AI 正在改变影视制作的前期流程，但导演与三维工具之间仍存在语言鸿沟。本文聚焦于虚拟演员走位预演这一细分场景，探讨如何将导演的日常调度指令转化为可讨论的预演方案，帮助剧组在开机前发现并解决空间调度问题，从而节省昂贵的现场试错成本。

这个问题在片场并不复杂，却很贵。演员、摄影、灯光、场地和设备同时进入工作状态以后，导演每多试一次走位，整组人都要跟着等。排练当然不能省，代价高在许多本可以提前发现的问题，偏偏留到了开机以后。

我学习广播电视编导，因此很自然地把注意力放到人物走位和基础动作上。分镜可以画出关键画面，平面调度图可以标出位置，口头说明也能讲清导演的想法。可一场戏连续运动起来以后，新的问题很快就会出现。演员多走半步，人物关系变了。两个人同时转身，摄影机可能来不及跟。原本写在纸上的一句“走到窗边”，到了现场还要继续讨论速度、路线和停顿。

AI 可以把这部分试错提前。剧组在正式拍摄前先搭一个简化场景，让虚拟演员把走位和基础动作走一遍。导演暂时没有调度思路时，AI 给出几套方案。导演已经有明确构想时，系统按指令完成排练，并允许他继续调整距离、速度和动作时间。

【重点】这款产品的价值很具体，让剧组带着一份可以讨论的调度方案进入现场，少从空白状态开始。

一、开机以后，所有等待都开始计费

剧组现场的时间和普通办公室里的时间不太一样。办公室开会多讨论十分钟，通常只是十分钟。片场多讨论十分钟，可能意味着演员在等，摄影机已经架好，灯光保持工作，场地租赁时间也在继续走。

走位又很难完全靠纸面解决。导演需要同时考虑人物关系和镜头。演员从桌边走到门口，路线可能挡住另一名演员，也可能让画面失去层次。人物转身太早，台词的情绪还没落下。摄影机要是跟着移动，轨道、焦点和灯位都可能受到影响。

真人排练当然最接近最终表演。可剧组如果把所有探索都留给真人排练，就会把最贵的一批资源一起拉进试错。虚拟演员适合先完成一轮空间检查，把明显的路线冲突、人物遮挡和镜头跟随问题找出来。

这里需要划清边界。【重点】虚拟演员预演解决的是空间调度和沟通效率，它不能替代真人演员的表演。演员进场以后带来的节奏、重心和对手反应，仍然需要导演在现场重新判断。

二、行业已经有预演工具，导演操作仍有一段距离

我把现有产品和研究资料对了一遍，发现“拍摄前先在电脑里排一次”早已成为影视制作的一部分。Epic Games 对 Previs 的解释很直接，创作者在拍摄前用计算机生成画面粗略搭出主要视觉和动作，用来尝试不同方案。Techvis 会继续处理摄影机、摇臂和具体场地等技术条件，让团队在设备进场以前判断某个镜头能不能拍。

Cine Tracer 也提供了一个很有代表性的方向。创作者可以快速搭场景、放置人物、选择接近真实参数的摄影机和灯光，再把画面整理成故事板。它刻意降低三维软件的学习门槛，让不熟悉建模和动画的人也能尝试镜头。

Reallusion 在 2026 年公开的 HEIST 工作流又往前走了一步。创作者先在 Character Creator 和 iClone 中建立角色、场景与镜头，提前决定构图、人物调度和镜头推进，然后再进入 AI 画面生成。三维场景在这里承担导演控制层，生成式 AI 接手后续画面。

Autodesk Flow Studio 当前也在强化可控的三维创作。官方页面已经列出三维编辑、角色生成与自动绑定、无标记动作捕捉、摄影机跟踪和可编辑导出等能力。它可以把结果继续送进 Maya、Blender 和 Unreal 等工具。这个变化说明，AI 影视工具正在从单次生成画面走向可编辑的制作流程。

