寫劇本、模仿聲音、製造笑點!機器學習進軍好萊塢

寫劇本、模仿聲音、製造笑點!機器學習進軍好萊塢

屢獲殊榮的電影製作人Kevin Macdonald曾執導過許多部電影,包括《末代獨裁》和《國家要案》等,而在去年,Macdonald第一次嘗試了拍攝由機器編寫劇本的影片。

寫劇本、模仿聲音、製造笑點!機器學習進軍好萊塢

Macdonald執導的是一部60秒的凌志轎車商業廣告片,劇本來自科技巨頭IBM的Watson人工智慧平台。在這個廣告中,凌志ES轎車彷彿有了生命,行駛在開闊的道路上,沿途是美麗的的海岸線和森林,並且輕鬆躲過了途中的意外。

「機器編寫的劇本充滿了不確定性和新奇感,令人驚嘆。」Macdonald說,「假以時日,機器一定可以構建出一個精彩的故事或是一個偉大的角色。」

聽起來可能像科幻小說,但使用機器編寫劇本的想法正在受到好萊塢的青睞。機器學習——使用演算法分析大量數據以給出決策建議——正在滲透到電影業的各個角落。

數據幫助決策

與許多矽谷科技公司(如Netflix或Google)不同,好萊塢電影公司應用人工智慧和機器學習,至少非電腦動畫方面,一直進展緩慢。也許是機器接管人類的警示太過深入人心,就像1968年的經典影片《2001太空漫遊》中的電腦「哈兒」所做的那樣。

「電腦統治世界所產生的歐威爾式的後果總會給人帶來一種世界末日般的感覺。」南加州大學娛樂技術中心執行董事Kenneth Williams說,「這使得人們非常擔心任何形式的自動化,特別是人工智慧。」

但人們的態度正在改變,要想瞭解大眾喜歡什麼樣的廣告或電影,單靠人工來對諸如觀眾調查和評論這樣大量的訊息進行分類是很難的。但將這些訊息交給機器,使用龐大的經驗資料庫進行程式編輯,那麼很輕鬆就可以料事如神了。

機器學習可以產生關於電影或電視節目成功或失敗原因的寶貴數據集。卡內基美隆大學(CMU)的娛樂技術中心去年做了一項分析,展示了電影故事結構與全球票房表現之間的相關性。例如,以動作、槍戰開場的電影,如2008年《黑暗騎士》片頭的劫案或2010年《馴龍高手》開場的戰鬥,其票房收入比以回憶敘事開頭的電影好13倍。

為了拍廣告,凌志(Lexus)公司與多家廣告商合作,包括創意機構The&Partnership和行銷技術服務公司Visual Voice,其人工智慧平台基於IBM Watson(採用認知計算系統的商業人工智慧技術平台)。這個平台共分析了過去15年間的獲獎汽車和奢侈品廣告數據以及消費者洞察數據。

這些數據有助於人工智慧辨識出能使消費者產生共鳴的事物,包括對話要少、要有某些視覺上吸引人的場景,比如一條蜿蜒的道路,一邊是潺潺的河流,另一邊是茂密的森林——工作人員花了兩三週的時間還真在羅馬尼亞找到了這樣一條路。

「我們希望創造一些令人難忘的東西,」凌志歐洲品牌傳播部總經理Michael Tripp說。「劇本是使人與廣告產生強烈情感聯繫的重要原因。」

凌志表示,這個廣告自去年11月在YouTube和其他社群媒體網站上發佈以來,已經使其歐洲豪華轎車的銷量比原有目標提高了35%。

在娛樂界的應用早已有之

早在2016年就有人用機器學習技術檢索了100部恐怖電影預告片,以確定什麼樣的電影元素可以吸引觀眾。基於這樣的分析,透過從電影中選擇特定的片段,該技術幫助20世紀福斯公司的恐怖電影《魔詭》創作了預告片。

