AI能否判断你的剧本能否成为卖座电影？

# AI 能预测你的剧本能否成为热门电影吗？ 来源：https://www.theverge.com/ai-artificial-intelligence/943531/ai-script-quilty-simon-horsman-daniel-wood 今年早些时候，当 Quilty 登上行业媒体时，这家 AI 初创公司承诺，其工具仅通过阅读剧本就能准确预测一部电影的成功。然而，当人们真正有机会尝试 Quilty 的产品时（https://www.thewrap.com/industry-news/tech/quilty-ai-tool-script-test-does-it-work-analysis/），却对此持怀疑态度。即使拥有世界上所有的可用数据，它预测《Christy》的剧本——该片后来（https://www.theguardian.com/film/2025/nov/10/sydney-sweeney-addresses-boxing-movie-flop）成为票房惨败——表现会优于《Sinners》的剧本（https://www.theverge.com/entertainment/865640/sinners-oscars-nominations-2026），而后者却成了一部奥斯卡获奖大片。 正如许多 AI 高管之前所宣传的那样，Quilty 的创始人相信，这可以通过让新兴创意人员获得辅助工具来帮助“民主化”他们的行业——也许一个高 Quilty 分数能成为与制片人接触的敲门砖，而低分数则意味着需要更多修改。但目前，Quilty 不过是现有 AI 系统的一个杂乱混合体，该公司尚未证明其技术具有识别未来热门影片的品味或分析能力（更不用说已被证明的热门影片）。 由电影制片人 Simon Horsman（https://www.imdb.com/name/nm2551041/）和 Daniel Wood（https://www.imdb.com/name/nm2239521/）创立的 Quilty，利用 AI 分析剧本并生成关于项目成功几率的详细报告。在读取未制作的剧本后，Quilty 的技术会给出一个 0 到 100 的评分，反映该项目叙事的质量、商业可行性、是否会引起观众共鸣以及制作成本的大致范围。该平台推销的理念是，它能让用户在争取电影/影片获批制作时窥见未来。Horsman 和 Wood 相信，Quilty 有望成为传统制片厂业务运作中不可或缺的一部分。 最近我与 Horsman 和 Wood 坐下来交流时，他们坚定地表示希望“保持人类参与”，而不是完全自动化前期制作流程。在创立公司之初，Horsman 和 Wood 征求了许多其他创意人员的反馈，这些人经常表达对生成式 AI 可能对工作产生负面影响、使人类工作者技能退化的担忧。 “我们认同许多对 AI 的负面看法，但我们想做的是激发人类创造力，”Horsman 告诉我。“Quilty 的核心在于开发，并尽可能多地给用户——无论是编剧、制片人、买方、投资人还是制片厂高管——提供信息，以便他们做出明智的绿灯决策。” Quilty 并非给用户提供单一的定制 AI 模型来反馈剧本，而是结合了大量广泛可用的 AI 工具，为这一过程带来不同类型的分析。用户只需将文本剧本上传到平台，几分钟后，它就会生成一份报告，详细说明诸如预算估算、重要故事节拍概述以及角色分析等内容。每次分析收费 50 美元，但也可以以折扣价购买多次分析。 这种零散分析工作流程的想法最早出现在 Wood（也是 Quilty 的首席技术官）几年前因一场房地产纠纷被起诉的时候。他不愿花钱请律师，于是启动了 ChatGPT，但 ChatGPT 立即告诉他：“我不是律师；去找别人帮你。” “然后我用了 Gemini，它在一段时间内效果好得多，因为它的上下文窗口更大，”Wood 回忆道。“但后来我在 X 上看到愚蠢的 Elon Musk（https://x.com/elonmusk/status/2051336258081935400）在谈论 Grok 获得了 AI 模型有史以来最好的律师评分，我就想，‘让我试试看。’”（Wood 没有详细说明那场法律纠纷的结果如何。） “当 Claude Mythos 出来时，突然间，我的整个软件都变得更好” 这次经历让 Wood 更好地理解了类似的消费级 AI 模型如何在不同的任务上各有所长。Wood 个人对 AI 的使用也启发了 Quilty 量化剧本潜在成功的方法。因为“Gemini 在结构和模式方面非常棒，”Quilty 使用该工具来帮助生成分解表——将电影或剧集的所有制作要素提炼为综合列表的文档。在财务建模方面，该公司信赖一个托管在美国服务器上的 DeepSeek 实例（https://www.theverge.com/ai-artificial-intelligence/918035/deepseek-preview-v4-ai-model）。