现有产品已经覆盖了很多能力。新产品如果只写“用 AI 控制虚拟演员”，很容易一脚踩进别人已经铺好的路。【重点】机会需要继续收窄，集中处理导演怎样用日常调度语言控制人物走位，并把结果交给整个剧组讨论。

这一段目前仍有空隙。三维软件擅长搭场景和调摄影机，动作工具擅长让角色动起来，导演常说的却是另一套话。

“他说完这句话再过去。”

“先靠近，发现对方没反应，再退回来。”

“两个人别站成一条直线，镜头里没层次。”

这些话包含人物关系、动作顺序和画面要求。系统要把它们拆成路线、时间、动作和摄影机约束。少了这层翻译，导演还是要先学动画时间轴，产品也只是给旧软件换了一个 AI 入口。

三、产品机会要收窄到走位和基础动作

我设想的产品可以成为 Unreal Engine 或 iClone 中的插件，也可以先做成连接剧本与三维场景的独立控制层。它不负责生成最终成片，早期也不追求细腻表演。它只处理开拍前的一小段工作，让虚拟演员按照剧本和导演指令完成走位与基础动作预演。

产品最早服务三类用户：

1. 影视院校的学生剧组。团队缺少专职预演师，现场时间有限，愿意尝试新工具。
2. 独立短片和短剧团队。拍摄周期紧，沟通主要靠导演口述和简单分镜。
3. 小型广告制作团队。场地、演员和设备按时间结算，提前确认调度更容易看见价值。

大型剧组暂时不适合作为第一批用户。它们已经有成熟分工，对稳定性、保密和流程兼容的要求也更高。一个刚做出来的插件直接闯进大剧组，结果大概会像没看通告单就跑进片场，大家都知道你很热情，但没人敢把当天的拍摄交给你。

第一版只承诺处理室内对话戏。场景内安排两到四名角色，支持行走、站立、坐下、转身、停顿和简单物体交互。摄影机先覆盖固定机位与基础移动。群演调度、武打和高难度特技先留在范围外。

【重点】产品范围越小，越容易判断它究竟省了时间，还是只增加了一套需要学习的软件。

四、两种模式接住导演的不同状态

导演在排练前通常会处于两种状态。有时知道这场戏要表达什么，脑中还没有清晰走位。有时已经想得很具体，只想快速看一遍效果。产品需要分别接住这两种状态。

1、给我方案

导演导入剧本和简化场景，再补充人物关系与这场戏的意图。比如两个人正在争吵，甲试图靠近，乙始终保持距离。AI 根据台词顺序、出入口和主要道具生成两到三套方案。

第一套可以让两个人隔着桌子对峙，关系始终僵住。第二套让甲逐渐靠近，乙退到门边，压力随着距离变化。系统要说明每套方案怎样影响人物关系和镜头安排，导演才能判断这个走法有没有依据。

方案数量不能成为卖点。十套普通动作的排列组合，只会让导演多看九遍。系统理解不了人物目标时，应当追问导演，不能用一段顺滑解释掩盖空洞动作。

2、按我的想法执行

导演已经有构想时，可以直接输入要求。

“甲从窗边走到桌前，说完第三句台词后坐下。乙留在原位，等甲坐下再转身。”

系统把指令转换成角色路径与动作时间轴。导演看完以后，可以继续说“走慢一点”“停顿提前”“两个人再远半米”，也可以直接在俯视图里拖动路径。

自然语言适合生成第一版，图形操作适合精确修改。导演不该为了移动半米反复猜提示词，复杂调度也很难只靠拖拽完成。两种交互放在一起，产品才有机会接近日常导演工作。

五、一场戏如何在产品里走完

可以用一场室内双人对话戏说明完整流程。

1. 导演导入剧本，选择当前场次。系统识别人物、台词、动作提示和大致时长。
2. 导演打开已有三维场景，或者用墙、门窗和桌椅搭一个简化空间，再标出不能移动的道具。
3. 导演选择“给我方案”或“按我的想法执行”。前一种需要补充人物关系，后一种直接接收调度命令。
4. 系统生成三维预览、俯视调度图和动作时间轴。人物遮挡、路线冲突和穿模位置会被标记。
5. 导演通过语言、拖拽或时间轴继续修改，确定以后输出低清预演视频、调度图和带时间点的动作清单。

