Netflix 的 Eyeline Studios：生成式 AI 只能做到 60%，剩下的 40% 才是真功夫

這個月一場視效會議上最有用的一句話，是一句拒絕。

「我們不是靠寫提示詞一路 prompt 出鏡頭和電影的。我們不是做這個的。」說這話的是 Mohsen Mousavi，Netflix 旗下特效公司 Eyeline Studios 負責虛擬先驅技術的副總裁，當時在杜林的 View Conference 上發言。他的履歷裡有《權力遊戲》最終季，所以這句拒絕並不是對生成模型的能力缺乏想像，而是在說明：真正的工作到底在哪裡。

他對這條邊界的估計才是有意思的地方：生成模型大概能把一個專案推進到 60% 到 70%。而走到 100%，才是最要緊的。

所謂「混合製作」，在實務上是什麼意思

Eyeline 的方法不是「把鏡頭生成出來」，而是三方混合：實拍、傳統視效、生成式工具，而且這個比例是按單一鏡頭決定的，不是按整個專案決定的。

流程在開機之前就開始了。一個生成式美術部門會和傳統美術師並行探索設計。接下來是真正扛下大部分重量的技術：局部布景。演員在部分搭建的實體布景上演戲，打光相對平，拍完之後再重建環境和光線，而原始的表演完整保留。

Mousavi 把這稱作傳統美術部門的延伸，而不是取代。這個說法是有實質作用的。美術部門的工作一直是決定攝影機看到什麼；Eyeline 做的事，是把其中一部分決定挪到製作流程的更後面。

上面還疊了一層容積捕捉。在一個地點拍的素材可以被轉換成另一個環境，而其中一些環境完全沒有綠幕。「它讓我們在拍完表演之後，同時擁有打光的自由和機位的自由，」Mousavi 說，同時補了一句前提：演員的身分和表演必須在這個過程裡活下來。

兩個專案，兩種不同的問題

Brazil '70: The Third Star講的是 1970 年國家隊世界盃奪冠的故事。這部戲裡，Eyeline 要讓體育場坐滿觀眾，而且這些觀眾得有情緒反應，不能看起來像貼圖陣列。解決方案不是某一項技術：實拍的群眾素材、sprites、傳統 CG、生成式方法，一層層疊上去。Mousavi 的說法是預算層面的，不是藝術層面的——同樣的活兒用傳統視效做，「在那個預算裡會非常、非常難完成」。

The American Experiment是一部五集歷史紀錄片，工作安靜得多：背景延伸，加上生成式的塵土，再和實拍素材合成。塵土是個好例子，能說明這項技術真正強在哪裡。它是容積的，在年代感街景裡無所不在，要模擬得讓人信服很貴，而觀眾裡沒人會去查證一顆粒子。

Eyeline 還演示了在保留表演本身的前提下改變演員的視覺年齡，以及一支研究短片，講的是拍攝之後調整機位和光線。負責 Eyeline GenFX 團隊的 James Rustad 在釜山向觀眾給出了Brazil '70的規模：超過 1,300 個 VFX 鏡頭，45 位藝術家，四階段流程——setup、narrative、look、delivery——並且刻意把人的敘事判斷放在實驗和收尾之間。

誠實的那部分：流體

會議演講通常都以最強的 demo 收尾。這一場偏偏把最弱的也放了進來，而且是故意的。

Eyeline 正在做可控的生成式流體，Mousavi 對現況說得很直接：這些模擬不是確定性的，非常難控制。目標是能對速度、黏度和湍流做關鍵影格控制，還能在不破壞底層模擬的情況下加上泡沫或水花。

然後他說了一句只有真正幹過視效的人才會說的話：在視效裡，你常常真正想做的是把流體的物理規律打斷。真實的水不夠戲劇化。需要的不是物理準確，而是「可被導演的不準確」。這跟文生影片模型最佳化的目標是完全兩回事，也解釋了為什麼這家工作室自己在造工具，而不是去 prompt 別人的。

其他展示的研究包括：把一次 Gaussian-splat 三維捕捉從冬天改成秋天，AI 輔助的人物表演重打光，以及嘗試用單機錄製素材搭出一個可漫遊的 4D 場景。為了訓練重打光系統，Eyeline 用了一套 40 台同步的 RED V-Raptor 攝影機陣列，另外也做了更便攜的捕捉設備。

沒人拿來演示的取捨：平光與視線

局部布景是對一個很古老的限制的巧妙反轉。傳統做法是先搭好布景，讓攝影機有真實的東西可拍，再按照故事去打光。Eyeline 把順序倒過來：先用相對平、均勻的光拍下表演，然後再圍繞它重建整個世界。

平光是代價。它是刻意拍得「不好看」的，因為一旦把有意思的光打進了素材，等你替換環境時它就變成麻煩——演員臉上已經有一道來自窗戶的硬陰影，而那扇窗後來根本不存在了，你沒辦法憑空在那裡放一盞燈。拍平了，表演就還能用，而所有打光的決定都被推到下游，推到還能改的地方。

推不到下游的，是表演本身。Eyeline 在這點上說法始終一致：演員的身分和演技必須活下來。重建出來的環境救不了一顆穿幫的 take——演員當時盯著棍子上的網球，而那點痕跡留在了畫面上。這門技術買到的是打光和機位的自由，不是免於導演的自由。

這也是為什麼這家工作室一直強調自己是美術部門的延伸，而不是取代。總得有人先決定這個房間長什麼樣，之後才談得上把它換掉。

為什麼 60/70 這個數字就是全部故事

想一想在專業後期裡，最後那 30% 是由什麼構成的：一個鏡頭內的時間一致性、能撐過 4K 完成的解析度、高動態範圍，以及攝影指導能說一句「左邊再暗一點，窗戶的光應該更晚一點」，然後在週四，可重複地拿到這個結果。

生成模型在前 60% 裡強得離譜，因為前 60% 正是「新奇」待的地方。它們在最後 30% 上很弱，因為最後 30% 是「一致性」待的地方，而一致性恰恰是取樣的反面。

這也是為什麼當被問到「你們用哪些基礎模型」，這家工作室的答案是聳聳肩。Mousavi 說大部分工作基於他們自己的研究和自己的模型，外加外部合作和專門採集的訓練資料。模型是最容易租到的部分。捕捉陣列、訓練資料，以及那套讓一個鏡頭可以被重複做出來的流程，不是。

業界該注意的那部分

Netflix 在七月表示，大約有 300 部作品用過某種生成式 AI。它還收購了 Ben Affleck 的電影技術公司 InterPositive。這兩件事放在一起，描述的是一套跟「取代藝術家」無關的策略：買下那條流程，讓固定數量的藝術家能涵蓋更多鏡頭。

Mousavi 反覆回到一句話，聽起來像採購需求：「我們要確保它不是一個黑箱。」攝影指導和美術指導必須能夠塑造結果。如果做不到，這個工具就不會被用在專案上，demo 再好看也沒用。

這才是當下 AI 影片真正的分界線。不是開源對閉源，不是 4K 對 1080p。而是：輸出能不能被一個帶著明確意圖的人操縱，以及明天導演改主意的時候，能不能再操縱一次。60% 很容易。最後那 40% 才是工作。