项目｜火山引擎 FORCE 原动力大会·豆包语音模型发布片
关键词｜Brief 拆解、视觉开发、分镜、AI 关键帧、AI 视频、动效合成
这次项目面对的核心问题，是如何把“语音模型”这种抽象能力，转化成观众能够直接感受到的视觉体验。
影片没有停留在产品界面演示，而是从一间现实工作室出发，让声音进入雨夜客栈与热血排球两个截然不同的世界。人物、情绪、环境声和动作共同构成内容，最终再回到声音轨道与产品空间，完成从能力到故事、再从故事回到产品的闭环。
本文以项目的 AI 美术制作流程为线索，整理从 Brief、视觉探索、分镜设定、AI 关键帧到视频生成和动效合成的完整推进过程。仅展示已公开及可公开部分。
Brief 给出的信息包含多角色音色、情绪表达、声音编辑与多语言能力。但如果逐项解释功能，画面很容易变成常规的软件演示。
因此项目首先确定了一个更直接的视觉命题：声音不只是被播放的素材，它可以驱动人物、情绪和世界。现实工作室负责建立“创作入口”，雨夜客栈呈现对白、环境和角色表演，排球赛场呈现节奏、群像与情绪爆发，抽象声音空间则负责把两个世界重新汇入产品。
视觉生产开始前，先把影片拆分为现实开场、雨夜截镖、热血排球和产品结尾四个段落，再继续拆到每个 CUT 的景别、时长、人物动作、台词、声音和转场。
分镜在这里不是形式化步骤，而是 AI 生产的约束文件。它提前规定每个镜头需要解决什么问题，也让后续关键帧生成、动态测试和合成修改有统一依据。
确定分镜后，项目分别建立现实创作者、武侠人物和排球运动员的角色设定。设定内容不仅包括正侧背面，还需要明确服装材质、人物气质、动作习惯和镜头中的功能。
雨夜客栈强调真实电影质感、潮湿木材、冷雨光与微弱暖光；排球段落强调专业运动员体态、竞技动作和体育场灯光。通过人物、场景和道具设定，将零散生成结果变成同一套视觉系统。
关键帧阶段的重点不是单张图片是否足够漂亮，而是它能否承担后续镜头生产。
每个镜头都需要同时检查机位、人物关系、视线方向、动作起点、道具位置、光线来源和前后镜头连续性。雨夜客栈要保持人物身份与空间方向稳定，排球段落还要符合真实运动逻辑，确保救球、托球、起跳和扣球能够连续成立。
关键帧确认后再进入 AI 视频生成。动态阶段不追求一次生成完整镜头，而是根据动作复杂度拆分测试，分别控制人物位移、镜头运动、表情变化和环境动态。
生成结果进入后期后，还需要处理节奏、转场、画面稳定、局部修正、影调统一和镜头衔接。AI 视频只是生产链条中的一环，最终完成度仍然来自持续的视觉判断与后期控制。
结尾将客栈对白、排球赛场、环境声、动作声和情绪轨道抽象为可视化声音面板。不同世界没有停留在故事层面，而是重新汇入声音编辑空间，说明模型如何支撑多角色、多场景和多种表达。
最终通过声波、品牌字体、信息层级和背景动效完成落版，让功能表达、发布会视觉与整支影片的叙事形成统一收束。
这次制作再次验证了一件事：AI 商业视觉的重点并不是“生成了多少张图”，而是能否把 Brief 转化为明确的视觉命题，再通过分镜、设定、关键帧、动态生成和后期合成，把不稳定的生成结果组织成可以修改、可以协作、也可以完成商业交付的镜头系统。
本项目参与制作。感谢所有参与项目、共同推进和反复打磨细节的伙伴。