这些输出要能直接发给摄影和演员。团队不必全部打开三维软件，也不用围着导演的电脑猜那条蓝线到底代表谁。大家看同一段预演，再讨论哪一步要改。

产品最早带来的价值就在这里。导演说“从这里走过去”，每个人脑中的距离和速度可能不同。画面把分歧提前暴露出来。团队最后推翻整个方案也没关系，至少他们推翻的是同一个版本。

六、单机里生成动画还不够，产品要进入剧组协作

导演在软件里看懂方案，只完成了第一步。走位预演最终要交给摄影、演员和制片使用，这几类人关心的内容并不相同。

摄影更在意人物什么时候进入画面，镜头是否被挡，移动机位能不能跟上。演员需要知道自己从哪里出发，哪句台词以后行动，和对手保持多远。制片关心这套调度会不会增加轨道、灯位和场地准备。产品如果把所有信息塞进同一张三维界面，最后大概只有最熟悉软件的人愿意打开。

因此，系统应当从同一份调度方案生成不同视图。

1. 导演看到完整三维场景、人物关系和动作时间轴。
2. 摄影拿到带机位和遮挡提示的镜头预览。
3. 演员收到简化调度图和与台词对应的动作节点。
4. 制片可以查看方案涉及的场地、设备和特殊准备。

这些视图必须指向同一个版本。导演把甲的路线向后移半米，摄影预览和演员调度图也要一起更新。否则群里很快就会同时出现“最终版”“最终版二”和“这次真的最终版”。软件省下的排练时间，可能又被大家拿去找文件。

协作功能也不用一开始做得很重。第一版支持时间点评论、版本对比和一键导出已经够用。摄影可以在第三十秒标记“这里会出画”，演员可以在对应动作下询问“转身发生在台词前还是台词后”。导演修改后，系统保留旧版本，团队能够看见哪一处发生了变化。

【重点】产品交付的核心成果是一份全组都能看懂、还能继续修改的调度版本。动画只是这份成果最直观的表现形式。

七、AI 负责翻译，三维系统负责落地

这款产品不能只接一个大语言模型。语言模型可以读剧本和理解导演指令，人物要在三维空间里稳定移动，还需要场景数据、路径规划、碰撞检测和动作生成。

系统可以分成四层。

1. 剧本理解层。识别人物、台词、场景目标和动作提示，把导演补充的关系与意图整理成结构化信息。
2. 调度规划层。生成角色的起点、终点、路线与动作顺序，同时检查家具、出入口和其他人物的位置。
3. 动作生成层。把“走过去坐下”转换成连续骨骼动作，根据距离调整步幅和时间。
4. 导演控制层。接收自然语言修改、俯视图拖拽和时间轴调整，并记录当前项目里的偏好。

NVIDIA 的 Kimodo 已经展示了文字、关键姿势、二维路径和稀疏关节约束共同控制三维人体动作的能力。ARDY 继续处理实时交互，支持在动作生成过程中加入新的文字要求、路径和关键帧。这些研究说明，虚拟演员按照路线移动并接受连续修改，已经有了技术基础。

研究能力进入产品还要过一段很琐碎的路。脚底打滑、手碰不到桌面和转身角度突然变化，都会让预演失去可信度。第一版可以优先使用整理过的基础动作库，让生成模型负责动作衔接和幅度调整。动作少一些没关系，稳定更重要。

AI 也不能偷偷替导演补齐含糊指令。导演说“再克制一点”，系统最好追问他想改速度、距离还是动作幅度。不同导演对同一句话的理解可能完全相反。产品可以学习当前项目的偏好，不能把某个人的习惯当成导演通用语法。

