【站酷榜单·Top作品零距离】第349期

【站酷榜单·Top作品零距离】原作者带你解读作品背后的故事

钓鱼仔nice这个IP的出现，是在2023年上海路亚展的时候萌发的，展会上大量路亚品牌都非常专业，设计上也很酷炫，2年路亚年龄的我站在展会中，多少还是有点懵，很多装备还是搞不懂，那我何不利用我设计师的优势，创造出来一个IP，专门为新入门和想了解的玩家介绍路亚的乐趣，不要上来就谈理论，先从对路亚产生兴趣开始，轻松愉快的去钓鱼。

与传统钓鱼相比，路亚是一种「运动式钓鱼」，玩家最重视的永远是“走进自然”。

在前期设定的时候参加了很多次线下活动，发现有好多漂亮的小姐姐和小朋友也在其中，钓鱼不再是大家印象中大爷的快乐，年轻人更注重自己的服装搭配，装备的美观，但市面上能看到的装备大多以黑色深色为主，所以阳光快乐的钓鱼仔nice风格更鲜亮年轻化，以橙白为主色调，考虑到周边产品画风采用简约概括的风格。

最令我出乎意料的就是现在的手机型号太多了，长得就是一块板砖，但尺寸太多啦！！！只是iphone13/14/15至少10多个尺寸，太不友好了，五花八门的安卓我就不说了，经费在燃烧，解决方法很简单，少做几个型号。

上面是节目效果，从专业角度来说，设计到落地是一个很繁琐的过程，选品-材质-工艺-包装-设计-打样......期间会遇到各种各样的问题，这里我就说两个建议，希望能给也想做文创的小伙伴一些帮助。

①屏幕上看着在好也要打印出来看看效果

②做好日常素材的收集，逛商场是个好方法

系列性作品选题很重要，好的选题能保证有信心坚持做下去，我在钓鱼的过程中灵感是最多的，可能今天打龟了（一条鱼都没钓到），为什么要说打龟呢，好像还有好多类似的路亚黑话，那这个黑话系列就有的做了。

之后会继续把《嘘！钓鱼密技：nice的钓鱼图鉴》这个系列完善，是一本趣味钓鱼书籍，有趣的视角介绍路亚入门，不同鱼类的黑历史，原来菜市场水产区这么好玩等等一些有趣的内容。

这些作品就是一些工作积累。我认为主要是平时多去搜集一些好的参考，并且不停的提高审美，多去尝试不同的表现方式，然后保持练习，日积月累，多沉淀。如此反复，渐渐的就可以做出更多好的作品。当然好的作品也离不开优秀的团队，团队的氛围和能力也是非常重要的一方面。

多看站酷积累参考和想法，然后通过头脑风暴去提取节日关键词，去试试哪些可行，可以尝试结合IP做有趣的动作，当然这也不是一次就能做好的，得不停的进行尝试。

有时候可以利用ai进行一些探索，例如将自己的想法，用关键词或者草图进行ai延伸，看看ai给出的是个什么样的画面，多试一下，就能找到有用的灵感，然后自己在灵感上衍生一些个人的风格出来。

对于网页设计，那就是我们品牌文化是比较务实的，将卖点清楚呈现给用户是第一要义而不是单纯的炫技。区别于传统网页设计原因，可能是因为个人风格和品牌文化。

我个人比较喜欢那种视觉冲击力比较大的画面，同时我也比较喜欢干净整洁的页面，所以我一般做的画面会将视觉主要集中在卖点上，其他的地方做减法，当然也有受到兆楠（Lanlan）老师的影响，也就是我Leader，IP设定和插画也都是出自于他。这样设计的目的，就是为了卖点直观醒目。

很高兴能够在站酷与大家沟通。我们项目的背景是在2023年年初，ChatGpt爆火的时候，平台方的老师们因为和我们有长期合作，并且也是因为我们的团队是平台最早一批使用UE引擎做制片管理的团队，在综合考量后决定进行的一次商业化探索。

当时正值AI工具开始大规模进入商业化使用，平台的老师们希望能够探索AIGC相关技术能否在文化产业的商业生产上有应用空间。

对于平台的老师们来说，AIGC的性质就和UE引擎一样，是一种战略性布局。当一项技术接近成型，那么自然就要尽快找到机会进行落地实操，毕竟实践是检验认识真理性的唯一标准。在实操的过程中，我们才会发现究竟如何去改良，使用某种技术路径。这种现象在现在的动画行业大规模应用UE引擎同样可以看到，通过打通游戏行业和动画行业的技术路径，为动画行业提供一种新的管理方法及生产方法，这也更有助于两种流媒体产品的互通性。

