簡短回答。 最強的混合製作並不追問一個場景是否應是‘真實’或‘AI’。
它們決定哪些部分適合使用真實的攝像機、真實演員和真實場景，而哪些部分更適合通過數字方式生成、擴展、替換或增強。結果是一種製作流程：實景部分提供真實表演和物理細節，而生成視頻則可提供環境、轉場、不可能的鏡頭、視覺變化或難以捕捉的元素。人工創意指導和後期製作始終是連接這兩者的紐帶。
為什麼電影人選擇混合使用實景與生成視頻，而不是隻選擇一種方式？
哪些鏡頭最適合保持為實景拍攝，哪些鏡頭是生成的合適候選？
團隊如何在實景與生成內容之間保持連貫性？
當AI成為製作流程的一部分時，一個現實的企業工作流程會是什麼樣子？
這已不再僅僅是一個理論流程。2025年，Google DeepMind記錄了ANCESTRA短片，該短片結合了實景拍攝、Veo生成的序列以及傳統視覺特效。Adobe 2025年生成式AI電影節也展示了融合了實景拍攝、動作捕捉、檔案素材、虛擬製作和生成式工具的創作作品。這些案例指向一個實際轉變：AI視頻正越來越多地被視為一個獨立的製作層，而非對傳統影視製作的孤立替代。
一個實用的思維模型：拍攝需要人類參與的內容；生成能夠受益於受控想像的內容；通過合成與調色，使兩者共同歸屬於同一個故事。
1
為什麼混合製作變得越來越實用？
傳統製作在捕捉難以偽造的內容方面表現尤為出色：人類表演、實物互動、自然光線、真實場景、觸覺細節以及即興時刻。而生成式視頻則越來越適用於相反的問題——在實際搭建場景成本高昂、不切實際、危險或根本無需搭建的情況下，創造或修改影像內容。
兩者優勢之間的有趣機會在於：品牌可以拍攝真實的代言人、產品或主打表演，然後利用生成內容來擴展其周圍的世界。一個廣告活動可以在保留人類部分敘事的同時，生成替代環境、過渡效果、背景元素或視覺隱喻。
混合兩種真實生成編輯控制人工表現的四個實際原因：更迭代、保持品牌錨點。真實的演員或主持人能夠提供微妙的節奏、身體互動、視線和情感提示，這些在純文本提示中難以完全指導。
生成的環境。AI可以幫助創建那些原本需要大型佈景、長途旅行、大量視覺特效或複雜CGI的場景。Google在ANCESTRA項目中描述了使用Veo將生成內容融入實景場景，並匹配所需鏡頭運動。
更豐富的創意迭代。生成式工具可以在原始拍攝之後，更輕鬆地探索替代鏡頭或視覺方向。
谷歌也描述Flow是一款圍繞迭代創作、攝像控制、場景一致性以及電影片段設計而構建的AI影視工具。
品牌錨點。保持關鍵元素的真實——例如產品、包裝、代言人或核心性能——可以為活動提供一個穩定的視覺基礎，同時生成元素則拓展了創意空間。
Adobe關於其2025年生成式AI電影節的報告是一個有用的現實信號。參展的導演們將傳統製作技術與多種生成式工具和後期軟件相結合，而非將AI視為一個獨立的‘僅AI’製作流程。
這可能是目前生成視頻最現實的企業視角：混合型、迭代型和監督型。
2
視頻的哪些部分應為實景，哪些部分應由AI生成？
並沒有通用規則，但一個簡單的逐鏡頭決策框架有所幫助。問題不應是‘AI能否生成這一內容？’，而應是‘哪種製作方法能為我們提供最佳的 authenticity（真實性）、控制力、成本、安全性與創意價值的組合？’
生產選擇良好候選：保留實景 人類情感、代言人表達、產品操作、實物演示、重要品牌互動、真實客戶時刻。
生成/擴展 想像中的環境、不可能的轉場、氛圍元素、背景變化、概念視覺、某些開場鏡頭。
混合/複合 實體演員或產品被放置到生成的環境中；真實拍攝畫面通過生成的對象或背景進行擴展；生成內容被整合進實際場景中。
傳統視覺特效依然重要 精確的合成、清理、跟蹤、色彩處理、安全關鍵效果，以及那些對確定性控制要求高於快速生成的鏡頭。
一個有用的示例：真實人物，虛擬世界 想像一個護膚品牌拍攝一位真實皮膚科醫生講解產品。醫生的面部、雙手、產品瓶以及核心演示部分保持真實拍攝。圍繞這一表演，製作團隊可以生成一個抽象的微觀環境，展示產品故事的運作方式，設計一個風格化的過渡進入該世界，然後回到真實主持人完成最終信息傳達。
