顛覆傳統觀念：算力絕非唯一的王道
站在人工智慧（AI）影片生成領域，系統的運算能力和速度固然重要，但更為關鍵的是影片素材的品質和相關性。這一個觀點挑戰了當前業界過度強調AI算力（computing power）的趨勢（詹益仁，2024），為我們理解和發展AI影片生成技術提供新視角。長期以來，業界普遍認為AI影片生成的成敗主要取決於系統的運算能力和速度，即所謂的「算力至上」論。然而，這種觀點忽略了影片素材品質和相關性的重要作用，導致許多AI影片生成專案的結果並不盡如人意。因此，我們有必要重新審視這一問題，深入探討影片素材在AI影片生成中的關鍵作用，以期找到更加全面、更加有效的解決方案。
影片素材：AI影片生成的「戰袍」與「靈丹」
從程式語言的角度來看，影片素材的品質，例如，畫面清晰度、色彩飽和度、構圖等，直接影響了最終生成影片的視覺效果。這意味即使我們擁有再強大的AI算力，如果輸入的素材品質低劣，生成的影片品質也不會太高。因此，在建設AI影片生成系統時，我們需要投入大量資源來建立高品質、多元化的影片資料庫。這些包括需要收集和處理大量的高畫質影片，並對其進行仔細的篩選與分類（Kumar等，2023），以確保資料庫有足夠優質的原始資料可以使用。然而，建立一個高品質的影片資料庫並不容易，它需要我們在硬體設備、資料儲存、人力資源等方面進行大量投入。除了確保影片畫質達到一定標準，我們需要建立龐大的資料儲存系統，以支援海量影片資料的存儲和管理（Zhu等，2023）；我們還需要招募專業的影片編輯和資料標記人員，以確保影片資料的品質和準確性（Yuan等，2024）。只有建立一個高品質、多元化的影片資料庫，我們的AI影片生成系統才能擁有堅實的基礎，才能生成出令人滿意的結果。
（相關報導：
風評：沈伯洋式監控，極右派的崛起？
｜
更多文章
）
相關性：AI也需要做「察言觀色」的戀愛高手！
從程式設計的視角來看，影片素材的相關性，即檢索到的影片片段與使用者輸入的主題、關鍵字等的匹配程度，也是決定生成影片品質的關鍵因素。如果AI無法準確理解使用者需求，並檢索到相關的影片素材，那麼無論生成影片的速度有多快，也無法滿足使用者的期待（Generation與Lindholm，2023）。因此，AI需要具備強大的自然語言處理和圖像識別能力，以便深入理解使用者的意圖，並在海量的影片資料庫中快速找到最相關的素材。這對我們的程式設計提出更高的要求，需要我們在演算法和資料結構方面進行更多的優化。具體來說，我們需要開發先進的自然語言處理模型，例如，基於深度學習的語義理解模型、情感分析模型等，以準確理解使用者的查詢意圖和情感傾向（Gupta與Agrawal，2022）；我們還需要開發高效的圖像識別和檢索演算法，例如，基於卷積神經網路（CNN）的圖像特徵提取、基於哈希（hash function）的快速檢索等（Li等，2022）。只有同時具備強大的自然語言處理能力和圖像識別能力，AI影片生成系統才能真正理解使用者需求。
創造力：AI影片生成的「文藝模範生」
從創作的角度來看，系統還需要具備一定的創造力和審美能力，並根據使用者的需求和影片素材的特點，生成具有藝術感和觀賞價值的影片（Ye等，2023）。這意味AI影片生成不只是簡單的素材拼接，而是一個智慧創作過程。我們的程式不僅要能理解影片內容，還要能把握影片的風格、節奏、情感等藝術元素，並根據一定的美學原則，進行創造性的組合和編排。這需要在開發AI影片生成系統時，引入更多的藝術理論和美學原則，讓程式學會如何創造出打動人心的作品（Zylinska，2020）。例如，我們可以將電影編劇理論、導演構圖技法、色彩心理學等藝術理論和原則納入模型訓練。讓AI學習如何從講述一個吸引人的故事開始，如何營造美麗的畫面，如何透過色彩傳遞情感。我們還可以引入音樂理論、節奏學等知識，讓AI學習如何透過背景音樂和節奏安排來烘托主題，渲染氣氛（Henriques，2020）。總之，我們需要全方位地提升AI的藝術修養，讓它成為一個真正富有創造力和審美能力的「影片藝術家」，而不僅僅是一個簡單的「影片拼湊機」。
科技實現：「登堂入室」還是「班門弄斧」?