难点方面，在当时的我们来说，我认为最困难的还是切实的解决“流程规划”和“实际生产”两方面问题。除了要在4个月内从0开始完成一部3渲2动画短片的全部工作，还需要投精力到解决新技术适配上。

【规划】是指，要在短时间内学习并理解一系列不同的新工具。并且要尽快设计出一种工作流程，能够让行业内的老师们能够快速适应新工具带来的流程，技术标准的变化。最明确的就是在工作过程中究竟在哪些环节使用新工具，哪些环节修改工作顺序。如何调整新流程的时间安排，为了新工具要追加什么岗位。以及一系列在“建模布线规格”“贴图绘制方法”“光照逻辑”“配套参数”等技术层面的明确标准。

因为动画行业的工程量非常大，不可能所有工作都通过自身解决。所以势必需要与上下游的多家供应商配合，那么要设计配套的工作流时，就要优先考虑如何不破坏上下游外包的工作习惯。而如果某些环节出现必须调整的情况，也需要怎么和供应商配合，追加什么样的人员/设备。我需要一边和程序老师沟通，理解各种技术概念，并且快速找到某种技术能否使用，怎么使用。一边根据从技术老师那里沟通的结果，去确定正式制作时候使用怎样的数据格式，素材的AOV规划，合成模式，工具划分，配套的shader要如何实现等多种问题。最终由我们规划设计一套工作方法，敲定技术层面的标准。并在实际的制作过程中不断校正。

【实际生产】则是和技术发展正相关的，因为在AI爆发期的时间，几乎每天都会有新工具出现，半个月技术就有可能出现翻天覆地的变化。那随时和平台的技术老师们沟通，适应新的工具就是最重要的技术性问题。与此同时，因为技术还在发展，所以在画面稳定性等方面必然就需要找到多种方法去并行解决。为此要在深度学习，计算机图形学，传统后期工作流等多方面找到不同的解决方案。

为此我们和平台的老师们并行赛跑，我们从传统工作流的标准工具混合和对剧本内容的规划出发。平台老师们则是从AI工具本身的底层算法，和一系列图形学算法工具出发，两边并行寻找解决方案。所以一方面要去学新的工具，一方面还要考虑这些工具如何和传统的工具匹配。

除此之外，当要制作的内容呈指数级增长时候，带来的管理复杂度就远超单纯的跳舞视频。

全片400+个镜头，不同的剧情段落在表演的特征，背景的复杂度，摄像机运动的特性上完全不同。在商业叙事短片中，背景不再是简单的陪衬，要稳定和能看清，是画面构成的一部分。角色出现大跨度的变化也不能是不符合物理结构的。同时镜头运动带来的对画面稳定的难度也会指数级增加，多镜头多机位也会导致参数需要针对性设计新标准。

而在内容上一方面要考虑到尽量发挥AI部分的优势，另一方面还要尽量把所有能尝试的效果都设计出兼容的桥段。与此同时还要和平台的老师，以及平台的编剧团队进行沟通。以此文戏武戏都要分别规划，不同的桥段使用不同的参数和流程，配套不同的shader。而且为了确保制作的过程中外包能够快速理解和推进，不能一位的为了某些镜头的画面效果而破坏工作链条。所以要尽量设计出能够尽量通用，外包能够快速推进，并且调整损失小的制作方法。

为此在后期阶段我带着制片和副导演出差到外包公司亲自驻场1个半月，期间在现场要不断根据具体情况修改制作流程，评估出现的问题找到在时间内可行的解决方案。当一项工作的复杂度增加的时候，相应出现问题的部分也会指数级增加，更何况是一项正在发展的技术。所以根据实际制作情况，外包协调情况调整流程，设计新流程，寻找新的解决办法是这四个月每天都在发生的。

这个问题比较复杂，首先我认为AI工具并不是洪水猛兽。他是一种高效的生产工具迭代，本质上和UE这种实时渲染工具对于生产效率的提升是类似的。对于我们的实际操作来说，我认为AI的最大优势是在提高效率，为生产提供更多的选择。因为在商业生产的过程中，成本大多时候都是受限的，那么在有限的成本下大家能做的事自然也是有限的。

