ElevenLabs 与 Y7 联手打造科幻电影

很高兴分享我们与 Y7 合作打造的一部独特的 1 小时科幻电影，名为 Report 5923。以下是 Y7 艺术家分享的创作体验。他们探索了声音、声波战争和音频即病毒等主题，并融入哲学与理论元素。ElevenLabs 在这个项目中的角色，是帮助艺术与 AI 融合。继续阅读，了解 Y7 的创作过程，以及他们如何将 Report 5923 带到银幕上。

Report 5923 是一部时长 1 小时的科幻电影，主要借助 AI 以及多种工具和方法创作。影片跟随主角 Shevek 穿梭于 3 颗星球之间，编写一份看似民族志的报告。声音、声波战争和音频即病毒贯穿故事始终，影片更广泛地探讨了世界构建与技术乐观主义。作品尝试运用我们喜爱的哲学和理论著作中的观点，尤其是 Gilles Deleuze 与 Félix Guattari 的思想。

影片最初以制作中作品的形式，在 FACT 展出。FACT 是英国利物浦的一家画廊和电影院，曾邀请我们在 2023 年 6 月一场为期 2 天、面向艺术家、研究者和策展人的工作坊结束时展示作品。该项目名为“Turning Together”，名称源自推想小说作家 Ursula K. Le Guin 对“母语”的理解：一种根植于倾听和彼此联结的沟通方式。放映后，ElevenLabs 注意到我们在 Report 及更广泛创作中使用其工具，并很快为影片完成制作提供了资金支持。

为回应 FACT 对 Le Guin 的引用，我们决定基于她的小说 The Dispossessed 对 OpenAI GPT-3.5 模型进行微调，希望与 AI 共同编写剧本。微调不同于与 ChatGPT 互动：微调本质上是让模型在已学到的通用语言知识基础上，专门学习一套新数据集。训练完成后，新模型可以模仿数据集的风格生成文本。你还能通过名为 temperature 的参数控制它与原文的贴合程度：温度越低，文本输出越零碎、随机；温度越高，越可能逐字复述数据集中的段落。关键在于找到平衡。可以把微调后的模型看作是对 Le Guin 氛围的提取。从这个角度看，这是一种新式同人创作。我们共同把名词“Ursula K. Le Guin”变成了动词。现在，我们可以像绘画、雕塑或歌唱一样，Le Guin 。

在尝试不同温度后，故事的轮廓逐渐浮现。与 AI 共同写作的过程，有点像经由 David Bowie 演绎的 William Burroughs 式剪贴技法：我们开始在不同文本片段之间建立联系；有时 AI 会激发我们的想法，我们再立刻反馈给它；有时我们会输入喜爱作家的相关文本段落。最终，很难分辨哪些内容由谁创作、想法来自何处——不过这与传统作者创作或许也没有太大不同！如果一定要估算，我们认为写作贡献大约是我们占 60%，AI 占 40%。整体故事线并非 AI 能够构思出来的。严格来说，用 ChatGPT 可以做到这一点，但一旦让 ChatGPT 参与故事结构，就会很快发现它的叙事非常套路化，而且奇怪地过度依赖圆满结局。

在剧本开发的同时，我们也使用 AI 工具将故事视觉化，主要采用 Midjourney 和 Runway 的 Gen-2。最大的障碍之一，是应对 Shumon Basar 所说的“Midjourney 的平庸感”：许多文本生成内容工具内置了偏向俗艳 DeviantArt 美学的倾向，也常伴随着对女性带有厌女和幼态化的描绘。我们首先在提示词中加入大量摄影技术术语，以避免生成过度风格化的图像。这对 Report 产生的一项重大影响，是促使我们将主角 Shevek 从年轻女性改为老年女性。接到提示词后，Midjourney 经常将年长女性描绘成令人不适的恐怖对象。我们认为，这为主角提供了更丰富、更具颠覆性和复杂性的美学基础。Le Guin 在 Space Crone 中也提出，年长女性会是星际旅行最理想的地球代表，这进一步印证了我们的选择。

我们使用 AI 时的理念，往往但不完全是拥抱故障和失控：尝试创造 AI 忘记伪装或模仿的时刻，将它引导、提示和越狱到一个不再复述被设定的风格套路，而开始输出仿佛在反向传播自身幻觉的内容的状态；让它看起来更像它自己，而非它被要求呈现的样子。

AI 还进一步为 Report 注入声音生命：文本转音频工具和原始音频神经网络帮助我们生成了从繁忙车站站台的拟音、磁带机播放的声音，到配乐中的合成器、抽象人声和复节奏鼓点等各种声音。随后，我们使用 ElevenLabs 的语音合成工具讲述故事，让角色鲜活起来：Report 5923 是由我们编排的神经网络集合。希望你观看时能像我们创作时一样享受！