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

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。”

艾漫数据是娱乐大数据服务商,其该公司监事王蓓在《商业周刊中文版©》的采访中详细介绍了《如懿传》选角逻辑。
艾漫数据也颇具技术实力,公司董事朱小燕是清华大学计算机系教授,智能技术与系统国家重点实验室主任。

至今为止,人工智能并未100%预言正确。公平地说,人类也没有。黑马电影,出没不定,那为何不让人工智能和人类一起预测?
类似的观点,也来自于全球领先的信息分析公司爱思唯尔(Elsevier)高级数据科学家,沈澄博士。
并且,他认为,人工智能与电影行业的缘分似乎更缠绵。

他告诉《亲爱的数据》:“电影是一种投资,自然要求回报高,票房好。如果有机会发掘新星,演员成本投入会降低,预测‘演员的特质有哪些’这类问题。类似电影《百万金臂》从近四万人中发掘了两位棒球投球手,这样的体育苗子的选拔。即演员符合哪些微妙的因素,能增加票房。”
也不排除一些导演稳定的选角习惯。比如知乎问题:“贾樟柯为什么那么爱用他媳妇儿赵涛演他的片子? ”
除了选角,人工智能,请快点来回答:“怎么样让商业片电影知名度高,口碑好?”在线等,挺急的。
他谈道:“在人工智能技术出现之前,在巨大的不确定性中做选择,都是靠人的经验,人为的把握。现在的话,比如说,电影上映时间的挑选、电影造势环境的营造,电影宣发的投入,线上线下发行平台遴选……这些工作里有大量的数据分析、社交网络分析技术做支撑,以诱发电影口碑的裂变式传播。”


沈澄博士清清嗓子,继续谈道:
“还可以预测电影是否适合拍续集,因为拍砸了有风险。人工智能做预测,就是去把不确定性的范围缩小。人工智能最大的特点就是,通过多因素历史经验的分析,以数据分析的方式,把原来比较大的不确定性,变成一个比较小的。或者,把原来比较小的成功概率变成比较大的成功概率。”
“鞍不离马背,甲不离将身” 说的是人工智能在各行各业用法颇多。
百年来,科技一直支持电影行业发展,如果让“人工智能”自己预测自己,大概率它会预测自己将是电影行业里一颗冉冉升起的“新星”。(完)
《亲爱的数据》出品,编辑柴犬,对此文亦有贡献。