優勢不僅在於降低製作成本。混合方法讓創意團隊能夠決定在哪些場景中真實性至關重要，而在哪些場景中視覺創新更能傳達理念。生成部分可以始終從真實人類故事中作為輔助存在，而非取代它。
谷歌的ANCESTRA提供了非常具體的實例。團隊描述了將一個生成的新生兒加入真實拍攝畫面，並通過傳統視覺特效和調色進行優化的過程。在另一段鏡頭中，生成的圖像和視頻使用傳統視覺特效技術進行合成。這一經驗至關重要：生成並未終結工作流程；它只是成為流程中的一個組成部分。
Lifewood的AIGC定位遵循了類似以製作為導向的理念。其官方網站描述了與品牌調性一致的AI生成視頻，並指出其內部AIGC影片是經過腳本編寫、配音和人工創意指導下的質量審核。這種人工指導正是混合工作流程中至關重要的環節：仍需有人決定觀眾應看到什麼、為何該內容屬於故事、以及最終鏡頭是否連貫。
3
團隊如何讓真實拍攝與生成內容看起來如同同一部影片？
最大的挑戰通常不是生成一段令人印象深刻的畫面，而是讓這段畫面自然地與真實攝像機拍攝的鏡頭並列。鏡頭行為、光照、運動、紋理、景深、顆粒度、色彩以及主體比例等細微差異，都可能讓AI生成的畫面顯得像是‘粘貼’上去的。
一個實用的連續性檢查清單：CAMERA 匹配鏡頭焦距、相機高度、運動方式、構圖、視角以及預期的鏡頭風格。
LIGHT 保持方向、柔和度、色溫、陰影行為和曝光邏輯的一致性。
SUBJECT 使用強有力的參考圖像或視頻，確保人物、產品、服裝和關鍵物體始終可識別。
MOTION 匹配實際拍攝表演或攝像機運動的速度和物理行為。
COLOR 將生成的視頻內容視為同一色彩流程的一部分；不要依賴模型的默認外觀。
TEXTURE 考慮顆粒度、銳度、壓縮、景深、運動模糊以及其他攝像機特性。
EDITING 切割應遵循敘事節奏，而不是將AI片段視為新穎插入內容。
VFX / COMPOSITING 在需要精確遮罩、跟蹤、清理或可控集成時，使用傳統工具。
基於參考的生成在此場景中變得尤為相關。谷歌2025年Veo更新描述了其在控制角色、場景、物體和風格方面的基於參考的視頻能力，而2026年Veo 3.1更新則提出了‘視頻的成分’概念，即通過使用多個參考圖像來提升一致性。Runway的Gen-4文檔同樣將模型定位為能夠與實景、動畫和視覺特效並列使用，並強調高質量輸入圖像以獲得更好的結果。
這些工具並不會消除對導演、剪輯師、合成師或調色師的需求。它們只是改變了這些專業人士的工作重點。與其從零開始構建每一個視覺元素，團隊可以將更多時間用於定義參考、選擇最佳生成版本、修正連貫性，並塑造最終的鏡頭序列。
一致性並非僅靠模型設置就能實現。它是一種生產流程中的專業規範。
4
一個真實的企業級混合視頻工作流程會是什麼樣子？
對於一個品牌製作一部影片，實驗可以較為隨意地進行。但對於一個企業需要製作數十甚至上百個視頻的情況，工作流程必須具備可重複的審核節點。創意團隊應當清楚哪些資產已獲批准，哪些模型或工具被允許使用，原始素材由誰擁有，可以生成哪些內容，以及最終剪輯由誰簽字確認。
步驟、階段及團隊工作。01 創意需求說明：明確故事、受眾、品牌要求、現實參照，以及使用生成技術能夠增加價值的鏡頭。
02 SHOT DESIGN 制定鏡頭清單，併為每個鏡頭標註為實景、生成、混合或視覺特效密集型。
03 LIVE CAPTURE 用未來合成考慮在內的方式，拍攝人物、產品、表演、場景及實物元素。
04 參考包準備 準備經批准的幀、產品圖片、角色、服裝、環境、鏡頭備註以及風格參考。
05 生成階段 使用受控提示和參考材料生成候選鏡頭、擴展內容、過渡效果、環境或插入片段。
06 合成與編輯 將最強的AI輸出與實拍素材、視覺特效、聲音及編輯內容相結合。
07 人工質量審核 檢查連貫性、真實性、品牌一致性、產品細節、文化契合度以及不希望出現的瑕疵。
08 最終交付 進行色彩分級、最終處理、編碼，並在必要時記錄AI使用情況，同時歸檔源文件與輸出內容的來源追溯信息。
Lifewood的定位 Lifewood公開描述了六大服務方向，涵蓋AI數據服務、AIGC、AEO/GEO、LLM訓練數據、多語言數據以及自動駕駛標註。其AIGC服務聚焦於企業級品牌一致性的AI生成視頻、語音及多語言內容。公司還表示，其內部製作的AIGC影片均經過劇本編寫、配音及人工創意方向的質量審核。