生产周期摆在那，在这个时间内究竟能完成多少东西决定了能够有多少种选择，商业工作就是在这些选择里找到最优解，要在有限的时间内尽量找到最好的选择。

由于动画工作是复杂的工业链条，大家大部分情况下都需要用图沟通。

一方面需要图有一定的完成度，这样才能从中获取自己所需要的信息，而另一方面大家在工作的过程中都会只从图中摘取自己所需要的信息完成自己后续的工作。所以图并不是最终的产品，只是一种我们的沟通工具。

所以AI能够快速的提供一些“看起来完成度不错”的内容，对于行业内的人来说就已经完全可以用了。我们需要的并不是一张好看的图，而只是一部分灵感，一部分结构，一部分颜色，一部分光影关系。

相信朋友们也看过游戏动画行业的工业用图，大家都是拿着一堆图拉着线条和文字指示在工作，每个人都知道我要看的只是某个信息，那么如果有一种工具能够更快的帮我们把图画的更清楚，就能极大程度的增加我们的沟通效率。

另一方面，AI因为其本身经过大量训练，在颜色，光影关系等方面都有非常好的效果。我们能够在同样的时间内，用同样的人员做出更多更好效果的图，就能让其他工作环节的同时看到更清晰的参考。还是那句话，一个沟通工具变得更方便更直观了，那大家沟通就更顺畅。

更短的时间内提供了更多的选择，大家就有更多的机会把不同的图中好的地方提取出来，通过各自工作流程的组合，从而提升生产效率和最终的呈现效果。这对于人员有限的中小型团队来说是莫大的助力，可以说是小型团队的福音了友友们。

在内部沟通方面，能够直接拿着图给到灯光和地编同事告诉他某个区域按照某张图的样子去做，要远比简单的画个色稿要更清晰，时间延迟也更低。

在外部沟通上，能够直接把大致的效果出图给到平台和老板们，流程也会更顺畅，更多的图能够让平台的老师们提出更多的想法，更清晰的明确需求。

在艺术发展方面，AI工具则是会赋予我们的3D动画一项全新的意义，那就是让以前在商业生产中很难实现的高成本画面效果变得更可行。

首先，AIGC在生产的过程中会捏合3D动画与2D动画各自一部分的特性。所以在风格化渲染方面可以给我们提供一种完全不同的路径。正如在我之前的链接中写到的，3D是为拟真而存在的，所以他终究会受到“逻辑性的拟真”而影响。你的效果与你的光照算法/多边形数量/表面shader效果直接相关，睫毛就是一根根睫毛，结构就是影响光影。这就导致在某些追求风格化的作品中，3D会束手束脚。

而人类在绘画的过程中实际上“拟真”只是一部分，绘画行为中另一个很重要的部分就是【概括】。大家常说的“画风”和我们常说的“塑造习惯”都是对事物概括的一种模式。而AI工具则是在高效的学习这种概括。那么将这种【概括】能力应用在动画风格化的时候，他就更贴近2D动画中靠画师自己的画工对画面进行概括的行为。

我们可以把信息的精准度尽量分担给我们传统的工作流程，而概括的画面效果则交给AI重绘来进行增色。这样一方面我们能够让画面效果附加一种全新的视觉效果，同时也不会消解绘画者的价值。因为绘画者是制定画风规则的人，怎样更对，怎样更好看依然是画师的工作。静态图中的所有概括手法，光影关系的处理和画面构图内容的思考是属于人类画师特有的巧思。

当AI绘图通过大量的训练去和人类画师进行对抗的时候，人类虽然更加精准，更有活性，但是效率必然不如AI生图。在快节奏的商业环境中这自然就存在巨大的优势差别。

然而在动画中则不同，在动画中，大规模图像的生产效率只是构成动画形式的小小基础。仅仅10分钟的片子就要超过14400张图片素材，即使是2D动画使用1拍2/1拍3的情况下同样也要有上千张变化图像。画师不可能一个人在短时间内完成上万张图像，而AI的优势就是快而量大，以前2D动画要使用2D赛璐璐风格就是因为要对塑造手法进行简化才能让工作正常完成，现在有AI的存在后，解放了这方面的限制，让更复杂的塑造风格在AI工具的加持下变得更加可行。提高画面呈现效果。最终利于每一个观看者（当然这前提是稳定技术进一步迭代，在现在我们已经看到了Animatediff带来的全新效果，我也在持续跟进）

