思维类短视频制作如何拍出带有“电影思维”的短视频？上海视协短视频创作讲座干货满满 ▸艺学堂◂

用户投稿 2025年08月30日 04:25:04 39 0

如何拍出带有“电影思维”的短视频？上海视协短视频创作讲座干货满满 ▸艺学堂◂

由上海市文学艺术界联合会指导、上海电视艺术家协会、上海市学生事务中心主办的“上海电视艺术家协会第五届短视频大赛暨第三届大学生短视频大赛”三月中旬启动以来，为加强短视频人才队伍和创作能力培训体系建设，构筑起对外宣传的人才高地，主办方举办了多场短视频创作讲座，邀请业内专家、历届获奖作者，走进上海部分高校和社区，通过典型案例剖析、优秀作品赏析、实战经验分享等方式，帮助短视频创作爱好者熟悉掌握短视频创意思维与制作应用技巧，提高短视频创作能力。

近期由上海师范大学教授、硕士生导师、电影学博士龚艳主讲的“光影之门——创作一部短片”讲座，在土山湾博物馆开讲。

龚艳教授首先向大家介绍了时下最受关注的可以实现“以文生视频”的“Sora”，虽然现在还没有被广泛使用，但就目前在网上广为传播的那些“无中生有”的视频，几乎已经可以宣告一个影像创作的新时代即将到来。

一段语言就可以生成“袋鼠在跳舞”或者“金毛在玩雪”的视频，不少细节甚至比实拍还逼真。还有更复杂的描述，比如“咖啡杯里面的海盗船”，其想象力就更丰富了，这些画面我们显然是无法通过“拍摄”来完成的。

很多人会问，如果我们都用相同的一句话，比如“一个狼王很孤独，可能离开了这个狼群”让Sora生成视频，结果会不同吗？答案是：很可能是不同的。因为AI具备“学习能力”，你可以输入你喜欢的狼的视频，然后它就可以生成专属于你的视频。

在视频已经可以“自动生成”的时代，人人都是创作者，很多人把拍短视频当做一种生活记录的方式，就像写日记。但是，如果你希望拍出有一点“电影思维”的短视频的话，就可以从看电影、拍电影开始，拿起手机那一刻，你就会想想该怎么拍，拍几组镜头……

有些片子可以供大家借鉴，比如这部《火车怪客》，两个完全不相识的人在火车上认识了，开场很有意思，导演用了非常低的角度，而我们一般短视频的创作者通常很不善于用低角度拍摄，我们通常只会怼脸拍。导演让观众看到一双白色皮鞋，然后另外一侧有人下来了，是一双黑色皮鞋，这样一组镜头给观众的信息就是“两个人一定会相遇”。所以，电影世界或者说影像世界都是被创作者“框定”的世界，比如我拿着手机拍一位观众，其他人可以不在画面里，这就是一个“画框世界”，导演只让你看他想让你看的。

再看《繁花》开场，很漂亮，王家卫是电影导演，他拍电视剧就是“降维打击”。很多人看《繁花》没有耐心，觉得镜头太晃，但是你仔细去想过为什么会用这样的镜头吗？我们讲剪辑和拍摄，就可以关注王家卫喜欢用伦勃朗光，令演员脸型更立体；还喜欢用遮挡物，令构图更漂亮。

为什么说开场拍得漂亮？因为画面表现的是宝总回家过跨年夜，在这个欢乐祥和的氛围里，宝总突然出了车祸，然后钱撒了满天。纸醉金迷的时代每个人都可以发财，但是隐藏了危险和死亡。宝总被撞的瞬间画面切走了，导演并没有让你看宝总如何被撞、吐血、痛苦表情什么的，要让大家看的是极致的繁华和死亡交织在一起。

画面呈现了大量的金钱在夜空中飘散，然后是周围人的反应，很多人沉浸在节日欢庆的气氛中，还有不少记者，然后一定会有人过来拍他，于是电视剧用了其他的画面切入导演要讲述的主题，而不是直接拍宝总被围观。这个时候音乐就起来了，重要的不是宝总之死，而是他为什么在这里、在这个时间点死。

拍自己的故事，最重要的是“人”。拍片子前可以问自己几个问题：他是谁？他有亲人、朋友、爱人吗？他生活在哪里？出生在哪里？身上有什么习惯？或者是身体状况有什么特殊的地方呢？这些都是大家如果有兴趣拍一个故事的话首先需要考虑的。

今天每个人都是讲述者，以前出版小说是作家的专利，今天不一样了，只要有一台电脑，甚至有手机都可以写小说；以前灌录唱片是专业表演者的特权，现在所有人都可以，甚至作品都只有数字化形态了；影像也是一样，有手机就可以拍，影响也跟文字、声音一样成为一种信息传递的形式，重要的是你想传递什么。

Sora对我们最大的贡献是什么？就是再现我们的记忆。可能我们有非常深刻的记忆，但没有用图片形式保留下来，现在如果你能够用文字语音将其描述出来，Sora就可以生成影像，是不是就非常厉害？

