多媒体制作技术：从实验室象牙塔到普通人手里的创作工具

上周逛母校传媒学院的新实验室，撞见几个研究生调实时动捕互动装置，对着空屋子挥挥手，大屏幕上立刻跳出匹配动作的虚拟形象，还自动配上了符合动作节奏的背景音。 我站在旁边看了十分钟，没回过神。

当年的多媒体制作，是真·贵族玩具

三十年前国内刚开多媒体方向的研究生点，整个系只有一台能剪视频的工作站。 价格顶得上当时半栋教学楼的装修费。 那时候做多媒体，不是说你剪个视频拼两张图就算完。要把文字、图片、音频、视频塞到一张只有650M的CD-ROM里，还要能在配置参差不齐的个人电脑上跑起来，光压缩算法就能卡得科研人员掉头发。我当年听系里老教授说，有个师哥做毕业课题，为了把一个12分钟的纪录片压到能在486电脑上流畅播放，连熬了半个月，机器放实验室不敢关机，每天定三个闹钟爬起来看进度，就怕停电死机重跑。 90年代专业多媒体制作工作站设备图 那时候的多媒体制作技术，完全是堆设备堆钱堆出来的，普通创作者碰都碰不到。能做互动多媒体内容的，要么是高校实验室，要么是国家级的媒体机构，普通人连CD-ROM刻录机都见不到，更别说做东西了。

AI砸进来之后，多媒体制作技术变了天

最近两年顶会上发的多媒体制作相关论文，十篇有七八篇和AI挂钩。 去年SIGGRAPH放出来的那篇文本驱动跨模态多媒体自动生成框架，我下载开源包试了一次，直接看傻了。输入一段几千字的项目文案，它能自动拆分逻辑做分镜，自动生成匹配风格的图片和动效，自动挑符合情绪的BGM，甚至自动给旁白做语音合成和字幕对齐。 我那天下午闲着没事，把手里一个旧的项目文案输进去，不到三个小时，出来的成片质量，赶得上我刚入行的时候跟着团队做一周的活。 说实话，那种冲击感，和我第一次见PS的时候一模一样。 现在的科研方向，早就从当年“怎么把内容塞进去”变成了“怎么让内容更贴合创作者”。现在最火的方向，是风格迁移下的个人化多媒体生成，就是你给AI几张你自己做的图，它就能生成完全符合你个人风格的整套内容，不会千篇一律都是AI脸AI模板。还有实时交互多媒体的生成，就是观众能和你的内容互动，你做直播的时候，AI能跟着观众的弹幕实时改画面改背景音乐，这种放在十年前，就是写在博士论文里的空想，现在小团队都能做出来。 AI驱动多媒体制作在线工具操作界面图 不过话说回来，技术进步的同时，也有一堆新问题出来。比如AI生成内容的版权，比如不同分辨率不同设备的适配，还有怎么防止深度伪造的恶意内容，这些都是现在科研团队啃得头大的新课题。

普通人能蹭到这波技术红利吗

普通人能蹭到这波技术红利吗 很多人一说多媒体制作技术，就觉得是传媒专业或者计算机专业的人才能碰的东西，和我没关系。 哪能啊。 现在开源的免费工具一大堆，从AI生图到自动剪视频，再到做互动H5，全有免费版能用。你哪怕是个学生，想做个关于自己爱好的互动作品集，拿个普通笔记本就能搞定，根本不需要花大价钱买设备找团队。去年我看全国大学生新媒体竞赛，有个从大山里出来的学生，用免费的AI多媒体工具做了一个关于家乡蜡染的互动H5，进去能点看每一幅蜡染的故事，还能自己上手试染，拿了金奖，整个做下来成本不到三百块，就是花了点钱买服务器流量。换十五年前，这种互动内容，没有几十万根本做不出来。 现在好多人喊，AI抢了多媒体制作的饭碗。 我就一句话，能被抢走的，都是只会套模板混饭吃的。技术把低端的活干了，你就能腾出手来想创意想内容，对吧？以前你做个项目，大半时间花在找素材抠图调颜色上，现在这些活AI几分钟干完，你就能把时间花在讲故事上，花在琢磨用户喜欢什么上。 你说这不是好事是什么？ 现在很多科研团队都在往轻量化做，把原来需要高端显卡跑的模型，压缩到能在手机上跑，再过个三五年，你拿个手机就能做个属于自己的VR互动作品，直接发给朋友玩，根本不需要高端电脑。 这种人人都能创作的感觉，不就是当年搞多媒体制作技术的那帮老科研人员，一开始最想看到的吗？ 对吧