而与此同时，动画本身的根源属性：通过剧情角色，节奏编排，美术，表演，音乐，动态概括等多方面构成的心流体验也并不会因为AI的介入而消失。所以在新技术的加持下，或许像黑暗扫描仪，至爱梵高这样的作品会越来越多。能够给我们提供的选择也会越来越多。由于我个人能力所限只能勉强往前蹭一点，但是从这小小的一点中我同样看到了在商业世界中的无数种可能。

而这种更广大的发展前景才是我觉得AIGC在动画中潜藏的真正价值。我们的片子受制于当时7月时候的技术发展，肯定不如现在已经大规模应用的Animatediff等工具产出的新画面。但是从中衍生出的这种探索价值还能够继续发展，最终作为更好的作品反哺给观众和工作人员。这才是对于行内人来说更大的发展前景，他或许代表着一种新的视觉效果，和一系列新的工作岗位。

 

对于我亲自试用的感受来说，AI本质上是高效工具，他并不会删去我们要学习的东西。只是需要我们调整我们使用和学习的思路。

 

1.站在导演的角度上，对故事节奏规划，分镜设计和演出效果的要求没有变化，我们依然要去拉片，去分析。依然要清楚的了解不同工作环节的价值所在。因为好不好看还是取决于你故事讲的好不好，角色抓不抓得住观众，演出效果是不是足够精彩，在该投经费的地方投经费。

而需要变化的，反而是进一步拓宽自己的眼界，多尝试用新的AI工具能够做出什么不一样的东西，通过实操的方式去探索自己没做过的形式，或者自己以前没想过的内容。利用新的工具去探索表达的边界（这方面也是我最欠缺的，我会继续努力）

2.站在制作总监的角度上，对工作流程的设计，环节的规划，出现的技术问题依然是一样的。我依然要了解全部环节的工作特征，要知道每个环节的核心需求，要随时跟进新工具。要根据具体制作过程中出现的问题设计新流程，找配套的工具嵌入。因为AI是一种高效工具，但只要是工具就需要人去使用，需要人去改良，需要人去设计。

而需要变化的，则是学习新工具的特性，去观察新的工具究竟能提升什么环节的效果，能加快什么环节的速度。以及尽快设计一套更利于大家合作的工作流程，确定出什么工作出什么文件这样的技术标准。

3.站在所有美术类工作的角度上，AI工具本质上就和我们学blender,学UE引擎，学新的软件一样。他能够快速帮我们完成一部分工作，但是要思考的东西还是一样的。审美依然需要长期的驯化，通过对实操的练习寻找自己的审美喜好，对三大构成的重视度反而会进一步提高。

而需要变化的，则是需要学习适合AI生产的工作模式，相比于一切都在脑中构想再依赖手上功夫画出来。变成学会把思维的各个阶段分离开，坚持着脑子里模糊的印象，尝试用AI工具一段一段的缓慢迭代出理想的结果。

不要追求一蹴而就的直接魔法般完成一张图，而是学会通过沟通和管理，在通过一些列工具的相互配合过程中，循序渐进的完成想要的内容。这也会更有助于用更理性化的逻辑与其他工作环节的同事沟通，让实际的生产工作流程中更加顺畅。而在基础知识方面，反而是应该进一步重视平面构成，色彩构成，立体构成这三大构成。因为这三大设计基础直观的影响着你通过AI出图的视觉质量。

能够更快更精准的通过多阶段描述，多工具混合做出想要的图。能够在众多相似的AI出图中提取出哪个更好，才是更加重要的能力。而这一切的根基都是三大构成带来的审美基础。

 

所以综上所述，AIGC是一种新的高效工具，他会剥离一部分重复性的操作，但他无法剥掉属于人类的思考。无论AI出多少张图，选择哪张，如何使用终究是人类决定。

人类的思考包含着逻辑的理性与抽象的感性，对知识的组织调用能力，和通过长期积累带来的判断力是人类独有的价值。AI只是对“最大概率”的一种复现，如果AI去做科学理论研究，那人类文明会永远停留在中世纪，因为在那个年代95%的人都相信地心说。AI只会不断重复的论证一个已经被公认的事情。只有人类会因为自己的知识和判断力而坚信那5%，从而推动时代的发展。所以，对知识的学习和探索，对一切可以发展的内容进行研究，坚信一种理念为此进行思考才是我们人的核心价值。

无论在什么时候，愿意钻研，愿意思考的人永远不会被淘汰。