让人工智能来回答：卖座商业大片“挑选演员”的秘密？_风闻

谭婧在充电-谭婧在充电官方账号-偏爱人工智能（数据、算法、算力、场景）。-2020-05-20 18:24

2020-05-20

原创：谭婧

·《少年的你》斩获多项香港金像奖，如果把周冬雨和易烊千玺都换掉，结局还会如此嘛？（千纸鹤，请息怒。）·《如懿传》闹出“44岁周迅强行少女”的热点，除了周迅，还有没有更好的选择？（先谢过各位迅迷。）· 当电影受众年龄层偏低，哪位动作明星可以最大程度地提高收视率？· 拍中老年人爱情片、家庭伦理剧，哪位女主角，对老年男性受众最有号召力？

这些直击灵魂的拷问，让选角导演居（qiang）功（xing）至（bei）伟（guo）。

几十年来，电影成就角色的传奇还在风中飘荡。成千上万的试镜人员，选角导演为电影角色找到气质最合适的演员，以至于给观众留下了“某演员就是为某角色而生”的印象。

甚至，综艺节目《明日之子》总监制马昊都说过，“选角的体系不是因为综艺刚需才去做，而是一年四季都持续进行”。

选角的重要性，无需多言。

美国洛杉矶的科技初创公司Cinelytic公司为影视投资人而准备，它利用强大的机器学习算法来发掘和寻找电影的“独门配方”。正巧，华纳兄弟公司和索尼影业公司都是Cinelytic公司的客户。在强大的制片公司的配合下，Cinelytic公司研发团队开发了一个演员分析平台。

用人工智能来回答：《生产卖座商业大片的秘密？选角篇》

换句话说，好莱坞“挑选演员”的独门秘方里加入了人工智能技术，计算明星历史上的“票房影响力”，推测、预测演员“将会在新角色上的表现”。

演员与角色的魅力是不可思议的组合，相互成就。一个成功的角色会让人念念不忘。而这种魅力的“配方”也能被人工智能技术分析。

演员是电影的变量，类型、情节、高潮、华彩段落、对白都是，以前100%由人来决定，是人对电影的理解、经验，以及才华。周星驰监制的电影，更可能让影片成为“票房保证”。

人工智能偷偷地暗想：在“星女郎”之后，我也要有自己的女郎了。

电影是百年艺术，这期间科技一直伴随电影一路走来。我们为什么不找新方法，换新角度，去“理解”艺术？

英雄所见略同，影业大佬华纳兄弟公司和索尼影业公司均这么认为：人工智能软件并没有让“选角导演”下岗，而是为理解“不同元素如何对商业表现产生巨大影响”提供了一个决策框架。

有了人工智能，兴许“选角黑幕”也可以有所收敛。这种类似我们所说的“潜规则”，在好莱坞则被称为“试镜沙发”（Casting couch），“受害者”通常都是当年渴望成名的年轻演员。

全球排名第一的声誉管理公司Ingenious Group董事Scarso对此表示赞同。人工智能指导电影投资，作为补充工具效果最好（是居家旅游、提神醒脑必备良药）。

预测股票涨跌的量化交易公司已经赚得盆满钵满，预测电影票房为什么不能日进斗金？

“看片量”决定电影爱好者的江湖地位，想混这个圈子，人工智能也一样，要看足够的“原料”（数据）。

Cinelytic公司将媒体元数据分类，庞大的数据库（包含来自800万条内容的数据）融合了数据科学家和电影评论家的思路，“发明”各种从没想过的方法分析电影。（豆瓣电影小组投来鄙视的目光。）

人工智能看懂电影、分析电影已经不是什么难题，可以从文本、语音、视频的色彩、质感中分析观影情感（愤怒，哀伤），几秒钟就能从冗长的电影中找到“人脸”（人脸查找+人脸比对技术）或者干脆替换“人脸”（deepfake技术），甚至从演员表情、行为中读“懂”内容（表情识别技术、行为识别技术）。

