ReelFramer：人类与AI协同创作的新闻转视频工具

文献标题

ReelFramer: Human-AI Co-Creation for News-to-Video Translation

文献信息

• 主题领域: 人工智能与新闻创作的结合，用于新闻视频制作的内容重定向工具
• 关键词: 人工智能协同创作, 创意支持工具, 短视频, 文案写作, 故事板制作, 叙事框架

研究背景与问题

• 发现的问题或挑战: 年轻群体越来越倾向通过社交媒体短视频消费新闻，而新闻机构却在将传统新闻文本转换为娱乐化的短视频内容时面临困难。他们难以平衡新闻信息的准确性与短视频的娱乐价值；生成的内容可能缺乏连贯性或与社交平台的风格不匹配。
• 问题重要性: 短视频已成为接触年轻受众的重要媒体形式，将新闻转换为这种形式可以更有效地吸引公众注意，促进消息传播与社会教育。但错误或不完整的信息可能误导受众，这对新闻机构的信誉构成风险。
• 研究动机与相关工作: 叙事框架是传统新闻创作中的核心概念，用于组织和优化内容呈现，但其应用在短视频新闻中还未被充分探索。此外，生成式人工智能已经用于文本生成、故事叙述等领域，但其在新闻制作中的应用还需解决信息准确性和控制性的问题。

解决方案

• 提出的解决方案: ReelFramer 是一个人机协同创作系统，支持新闻创作者将文本新闻转化为社交媒体短视频脚本和故事板。系统引入三种叙事框架（描述性对话、现场再现、幽默类比），允许用户探索信息与娱乐价值的不同平衡。
• 创新性:
  • 将生成式人工智能用于探索叙事框架与视觉设计。
  • 强调脚本生成前的中间阶段——叙事细节（角色、剧情、场景和关键信息）的建立。
  • 通过互动式设计，允许用户随时参与决策过程，确保内容准确性、连贯性及可执行性。
• 实施步骤与关键技术:
  1. 脚本创作:
     • 从文本新闻中提取关键信息（“何地”、“何人”及“何事”）。
     • 自动建议叙事细节，包括角色、剧情、场景及信息点。
     • 根据用户选择的叙事框架生成初稿脚本，并提供编辑和再生成选项。
     • 使用生成内容的高亮标记器对脚本的信息覆盖进行评价与优化。
  2. 视觉设计:
     • 根据脚本生成角色概述（包括服装、道具和个性设计）。
     • 提议场景背景，使用 DALL-E 2 生成与文本细节一致的视觉内容。
     • 生成黑白线条草图风格的故事板，并描述画面中的动作和表情。
  3. 交互设计:
     • 提供多轮概念探索和生成迭代，直至用户满意。
     • 用户可以全程编辑、重写或保存脚本和视觉内容。

研究成果

• 具体成果:
  • 提出三种叙事框架（描述性对话、现场再现、幽默类比），为内容展示提供多样化结构。
  • 构建了 ReelFramer 系统，显著简化了新闻视频的创作流程。
  • 在研究中发现，通过建立叙事细节（角色、场景、信息点）的中间步骤，可以显著提高脚本信息性和连贯性；生成脚本的用户满意度显著提升。
• 优势:
  • 用户可以高效探索不同叙事框架，显著节约脚本创作时间。
  • 提供的工具支持初次新闻视频创作者降低入门门槛，对职业新闻制作中的角色自行决定流程有明显促进作用。
• 实验结果:
  • 与未提供叙事细节的条件相比，使用叙事细节的生成脚本在信息覆盖、框架一致性及连贯性上表现显著更好。
  • 用户体验研究表明，系统能够有效支持新闻内容的视觉化创作，同时不影响准确性和风格。
• 局限性与未来方向:
  • 技术限制：生成式人工智能可能在某些场景中“幻觉”错误信息，系统依赖用户的新闻专业知识进行编辑和审查。
  • 内容范围：当前的系统主要支持角色扮演类短视频，难以覆盖所有新闻主题（如特别严肃的新闻）。
  • 偏见问题：生成模型可能在角色和场景设计中强化性别或文化刻板印象。
  • 未来方向: 添加基于社交媒体趋势的支持（如热门歌曲或视觉效果），改进内容生成的智能校验机制，扩大到具有特定专业知识的领域用户。

该研究为将生成式人工智能用于内容创作提供了成功的案例，并提出了可扩展的方法论，为新闻机构应对短视频时代的挑战做出了贡献。