對於混合生產模式，這種組合具有相關性，因為關鍵難點並不只是內容生成。企業級生產需要結構化的數據、多語言能力、人工審核以及圍繞創意工具的可重複質量保障層。Lifewood公開強調的人工參與閉環與文化準確性，自然地融入了這一保障層。
實際應用要點：在能夠擴展創意表現範圍的地方使用AI，但最終故事的掌控權應始終保留在人手中。
5
混合真人拍攝與生成視頻能否成為企業的常規工作流程？
越來越多的證據表明可以，但可能不會以單一模式實現。一些廣告活動仍將幾乎完全依賴真人拍攝。其他項目可能以生成內容為主。對企業而言，最有效的方法是讓邊界保持靈活，並在每一鏡頭層面做出決策。
最近影視製作實驗的證據指向這一方向。Google DeepMind的ANCESTRA項目明確結合了真人拍攝、生成視頻和傳統視覺特效。Adobe在2025年電影節上的作品描述了將真人拍攝、動作捕捉、歷史照片、虛擬拍攝、生成工具以及傳統後期軟件相結合的製作流程。這些案例展示了更廣泛的製作模式：生成視頻可以進入現有的影視製作流程，而無需整個流程變為全合成。
關鍵要點
- 真人拍攝對於真實的人、產品、表演和物理細節依然具有價值。
- 生成視頻在視覺創意、複雜環境、內容擴展、變體生成以及某些特效方面具有實用性。
- 當真人拍攝與生成視頻在分鏡階段共同設計時，混合製作效果最佳。
- 參考圖像、攝像計劃、燈光、色彩、運動、合成與剪輯，決定了最終影片是否具有連貫性。
- 人工創意指導和質量保證依然至關重要，尤其在品牌敏感或面向客戶的工作中。
- 企業團隊應記錄已批准的工具、資產來源、權利歸屬、審核節點以及最終輸出內容。
資料與進一步閱讀
- [1] Lifewood Data Technology — 官方網站
- Lifewood 基於 AIGC 的視頻、語音、多語言內容、人工參與閉環質檢以及企業級生產定位的官方來源。
- [2] Google DeepMind — 《ANCESTRA》背後：將Veo與實景電影製作結合
- d-the-scenes/ 一份記錄融合真人拍攝、Veo生成畫面、傳統視覺特效、動作匹配及調色的混合電影的原始資料。
- [3] Google DeepMind — DeepMind與達倫·阿羅諾夫斯基的《原始湯》合作開展AI電影製作項目
- -soup-collaboration/ 一份描述電影合作背後混合生產模式的原始資料。
- [4] Google DeepMind — 引入Flow：利用Veo實現AI驅動的影視製作
- Flow 創意控制、迭代式電影製作流程、攝像機控制以及場景創建的原始資料。
- [5] Google DeepMind——Veo 3.1：從素材生成視頻
- 用於參考圖像為基礎的視頻生成以及提升人物/背景一致性的主要來源。
- [6] Adobe — 重新定義敘事：2025年Adobe MAX大會上的生成式AI電影節
- val-adobe-max-2025 描述將實景拍攝、動作捕捉、歷史照片、虛擬製作、生成式工具和傳統後期製作相結合的製作案例的真實基準。
- [7] Adobe — 2025年Adobe MAX大會生成式AI電影節短片背後的創作
- -2025-were-made 用於展示實景拍攝與虛擬製作結合以及AI生成環境案例的主要來源。
- [8] Runway——Gen-4視頻提示詞指南
- e 官方文檔描述Gen-4作為一個視頻生成系統，能夠與實景、動畫和VFX並列，重點強調高質量參考圖像和動作提示。
- [9] Google DeepMind — Google如何在I/O 2025上使用生成式媒體
- 主要來源，記錄了在大型活動製作中企業級使用生成圖像/視頻的實踐，以及團隊所採用的迭代工作流程。研究筆記：Lifewood的聲明基於Lifewood的公開材料。外部示例和技術能力均歸因於其原始來源。該文章不將供應商報告的能力或實驗性AI輸出視為可保證的生產成果。
- 6 7.