《人工智能辅助的数字媒体创作》· 第三章
引言：当视频创作的门槛轰然倒塌
2024年2月，OpenAI发布Sora的那一刻，整个视频行业的气压都变了。一段提示词生成60秒高清视频——在过去，这需要一支专业团队、昂贵设备和数周时间。AI视频生成不是渐进式改良，而是一次断层式跃迁。这一章，我们将拆解AI如何让视频创作从少数人的事业变成所有人的表达方式。
第一节：人工智能与视频的关系
视频——最复杂的内容形态
如果说图像是空间的静态切片，那么视频就是空间×时间的四维艺术。每一帧不仅自身要合理，帧与帧之间还要保持时序一致性——人物不能突然变形、光影不能乱跳、运动轨迹必须符合物理规律。
技术演进路线
图像拼接时代（2022）：逐帧生成图像后拼接，画面抖动严重。
时空扩散模型（2023-2024）：在3D潜空间进行扩散，Runway Gen-2、Pika具有基本时序一致性。
DiT架构（2024-至今）：Sora采用的Diffusion Transformer，将视频切分为时空块，实现长达60秒的连贯生成。
第二节：如何使用AI生成和编辑视频
主流工具矩阵
AI视频编辑的六种范式
文生视频：输入文本生成完整视频
图生视频：上传图片让AI赋予动态
风格迁移：将实拍视频转为特定艺术风格
智能补帧：AI插值提升流畅度
自动剪辑：AI分析视频自动提取精彩片段
数字人播报：AI生成虚拟主播（HeyGen）
实战流程：从概念到成片
Step 1：剧本/分镜 — ChatGPT辅助构思
Step 2：生成素材 — Midjourney关键帧+Runway转动态
Step 3：AI配音 — ElevenLabs旁白+Suno BGM
Step 4：后期合成 — 剪映AI自动剪辑+字幕
课程思政：AI与文化话语权
短视频正成为最有力的文化载体。AI视频工具降低了高质量内容的生产成本，为中国文化的全球传播提供了前所未有的机遇。用AI将《山海经》异兽呈现为电影级视觉奇观，将敦煌壁画复活为流动叙事，中国文化的话语权将得到实质提升。同时必须警惕深度伪造的伦理风险，坚守不制造虚假信息、不侵犯肖像权的底线。
本章小结
AI视频已从帧拼接进化到时空扩散+DiT架构
六大视频编辑范式覆盖创作全链路
实战创作=AI剧本+AI图像+AI视频+AI配音+AI剪辑
AI视频是中国文化全球传播的战略性工具
课后练习：用Runway或可灵创作一段30秒视频。
下一篇预告：第四章 · AI三维模型生成——从平面到立体的跨越
作者：AIGC研究者与教育者 | 2026年6月