而在叙事/角色分析方面，Quilty 则结合使用 Claude 和 ChatGPT。 Wood 告诉我，该公司依赖于上下文提示（一种提供额外上下文数据的过程）来生成没有幻觉的高质量输出。Quilty 并不亲自训练其用于生成电影报告/评分的任何模型。但 Wood 坚称这反而是一种优势，而非劣势，因为这让 Quilty 更容易在新型和改进模型向公众开放时将其纳入工作流程。 “当 Claude Mythos 出来时，我能看到它是一个更好的大语言模型，突然间，我的整个软件都变得更好，”Wood 说，他指的是那种仅对少数组织用于网络安全目的可用的强大新模型（https://www.theverge.com/ai-artificial-intelligence/941792/anthropic-claude-mythos-preview-expansion）。“如果某些中国模型突然变得比所有这些美国前沿模型更好，为什么我不直接用它们呢？” 虽然 Quilty 技术栈的模块化可能使其在整体更新方面更加灵活，但这也让人们更难全面理解该平台如何从剧本出发，得出一系列据称能衡量无形事物（比如观众对一部尚未存在的电影*可能*有何反应）的指标。自好莱坞诞生以来，预测一直是电影开发的关键部分，但这项工作传统上是由对观众有细致理解的人类工作者完成的。 没有哪家 AI 公司能够开发出真正复制人类思维过程或我们对艺术形成意见时那种不精确方式的模型。但 Quilty 的创始人认为，他们的“情感引擎”在评估剧本方面是次优选择，因为它结合了像 VADER（https://www.geeksforgeeks.org/python/python-sentiment-analysis-using-vader/）（Valence Aware Dictionary and sEntiment Reasoner）这样的工具——这是一种开源软件，用于衡量文本积极与消极的程度。 Quilty 无法预见所有可能影响电影接受度的因素。 Horsman 和 Wood 还坚信，Quilty 能够准确判断一个项目如何“回应文化时刻”，并提供可靠的票房预测。他们以《Revenge of the Nerds》为例，说明一部受欢迎的老电影会因为其试图以喜剧方式描绘性侵（https://decider.com/2019/07/26/revenge-of-the-nerds-rape-scene-regret/）——现代观众会认为这是品味低劣——而获得较低的 Quilty 评分。 当我问 Horsman 和 Wood，为什么 Quilty 给《Christy》（最终票房约 200 万美元）的评分（https://www.thewrap.com/industry-news/tech/quilty-ai-tool-script-test-does-it-work-analysis/）高于《Sinners》（票房 3.7 亿美元）时，他们坚称该平台的判断“归结为 Sydney Sweeney 非常非常受欢迎”。他们说，从纸面上看，Sweeney 的明星效应，加上关于拳击的传记剧情片比像《Sinners》这样的奇幻/动作片制作成本更低，使得《Christy》成为更安全的赌注。但这种情况凸显了 Quilty 的逻辑并不可靠。Horsman 和 Wood 承认，在某些情况下，Quilty 无法预见可能影响电影财务表现或观众接受度的因素。 例如，Quilty 无法预料到 Elijah Bynum 的《Magazine Dreams》（由 Horsman 制片）会因演员 Jonathan Majors 在 2023 年的高调陨落（https://www.npr.org/2024/11/22/nx-s1-5202976/jonathan-majors-grace-jabbari-case-settled-dismissed）而脱轨。同样，《A Minecraft Movie》的剧本中没有任何迹象表明“鸡骑士”现象（https://www.vulture.com/article/theaters-should-embrace-minecrafts-chicken-jockey-mayhem.html）会成为该片巨大成功的一部分。Horsman 和 Wood 告诉我，他们最终希望 Quilty 能够预见到这类事情，但很难想象这如何实现。 尽管声势浩大，但 Quilty 实际上在兜售的是对各种大语言模型的迂回访问权，这些模型被要求预测与未制作艺术作品相关的未来。如果这些 AI 工具中的任何一个真的像 Quilty 声称的那样有效，那将确实令人惊叹。但大多数工具只是复杂的模式识别/模仿机器，离理解人类觉得什么有趣还差得很远。 **关注本报道的主题和作者**，可在个性化首页推送中看到更多类似内容，并接收邮件更新。 - Charles Pulliam-Moore