八、第一版产品怎样证明自己有用

产品测试不能只看生成次数。导演觉得新鲜，连点二十次，也可能一次都没带进排练。

第一版至少要观察五个指标：

1. 从导入剧本到生成第一份可用方案花了多久。
2. 导演平均修改几轮才愿意分享给团队。
3. 摄影和演员能否看懂预演，是否还需要大量口头解释。
4. 方案进入现场后，有多少走位被完全推翻。
5. 使用产品前后的排练时间和现场调整次数有什么变化。

其中最关键的是第一份可用方案。生成一段动画只要几十秒，搭场景和修错误却可能花半天。完整流程没有变轻，单次生成再快也没有意义。

早期测试可以找影视院校与小型制作团队，让他们分别用传统平面调度图和虚拟演员插件处理同一场戏。产品团队记录准备时间、修改轮次和现场变化，再访谈导演为什么接受或放弃某套方案。

【重点】只有真实项目少了一次返工，这款产品才算跨过了“看起来很有用”的阶段。

产品验证还需要专门记录失败。有人在生成以后改回纸笔，可能是动作太假，也可能是场景搭建耗时。有人愿意看预演却不愿意修改，可能说明结果能启发导演，编辑方式仍然太重。失败原因不能只归成“用户习惯传统”。每一次放弃都在告诉产品团队，旧办法究竟在哪一步更快。

如果第一版只能选择一个最关键的数据，我会看导演从打开产品到分享第一份方案花了多久。这个时间包含导入剧本、搭简化场景、生成和修改。它比模型生成耗时更接近真实体验。对一个三分钟的室内对话戏，产品团队可以先把目标设为十五分钟内得到可讨论版本，再用实际测试修正。十五分钟目前只是一项产品假设，不能提前当成行业标准。

九、商业化可以等，平台依赖和保密不能等

产品通过验证以后，可以采用个人订阅和团队版本。个人版本提供基础场景、角色和导出能力，团队版本加入评论、版本管理与项目协作。影视院校也可能购买教学授权，用它讲解场面调度和镜头设计。

插件模式可以复用 Unreal Engine 或 iClone 的角色、摄影机和渲染能力，研发团队不用从头造一套三维软件。代价也很清楚。平台接口变化会影响兼容，只会使用传统分镜工具的导演仍要进入三维环境，学习成本不会凭空消失。

剧本保密需要从第一版开始处理。尚未公开的台词和人物关系上传到云端，会直接影响专业团队是否愿意使用。产品应当说明数据怎样存储和删除，并评估本地处理或企业部署。这个功能在演示视频里不抢眼，到了真正项目里却可能决定产品能不能进门。

虚拟演员还会带来创作边界问题。预演画得太细，演员容易把它理解成必须照做的标准答案。第一版使用简化角色反而合适。产品重点展示路线、距离和镜头关系，把具体表演留给真人。

十、让现场从一个版本开始讨论

这款产品不需要创造最逼真的数字人。它先让导演在开拍前多试一次，让摄影和演员更早看见同一套调度。到了现场，团队可以保留方案，也可以根据真人表演一起修改。

AI 影视产品经常从最终画面开始讲故事。虚拟演员排练关注的是画面出现以前的那段工作。它处理的事情很小，人物从哪里起步，走到哪里停下，哪一句台词之后转身。剧组现场的很多时间，恰好就花在这些小事上。

【重点】如果虚拟演员能让一次争论提前发生，让一次路线冲突在开机前被发现，它就已经为剧组省下了真实时间。

参考资料

1、Epic Games 对 Previs 与 Techvis 的说明

2、Epic Games 对 Cine Tracer 的介绍

3、Autodesk Flow Studio 产品说明

4、Reallusion 的 HEIST 三维预演工作流

5、NVIDIA Kimodo 动作生成研究

6、NVIDIA ARDY 交互式动作生成研究