产品发布会上广告口播狂轰乱炸，观众昏昏欲睡，播放一段电影，是叫醒观众，避免尴尬的小技巧。这个信息的来源是《100个产品发布会叫醒观众的小技巧》。

科技公司早已瞄准了电影市场。

IBM 公司和20世纪福克斯（20th Century Fox）创建了有史以来第一个由人工智能生成的电影预告片——科幻惊悚片《摩根》（Morgan）。

事到如今，人工智能似乎早已不满足于之前的功劳。

比利时的ScriptBook公司成立于2015年，声称其算法可以仅通过分析脚本来预测电影的成败。

成立于同年的以色列初创公司Vault向客户保证，它可以通过跟踪、追踪预告片在网上的接收情况，来预测哪些人群会观看他们的电影。

另一家名为Pilot的公司提供了类似的分析，承诺可以在电影发行前18个月以“无与伦比的准确性”预测票房收入。

美剧《纸牌屋》，网飞公司的成功之处就是将人工智能作为策略的“参谋长”。

尽管保守的电影行业老总可能会不愿意承认“数据驱动电影发展”，但数字流媒体公司有先天优势，他们冲击了传统，还有可能“后来者居上”。

电影特有的艺术魅力和形象感染力，决定了电影具有为数众多的观众和巨大的社会覆盖面。

几十年来，深入了解观影群体一直是好莱坞营销团队的活儿。洞察来自焦点小组，问卷调查和访谈总结调查。

现在，这些研究人员决定利用谷歌公司的产品（深度学习框架与机器学习算法）分析制片厂电影预告片中的相似之处，使制片人可以预测其最具商业可行性的观众的构成。

不要以为月亮只有好莱坞的圆。

达观数据文本应用数据项目经理苏格兰折耳喵（笔名）告诉《亲爱的数据》，人工智能在读懂“人民群众”的呼声。

“不同类型的电影（科幻、喜剧、体育电影等），预设情节的主配角所需的演员风格迥异，比如《鬼吹灯》改编的影视版本，有三个不同风格的雪莉杨，依次由舒淇（《寻龙诀》）、陈乔恩（《精绝古城》）、张雨绮（《龙岭迷窟》）饰演。”他谈道。

有观点认为，舒淇饰演的人物，个性是《鬼吹灯》版的劳拉，动作洒脱，但缺了点冷静大方。陈乔恩版则神形到位，但是动作不够洒脱。

如果提前用人工智能来选角，规避角色选择的失误，可以用到的技术有哪些？他的答案是：“大数据技术+NLP语义分析技术。（NLP，自然语言处理技术）”

当圈定了100个演员，但到底谁来演这角色还拿不准时，可以从互联网上采集媒体的报道和网民关于预选角色的意见与评论，再用NLP技术对采集到的数据进行降噪处理（得到较为“干净”的PGC和UGC数据）。

公共媒体和个体网民的评价，反映了“大多数人”对于演员的印象和评价，可以得到相对客观的明星调性综合性评价。（像不像，小学时候，老师写的学期操行评语。）

其中，较为关键的一步是提取跟这些明星相关的评价/个性标签（通过NLP技术），再以数据降维，将明星及其对应的标签信息融合到二维平面，从而得到各个明星的调性标签。

最后，比较这些调性标签和编剧的角色人设，如果完全吻合最好，如不吻合，选尽可能接近的。以下是挖掘结果的简单示意图，以最简单的情况举例：

三个女演员（雪莉杨扮演者）和十个不到的调性标签（活泼、干练、博学、沉稳等）。以她们所在的点为圆心、一定的半径画圆，可以锚定明星的调性标签。

还有一个思路。

首先分析预选明星的社交网络（微博、微信、Facebook、Twitter等），通过语义分析从中提取能反映其深层次情感特征的语义标签。

然后，进行聚类分析，得到其复合的情感动机构成，将其占比最高的若干情感动机标签与角色的预设调性进行对比，圈定雪莉杨的最佳人选。

视线回到当年的《如懿传》，一部戏点落在女主角身上的大女主戏。

“女主角的命运随岁月浮沉，意味着年龄跨度大。而人物要有蜕变，主演必须演技过硬才能诠释这种升华。

女演员中演技口碑较高（超过65%）的艺人被筛选出来，既有二十几岁的周冬雨、杨紫等，也有35-50岁的孙俪、范冰冰等。” “如懿的关键词包括强大、坚守、倔强等。女演员的个性热词与如懿的角色标签进行匹配，圆环的大小代表明星个性标签与角色如懿的匹配度，圆环越大，代表词频融合度越高。”“周冬雨的匹配度很高，但故事集中在如懿35岁到50岁之间，实际的做法还是从右半边35-50岁的演员中选。圆环较大的有孙俪、范冰冰、章子怡、周迅、闫妮。”