当然Sora还需要不断地学习训练，它可以变成一个很重要的工具，实现人类记忆或者想象的视觉化。但是除此之外，它还是讲述者，在座每一位都可以拍出属于你自己的短视频。

讲座后半部分，几部短视频爱好者拍摄的短视频在现场播放，龚艳对这些作品一一作了点评。文编 | Ray

美编 | Yep

商汤发布多模态推理大模型，可生成6万字长思维链，10秒解说视频亮点

AI似乎已让人陷入审美疲劳。去年12月，在OpenAI举行的ChatGPT两周年发布会上，人们并没有等来新一代大模型GPT-5，号称世界上参数最大的Grok-1也没有赢得足够的掌声。原因可能是撞上了“数据墙”。

有数据表明，互联网上可用的人类文本数据将在2028年消耗殆尽。但这并不意味着知识被耗尽，人类社会的更多知识存在于图片、声音和视频等多模态之中。

商汤技术交流日。

今天的商汤技术交流日上，商汤科技发布了“商汤日日新 SenseNova V6（简称日日新V6）”，它具备最长64K思维链、多模态深度推理、全局记忆等能力，支持10分钟的视频推理及深度推理。

“文字并非与AI交互的最终形态，更自然的交互是无处不在的多模态。”商汤科技联合创始人、大模型首席科学家林达华说。AI2.0时代的游戏规则，似乎变了。

多模态长思维链重塑AI“智力”

俗话说“一图胜千言”，许多用文字难以描述的事情，一张图就懂了。显然，声音、图片和视频等多模态是人类智能的核心要素，每个人从出生起就通过眼睛从外部世界获取知识，到了一定年龄才会去学习文字。

日日新V6的核心突破是构建出多模态长思维链。当你向它发送一段语音、一张图片或一段视频，思维链主引擎就开始工作了。它会调用商汤10年间在多模态上积累的各种能力，给出反馈并不断循环，直到输出高质量多模态长思维链。“这条思维链最长可达64K，相当于在得到答案前，大模型已思考了6万字。”商汤科技董事长兼首席执行官徐立说。

多模态对于提升大模型“智力”如此重要，但想要落地却并不容易。在预训练过程中，如果将不同数据流一股脑儿喂给大模型，容易“消化不良”。商汤掌握了不同数据流之间的桥接方法，走通了多模态预训练这条路。

另一个难点在于。视频输入相对于文字的数据量暴增。徐立表示，即使以每秒一帧的频率采集视频数量，输入量也是文字的400倍。商汤通过多维信息压缩解决了多模态视频输入的长上下文问题，率先在国内突破长视频理解的上限，可支持10分钟的视频理解及深度推理。

“日日新”模型走向“日日用”

发布会上，徐立将更多时间留给了应用场景。购物比价、店铺经营、游戏解说、文化商旅、具身智能、情感陪伴……一个个鲜活场景轮番登场，让人惊呼AI应用将深入生活的方方面面。

最大的受益群体可能是家长，因为多模态大模型可以辅导功课和讲故事了。以往AI在辅助作业方面最大的应用是拍照搜题，但这并不能让孩子学会解题思路。日日新V6能找到孩子在解题过程中出错的那个环节，并像老师一样针对错误予以讲解。

睡前给孩子读绘本也是一些家长的“必修课”，可是有些绘本文字不多，需要家长自己理解后转述给孩子。这个工作也能交给日日新V6，它拥有强大的“看图说话”能力，几张图就能编出一个有趣的故事，有时还能给出意想不到的结局。

看图说话。

视频博主的生态也将由此改变。现场展示了热门游戏《黑神话悟空》的打斗片段，日日新V6不仅能将打斗中的精彩时刻剪辑出来，还能配上解说词：“当BOSS纵身跃下，长矛划出完美抛物线，玩家立即后撤步拉开距离，这是防止被连击的核心操作……”，这一切在10秒内完成。

如果将这一能力移植到旅游，将带给人全新体验。上海西岸文化产业投资发展有限公司副总经理蔡彭菲介绍，上海西岸未来将营造AI2.0文旅体验。比如，获取信息不必扫二维码，只要将手机对准目标，AI就能自动“开讲”；将游玩时长、个人兴趣输入大模型，它会主动生成导览路线；旅游中“随手拍”也不妨扔给大模型，让它为你剪出精彩瞬间……

多模态模型迈向舞台中央

生成式AI爆发后，多模态大模型早已成为人们追求的方向。谷歌认为，只有从头开始的多模态才能构建出超越前代的先进模型。这意味着它天生地可以读取和输出不同模态内容，还具备强大的多模态推理能力和跨模态迁移能力。

这被称为“原生融合多模态技术”，被认为是AI未来发展的必由之路，也是商汤始终坚持的研发重点。林达华表示，一流企业需要有引领能力，而非紧跟热点。

2023年4月，商汤首次推出商汤日日新SenseNova大模型体系。经过5个版本迭代，去年7月推出的日日新5.5版本成为国内首个对标GPT-4o的多模态实时交互大模型，实现了语音、视频和语言模型的原生融合。日日新V6pro在多模态推理能力上相较5.5版本提升104%，纯文本能力提升55%。

自去年10月，商汤科技确立了“大装置-大模型-应用”三位一体核心战略后，其发展策略似乎变了。徐立也坦言，过去商汤的场景大多较为宏大，比如城市管理、智能工业、电网，而此次发布会则显得更有人情味。这是因为当时的模型只能针对单一任务实现闭环价值，随着大模型变得更加通用，反而让它走到更多人身边，变成“日用品”。

大模型赛道风起云涌，3个月不创新格局就会变。可以预见，手握多模态的交互入口，商汤已在AI应用新一轮爆发来临之前领先“一个身位”。