「人與機器可以共同創造出更好的產品。」IBM Watson的首席行銷長Michelle Boockoff-Bajdek表示。

福斯曾與雲端運算服務巨頭Google Cloud合作分析了2017福斯動作電影《羅根》預告片裡人物形象的特徵,比如金剛狼羅根的鬍子。然後透過檢查YouTube上包含其他類似形象的電影預告片,以評估哪種類型的觀眾會喜歡這部影片。

機器學習還能夠透過分析喜歡《羅根》的觀眾過去看過的電影,判斷出他們都喜歡超級英雄電影或是銀幕硬漢主演的動作電影。

新技術還可以確定哪些故事情節更容易產生共鳴,以及最容易激發人們情感的場景或角色。

加拿大大眾媒體和娛樂公司Entertainment One(簡稱eOne)正在將兩部Wattpad(總部在多倫多的在線閱讀與寫作分享平台)上的小說改編成電視劇,其中包括一部名為《The Numbered》的反烏托邦小說,Wattpad透過技術分析發現不少使用者喜歡其中一個同性戀角色,這也使得eOne在電視版本裡保留了這個角色。

「這種來自網路平台使用者的視角和觀點,給我們帶來一種全新的娛樂節目開發方式。」eOne高管Jocelyn Hamilton說。

機器學習大展拳腳

位於洛杉磯的創新藝人經紀公司CAA(Creative Artists Agency)營運著一個資料分析平台,透過機器學習來分析觀眾行為。該平台名為CAAintell,2017年開發,有幾十個數據源,包括社群媒體網站和信用卡消費訊息。

經紀公司可以使用分析平台產生的數據向電影公司推薦演員,例如,全球粉絲眾多的女影星參演的電影會有更好的票房。這個平台還可以根據粉絲喜歡的產品和品牌,找出旗下明星應該代言什麼品牌。

CAA Global的首席執行長Steve Hasker說:「這個平台可以發現明星們的特點,幫他們創造前所未有的機會。」

但Hasker認為這絕不意味著CAAintell平台會取代經紀人。「如果我們能夠即時地給經紀人們提供更好的訊息和建議,他們的工作會做得更好,」他補充道。

寫劇本、模仿聲音、製造笑點!機器學習進軍好萊塢

總部位於聖荷西的Adobe公司正在嘗試用機器學習來輔助模仿人的聲音。這項技術可以根據一段人的音訊產生長達30分鐘的合成語音。Adobe研究中心主管Gavin Miller說:「只要輸入某人的大量音訊,就可以訓練機器來產生其他的詞彙的音訊。」

這樣可以更方便地重塑演員對白或修改劇本中的爛台詞,而無需再請演員回來重新錄製對白。雖然這也增加了語音濫用的可能性。

電腦分析還可以解決好萊塢的多元化問題。南加州大學的維特比工程學院訊號分析實驗室(SAIL)和Geena Davis媒體性別研究中心利用機器學習進行人物跟蹤和音訊分析,使電影公司明白女演員在電影中正面出現和對白的頻率有多麼低。

包括索尼影業在內的一些電影公司正在使用該研究所的機器學習工具來推進多元化和包容並存的倡議。這項倡議的目標是「不要告訴導演或編劇們該做什麼,而是給他們一個機會,讓他們認識到這種無意識偏見,並判斷他們是否故意為之,」科技公司shift7首席執行長Megan Smith說。「如果他們不是有意的,那麼這就是改變的契機。」

機器學習的侷限

當然,機器學習也有尚未克服的侷限。如果訓練數據不足,演算法也會產生帶有缺陷和偏見的結果。其中一個臭名昭著的案例,是2015年照片分類軟體Google Photos 錯誤地將黑人標記為大猩猩,其原因是Google未能使用足夠多樣化的人臉數據來訓練演算法。

南加州大學訊號分析實驗室的主任Shri Narayanan表示,SAIL還在研究如何進行劇本的情感分析,但他們的機器至今還不能很準確地分析喜劇劇本。「目前機器學習技術還做不到發現喜劇的笑點以及怎樣製造笑點,」 Narayanan說。

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則