电影和电视让图像、动作与叙事方式跨越国界。在2024年研究的第七篇中，我思考AI可能如何改变这一过程：从写下一场戏，到决定观众会看到哪部电影。

生成系统可以帮助编剧尝试场景、视角和对白的不同版本。分析已有剧本能提出值得研究的规律，但成功作品的模式并不是下一次成功的配方。戏剧张力、人物矛盾与意外的沉默，仍需要对故事意义作出判断。

选角时，过往角色和观众反馈可供参考，却不能决定演员之间的默契。数字替身还涉及同意、使用情境、报酬与重复使用。可信的脸和声音不只是制作资源；技术上可行不能替代明确约定。

AI能辅助规划、图像准备和部分后期工作，例如蒙版、运动跟踪与视觉方案探索。但计算机图像、摄影机自动化和虚拟制作并不都等于AI。也不存在脱离作品的唯一完美调色，选择必须服务于影片的视觉语言。

部分成本降低，可能让小团队更有余力实验，却不会消除导演、连续性、声音和最终制作的工作。获得工具不等于获得资金与发行渠道。独立电影的机会扩大，不代表每个项目都能找到观众。

推荐系统影响哪些故事被看见：它可以带来新发现，也可能反复提供熟悉的内容。互动叙事是另一种可能，但剧情分支并不一定需要AI，选择更多也不自动意味着体验更深。

工作方式同样会变化。一些重复任务可能减少，监督、修正和协调则更重要。培训应帮助人们理解工具及其局限，而非把每个人变成机器学习工程师。叙事、摄影、表演和编辑判断仍是核心能力。

文化风险在于更大规模的重复。围绕广泛传播的电影建立的系统，可能复制其惯例，挤压地方节奏、幽默与视觉传统。但更低的制作门槛也可能支持地区创作者。结果取决于作者、委托方和平台的选择。

翻译、字幕和配音可以扩大观众群，但笑话、口音与停顿也承载人物身份。人工审阅和重大修改的确认，有助于作品进入另一种文化而不被削平差异。

我的问题不只是AI会不会让电影更精良，而是谁获得讲述的机会，谁掌握形式，又有哪些故事被推荐给我们。更丰富的视觉文化，需要在这三方面作出有意识的选择。