技術的應用突破了現(xiàn)實與幻想的界限，為觀眾帶來震撼且獨特的視覺體驗。

知名創(chuàng)意工作室Radical Realities的聯(lián)合創(chuàng)始人Benjamin Desai（本杰明·德賽）用Sora創(chuàng)作了一個20世紀早期的黑白視頻。視頻中動物與人的活動、身體相結(jié)合，呈現(xiàn)出科幻離奇的場景。例如，正在玩滑板的猩猩、頭是一個魚缸的人類演講者、騎著恐龍奔跑的紳士等，畫面既詭異又充滿神秘氛圍。Sora賦予了Benjamin Desai以極高的效率進行高質(zhì)量概念化設計的能力，這種進步不僅激發(fā)了創(chuàng)作過程的變革，也在敘事手法上實現(xiàn)了進化，讓創(chuàng)作者能更加自如地把想象力轉(zhuǎn)換成現(xiàn)實作品。著名導演Paul Trillo（保羅·特里洛）贊譽道：“Sora的核心價值并不在于復制過往，而在于激活那些我們此前難以預見的新奇且看似不可能的創(chuàng)意元素，將其實實在在地呈現(xiàn)在眼前。”總的來說，Sora為藝術家提供了新奇的創(chuàng)作工具，助力他們探索新的藝術表達形式，建構(gòu)多元與多維的視覺樣式景觀，從而提升影像裝置藝術作品的豐富性。

3.2 Sora式裝置多模態(tài)輸入系統(tǒng)與多格式輸出的可能

Sora除能夠接受文字輸入之外，還可以接受靜態(tài)圖像或視頻輸入，生成寬屏的1920×1080 p視頻、豎屏的1080×1920 p視頻以及它們之間的各種格式，為不同類型的設備創(chuàng)建任何分辨率的視覺內(nèi)容，賦予任何個體數(shù)字視頻創(chuàng)造的能力，可以對視頻進行內(nèi)容延伸、缺失幀填充或風格轉(zhuǎn)換等操作，進而在數(shù)字視頻空間展開更加自由的實踐［6］。例如，虛擬塔羅牌平臺創(chuàng)始人Danielle Baskin（丹尼爾·巴斯金）采用8到20個視頻輸入的形式，對塔羅牌內(nèi)容與風格進行轉(zhuǎn)化，進而豐富了該平臺的視覺呈現(xiàn)效果。

Sora使藝術家以更加靈活多變的方式進行藝術創(chuàng)作，多模態(tài)輸入以及多格式輸出的形式為影像裝置創(chuàng)作帶來了獨特的視角與豐富的視覺體驗。此外，Sora視頻生成技術賦予藝術創(chuàng)作獨特的創(chuàng)意與表現(xiàn)形式，在很大程度上超越了傳統(tǒng)藝術創(chuàng)作的界限，增強了影像裝置創(chuàng)作領域的創(chuàng)新潛力。

3.3 Sora式藝術創(chuàng)作的降本增效

Sora視頻生成技術優(yōu)化了影像裝置的創(chuàng)作流程，提高了影像裝置的創(chuàng)作質(zhì)量，能夠顯著節(jié)省時間和制作成本，實現(xiàn)降本增效。藝術與科技的融合，將人類創(chuàng)意與人工智能相結(jié)合，為影像裝置創(chuàng)作提供了全新的創(chuàng)作模式。例如，Sora通過文本描述直接生成虛擬角色和場景，免去了傳統(tǒng)的建模和搭建場景工作，減少了實景拍攝與剪輯包裝的工作量，大幅提升了影像畫面生成的效率。在創(chuàng)作過程中，Sora可生成預覽草圖、繪制分鏡頭、剪輯樣片及創(chuàng)建裝置場景等。此外，Sora可以通過智能分析將視頻的主體與環(huán)境分開，單獨改變主體或環(huán)境，無縫連接兩段不同場景不同主體的視頻。該技術的應用不僅重新定義了影像裝置創(chuàng)作的工具與方法，拓寬了藝術表達的邊界，還在更深層次上推動了創(chuàng)作思維與藝術觀念的轉(zhuǎn)變，提升了創(chuàng)作效率，降低了成本。

4 結(jié)語

人工智能技術的引入使影像裝置創(chuàng)作進入了一個全新的階段。Sora通過創(chuàng)新的技術架構(gòu)，為藝術家提供了更便捷的創(chuàng)作工具，改變了傳統(tǒng)的影像裝置創(chuàng)作方法，建構(gòu)了新的視覺樣式景觀。未來，隨著人工智能技術的不斷進步，影像裝置創(chuàng)作將融合更多的科技元素，推動藝術創(chuàng)作的革新，拓展創(chuàng)作的表現(xiàn)形式和互動性。這種跨領域的融合能夠為藝術家提供更加多元的創(chuàng)作可能，同時為觀眾呈現(xiàn)全新的藝術體驗方式。

參考文獻：

［1］ OpenAI發(fā)布首個文生視頻模型Sora［J］.電器，2024（3）：63.

［2］ 張藍姍，徐璦桐.變革與重構(gòu)：Sora在影視創(chuàng)作中的應用與挑戰(zhàn)［J］.中國電視，2024（4）：84-91.

［3］ 于婉瑩.人工智能對藝術創(chuàng)作的變革性影響分析［J］.南京藝術學院學報（美術與設計），2024（1）：190-194.

［4］ 黃靜.視覺的延伸：影像裝置藝術中圖像語言的運用［D］.西安：西安美術學院，2023.

［5］ 令小雄，王鼎民，唐銘悅. ChatGPT到Sora：Sora文生視頻大模型對影視創(chuàng)作的機遇、風險及矯治［J］.新疆師范大學學報（哲學社會科學版），2024，45（6）：128-137.

［6］ 方興東，鐘祥銘.谷登堡時刻：Sora背后信息傳播的范式轉(zhuǎn)變與變革邏輯［J］.現(xiàn)代出版，2024（3）：1-15.