Arq.live 推出语音制片系统 GLITCH：导演动口调度，8 分钟生成短片

过去在片场，导演想把脑海里的构思落地，得跟摄影师、灯光师和美术指导反复拉扯好几轮。现在，有人打算把整支摄制组直接装进一台笔记本里。

Arq.live 刚刚推出了一套名为 GLITCH 的语音生成影像系统。它抛弃了在输入框里敲提示词的老办法，让创作者完全通过动嘴口述，就能现场调度出一个完整的电影场景。

动动嘴皮子，8 分钟交出一部短片

在传统的 AI 视频工具里，创作者更像是在「猜谜」和调参，一遍遍修改文字提示词来赌生成效果。但 GLITCH 想还原的是导演真实的工作状态。

面对系统，导演只需要开口说话，口头指定角色演员、描述周围的世界环境，再指挥演员的走位和镜头运动。系统后台并不是单一大模型在硬抗，而是由多个 AI 模型和智能体像剧组里的各个工种一样串联协作，实时吐出镜头画面。

在最近的一次闭门演示中，团队就在一间普通的酒店房间里，用单台笔记本电脑操作，不到 8 分钟就现场渲染出了一部完整的短片。整个过程不需要任何额外的工作人员，也没有任何传统的拍摄设备。

这场演示甚至引来了一位好莱坞重量级人物。曾担任《低俗小说》《被解救的姜戈》以及《艾琳·布罗科维奇》执行制片人的迈克尔·沙姆伯格，在 X 平台上刷到 Arq.live 的动态后专程乘机赶到现场。据现场消息透露，这位在好莱坞摸爬滚打了 35 年的资深制片人看完演示后，一言不发地走出了房间。

藏在萨尔瓦多的技术班底

做出这套系统的并不是硅谷老牌巨头，而是一支常驻萨尔瓦多的团队。他们在那里花了整整一年时间打磨 GLITCH，之前还制作了萨尔瓦多历史上的第一部 AI 短片。

目前，GLITCH 并没有做成面向公众随便试玩的网页玩具，而是通过 Arq.live 开放给严肃的专业影视制作项目合作。

为什么重要

我们认为，GLITCH 最聪明的地方，在于它终于开始尊重专业创作者的工作习惯。文字提示词从来不是导演的母语，口述调度才是。

把底层拆解为多个协同工作的 AI 智能体，而不是硬塞给一个黑盒大模型，这让每个镜头的控制力有了实质性提升。对于独立电影人和小型团队来说，过去无数在预算会议上被枪毙的创意，现在可能花上十几分钟就能在电脑屏幕上看到原型，试错成本被直接打到了地板上。

当然，这并不意味着传统电影工业明天就会被取代。短片演示令人震撼，但在几十秒的惊艳之后，长片创作里严苛的镜头连贯性、人物微表情以及复杂光影的物理一致性，依然是摆在生成式模型面前的硬骨头。迈克尔·沙姆伯格的沉默或许包含了震惊，但也可能带着老电影人对工业落地难度的审视。

看起来，好莱坞的传统前期视觉预览（Pre-viz）和分镜外包环节，已经到了必须重新算账的时刻了。