系統通常會將影片資料庫中的每一個影片片段表示為一個高維向量，捕捉其顏色、紋理、物體、場景、動作等特徵。當使用者輸入一個查詢時，系統會將查詢轉化為向量，然後使用向量檢索算法在影片向量資料庫中找到最相似的影片片段。這個過程可以使用如Faiss、Annoy等高效的向量檢索庫加速（Chaidaroon，2020）。找到相關影片片段後，系統會使用循環神經網路（RNN）、長短期記憶網路（LSTM）、變分自編碼器（VAE）等模型（Park等，2021）。，對選中的影片片段進行智慧組合和編排，考慮影片片段之間的語義連貫、視覺銜接與節奏韻律等因素，生成流暢、有意義與藝術感的影片。在這段過程中，生成對抗網路（GAN）等模型尚需對生成影片進行品質評估和優化，以確保視覺品質和語義能夠準確達標（Bandi等，2023；Kumar與Singh，2023）。
值得一提的是，向量科技不僅使得影片檢索和組合更加高效，也為AI影片生成賦予更多的創意。透過在高維向量空間中進行插值（interpolation）、外推（extrapolation）與融合（fusion）等操作，AI系統能夠生成全新的、前所未見的創意與超現實的視覺體驗（Po等，2023；Ye等，2024）。例如，AI可以在兩個不同風格的影片向量之間進行「插值」，生成一個漸變風格的影片；也可以在一個影片向量的基礎上進行「外推」，生成一個延續原有風格但具有新元素的影片。向量科技為AI影片生成開啟無限創意，使其能夠超越簡單的模仿和拼接，而進行真正的創造和想像（Buckner，2024）。
應用前景：AI影片生成的「天高任鳥飛、海闊憑魚躍」
AI影片生成技術有著廣泛的應用前景，例如，自動摘要影片、風格影片推薦、互動式影片敘事等。自動影片摘要可以幫助使用者快速瀏覽和理解長影片的主要內容；個性化影片推薦可以根據使用者的觀影歷史和偏好，推薦最相關、最感興趣的影片內容；互動式影片敘事可以根據使用者的選擇，即時生成不同的影片情節和結局，創造新的互動體驗（Dowling，2024）。除了這些應用場景，AI影片生成技術還可以應用於教育、廣告、遊戲等諸多領域。例如，在教育領域，AI可以根據教學內容和學生特點，自動生成適性化的教學影片，提高教學效果；在廣告領域，AI可以根據產品特點和目標受眾，自動生成吸引人的廣告影片，提高轉化率；在遊戲領域中，AI可以根據玩家的選擇和互動，即時生成個性化的遊戲影片（Dworak等，2020）。
算力與智慧：AI影片生成的「相愛相殺」
總體來說，站在AI影片生成立場，我們不應該將運算能力和速度視為唯一或最重要的因素，應該更加重視影片素材的品質和相關性。身為一位程式設計師或AI研究者，我們需要在系統設計和開發過程中投入更多資源在影片資料庫、自然語言處理、圖像識別、優化演算法等方面。同時，我們還需要加強AI在創造力和審美方面的訓練，引入更多的藝術概念和美學原則，讓我們的程式學會如何創造出打動人心的影片作品。只有在算力和智慧兩方面取得平衡發展，AI影片生成科技才能真正走向成熟，為我們帶來更多驚喜和可能性。
（相關報導：
風評：沈伯洋式監控，極右派的崛起？
｜
更多文章
）
