Ben Hansford：AI 影视制作、会说话的浣熊与原型之下的工作

广告导演、USC 教授 Ben Hansford 与 Reid Hoffman、Parth Patil 讨论电影制作、视觉特效和漫画中的 AI。Hansford 将 AI 比作能够执行任务的制作团队，同时强调使用者仍需提供创意指导并投入注意力。

节目介绍 token 资助计划：入选创作者每周获得价值 1,000 美元的 token，可以自由选择工具并使用定制智能体。Patil 说，他在一个好莱坞 Slack 社群认识了 Hansford，当时他认识的洛杉矶人士中很少有人尝试 AI。

Hansford 回忆，自己在 DALL-E 和 Midjourney 普及之前就开始尝试早期生成工具。实验并不顺利：他说自己烧坏过一块 GPU，还让一台电脑感染病毒。共同的朋友后来介绍他认识 Patil，后者帮助他探索新系统。

作为广告导演，Hansford 发现生成图像和更好的图像处理能力帮助他准备视觉提案，并赢得工作。他将自己对讲故事的兴趣追溯到童年：那时他是邻里游戏中的地下城主。

在 USC 教导演课程时，他开始每周向学生展示新的 AI 工具。他说学生的提案有所改善，有些还获得校内奖项。他介绍了学校 AI 教学的发展，但访谈并未独立证明他关于最早或历史最长的说法。

Patil 问娱乐行业的态度如何变化。Hansford 说，以他的经历来看，对话已从敌意转向急切地询问如何应用 AI。他提到预算和发行压力，以及年轻观众习惯的变化；这是他的判断，并非全面的行业调查。

Hoffman 问，大家的看法是否仍然分化。Hansford 在自己的学生和专业同行中观察到代际差异：一些学生迅速尝试新工具，一些资深从业者则持抵触态度。这只是他的经验观察，并非关于年龄或能力的普遍规律。

Hansford 说，一个使用 AI 的广告项目赢得了戛纳狮子奖，而当时仍有人与他争论 AI 辅助作品不可能获奖。他还回忆，自己向学生演示 AI 视觉特效时，有学生质疑为什么一定需要绿幕。

那位学生建议用深度和亮度蒙版来分离表演者，而非使用绿幕。Hansford 认为这提醒了自己：新从业者可能会质疑有经验的创作者视为理所当然的假设。Patil 说程序员中也有类似现象。

被问到现在能做哪些过去过于昂贵或困难的事，Hansford 举了使用 AI 图像的广告例子，包括一支在 Sugar Bowl 赛事期间播出的广告。他认为视觉质量已经达到自己愿意在电视上使用的程度。

另一个例子来自他对漫画的热爱。他正在构建 BloqBloq，希望人们借助 AI 工具创作、分享和浏览漫画。Hansford 认为专业插画师远少于潜在的讲故事者；他与 NBA 球员人数的具体比较属于个人估计，节目没有核实。

他说，平台允许用户排列分镜和对白框、调整文字形状、添加音效，再分享作品。建设平台也需要处理图像生成之外的工作：移动端界面、数据库、安全、邀请和发布。

Hansford 将其称为“创作的冰山”：原型只是可见部分，连接数据库、发布代码和保护服务都是水面下的任务。他说自己有时让 Claude 写代码、Codex 检查，也会交换两者的角色。

Hoffman 问起“会说话的浣熊”。Hansford 说，一个尚未公布的客户项目引出了面部捕捉、毛发和视觉特效流程等问题。他没有一直讨论可行性，而是决定测试现有 AI 工具能否做出原型。

他亲自表演浣熊的台词，用 LivePortrait 和 ComfyUI 制作面部动画，并用 Move AI 处理身体动作。他说，大约 30 分钟后就得到了一只按照他的台词和动作表演的浣熊。这是原型，不能据此比较最终制作质量或成本。

测试速度改变了他的迭代思路：导演可以很快从“这个想法能否实现”走到看到一个版本。Hansford 说，这次实验还让他考虑制作自己的会说话的动物节目。

Patil 将新动作捕捉技术与演员 Andy Serkis 的工作作比较。Hansford 认为，理解如何为一种媒介表演的专业能力会变得更有价值。他回忆 T-Pain 谈过歌手如何调整表演来获得 Auto-Tune 的音色。

Hansford 说，浣熊眼睛很小，因此他必须夸大眉毛和头部动作。他将学习为这些系统表演，比作演员学习舞台表演、电影特写与远景之间的区别。

Hansford 介绍了一个动画太空项目：他自己扮演多个角色，并使用 ElevenLabs 转换声音。他设想一个小团队可以快速开发角色并迭代，之后再由其他表演者接手。

被问到电影人应该学习什么，他说需要熟悉 AI，并能够适应不断变化的形式和预算。他认为预算下降早于当前的 AI 争论；他对就业岗位流失原因的判断属于个人观点，访谈并未证明。

Hansford 不愿把 AI 仅仅称为工具。他说，锤子不能在夜里独自造好一个鸟箱，但智能体可以处理软件任务，另一个智能体还能检查。他将智能体比作制作团队，不过结果仍需人工审查，也可能不符合导演的期待。

他用 Stanley Kubrick 指导 Jack Nicholson 的表演作比喻：导演可以引导演员，却无法控制每个动作。Hansford 借此说明，在与输出不完全相同的系统合作时，创意指导仍然重要。

谈到创意领域对 AI 的反对，Hansford 回忆一名准备抗议他的课程的学生。他邀请对方旁听学生作品展示，并在课后继续讨论。

其中一名学生用已故祖母留下的录音作为个人故事的旁白，并用 AI 重现了场景。Hansford 说，虽然学生使用同样的工具，作品仍有鲜明的个人特点。抗议者称赞了学生的作品，却仍然反对 Hansford 的做法。

Hansford 希望批评者更仔细地看看电影人正在制作的个人作品。这个例子说明了他对创意潜力的看法，但并未解决有关劳动、同意或训练数据的更广泛争议。

他问 Hoffman，什么框架可以改善围绕 AI 两极分化的公共讨论。Hoffman 建议让人们亲身体验好处，并举出医疗、法律文件、教育和创意表达方面可能的助手作为值得探索的方向。

Hoffman 还强调能力增强：即使技术会替代某些任务，他希望人们也关注它能带来的新能力。他认为 Hansford 的课程展示了创作可能性的扩展。这些是嘉宾对未来的看法，并非对结果的保证。

Hansford 说，AI 最初帮助他赢得导演工作，但现在有人可能难以理解一个人同时做几件不同的事。他问，怎样表达这种广度，才不会让人觉得自己缺乏重点。

Patil 回答说，人可以做得更多，但仍然无法做所有事。他介绍自己配置智能体关注睡眠，并在打扰他之前先审查自己的工作。他希望把有限的注意力留给需要人类视角的决策。

Patil 说，智能体能生产更多成果，也意味着有更多内容需要审核。他更愿意审阅完成的节目或漫画，而不是把所有时间花在调整中间提示词上。他说，保护注意力仍是自己尚未解决的挑战。

Hoffman 感谢 Hansford 和 Patil 参与关于创造力与指导新系统的讨论。三人互致谢意，节目随后进入制作人员名单。