全由AI生成的電影！畫面不自然、角色表情詭異，但「最大問題」克服了⋯|數位時代 BusinessNext

AI電影如何產出的？公司又是什麼來頭？

《MIT Technology Review》報導，為了製作這部電影，Waymark採用了該公司的執行製片人兼導演魯賓（Josh Rubin）撰寫的劇本，並將其輸入到OpenAI的圖像生成模型DALL-E 2中。經過一些嘗試和調整後，以便讓模型產生符合他們滿意的風格的圖像。製片人使用DALL-E 2生成了每一個鏡頭，接著他們使用了一種名為D-ID的AI工具，可以對靜止圖像加入動態，像是眨眼或是讓嘴唇移動等等。

Waymark是一間廣告起家的公司，將數種不同人工智慧技術結合在一起，提供客製化廣告影片。它們使用了包括大型語言模型、圖像識別技術以及語音合成，旨在即時的生成一段廣告影片。製片人魯賓表示，「我們用DALL-E產出的東西建構了一個世界，雖然目前呈現出看似奇怪的美學，但我們仍然張開雙臂歡迎它」。

獨立電影製作人梅達維（Souki Mehdaoui）表示，「這無疑是我看過的第一部風格一致的生成性人工智慧電影，生成靜態的圖像並用類似魁儡戲的敘事風格，帶來一種有趣的拼貼感。」言下之意即過往AI產製的電影經常會有風格不一致的問題，但這部作品克服了這點。

AI技驚四座，依然有明顯破綻的奇特美學

《MIT Technology Review》指出，這部電影加入了一系列使用生成式AI工具製作的短片，而這些片段在過去幾個月中已經推出過。目前市面上最好的生成式AI模型只能生成幾秒的影片，這部以許多靜止圖像和長度不等的影片結合而成的電影雖然看似有許多破綻，但已經是目前所能呈現的最好畫面。

從這部電影中可以看出許多明顯的不自然處：

男性角色吃東西時不自然的臉部表情

靜態畫面中人物與背景的違和感

人物跌下山峰的不自然畫面

角色手指的明顯破綻

從影片中可以看到，雖然畫面中的人物大多是靜態的，但因為是在冰河氣候中，人物還是有口吐霧氣的動態感，而在沒有人物或動物的畫面中，畫面也較為自然，可以說人物的細微面部表情是目前的技術限制之一。

生成式AI可能越來越多人採用，業內人士怎麼看？

廣告公司Private Island的客戶囊括百威、Nike、優步（Uber）等跨國企業，而它們這幾年來也一直在製作短影片的後期導入AI工具，例如使用機器學習技術從現有影片中提取動作捕捉數據，而不是土法煉鋼地從頭開始收集。

這家公司在幾個月前發布了一則名為合成之夏（Synthetic Summer）的惡搞啤酒廣告，該廣告使用Runway公司的影片製作模型Gen-2和Stability AI的圖像製作模型Stable Diffusion製作。

聯合創辦人波以耳（Chris Boyle）表示生成式AI這項技術是新的境界，更提到「這將改變一切」。

但也有許多公司在意成本方面的考量，雖然生成式AI的技術讓人驚艷，但科技的推出日新月異，許多人擔憂科技變化的太快，不願將資源投入。波以耳提到也有許多人擔心如果使用有版權的影像而遭到法律訴訟的問題。

資料來源：MIT Technology Review
責任編輯：蘇祐萱

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。