摘要：生成式人工智能（AIGC）正以其高效生成与内容创造能力，深度重构影视创作的全流程范式，推动行业从传统人工主导向人机协同创作模式转型。针对当前高校广播电视编导专业影像教学中存在的内容滞后于产业、创意与技术割裂、课程结构碎片化、真实实践场景匮乏等痛点，本研究开展了系统性的教学改革探索。文章在梳理AIGC 技术发展与影像教育应用现状的基础上，构建了覆盖前期策划、中期制作、后期制作、宣发反馈全流程的AIGC 融合课程体系，提出了“技术工具链、创意培养链、项目实践链”三位一体的智能教学模式，并依托第十五届北京国际电影节真实项目，在《影视剪辑艺术》课程中开展了全流程教学实践。研究同时分析了AIGC 应用中的技术依赖、质量下降、伦理风险及教师角色转型等挑战，并提出了分层教学、人工干预机制、伦理法规课程等优化策略。实践表明，该模式可有效缩短创作周期，提升学生的技术素养与创意表达能力，形成“以真实项目驱动、AIGC 工具链赋能的全流程实战”可复制方案，为智能时代影视类专业人才培养提供了系统性路径。

关键词：AIGC；教学改革；全流程教学；广播电视编导；人机协同

一、AIGC 赋能影像创作教学的现状与趋势

人工智能生成内容（AIGC）技术的快速发展，正在深刻改变影视创作与艺术教育的方式。AIGC 具有深度学习、思考的能力，通过语言模型生成文本、图像、音视频等内容。在绘画、影视、音乐和交互设计等领域都取得显著进展，如利用 Midjourney、Stable Diffusion 进行图片生成艺术，即梦AI、可灵AI 进行视频生成，Suno 进行音乐生成。这些技术不仅提升了创作效率，也推动了艺术表达的智能化发展。AIGC 在为高校影视教育带来新机遇的同时，也对传统教学模式提出了挑战。

影视创作流程中，影像内容的策划、制作与传播是影视产业的核心链条。然而，在实际教学与创作过程中，学生往往面临技术门槛高、创作周期长、课程内容碎片化等普遍问题。近年来，影视行业对能够运用 AIGC 技术进行降本增效的新型人才需求增加。单一掌握传统剪辑或拍摄技能的学生已难以适配产业转型方向，影视项目的推进不仅需要扎实的视听语言功底，还要求创作者理解 AI 生成逻辑、熟悉多模态工具整合、具备跨团队协作能力。

国外如伦敦艺术大学（UAL）、纽约大学 ITP、麻省理工学院（MIT）媒体实验室等机构，已将 AIGC 相关课程纳入教学体系，推动教育向智能化方向发展。相比之下，国内高校的AIGC 影像教学仍处于试点阶段。近年来，北京电影学院设立 AI 影像实验室，探索 AI 在智能剪辑、视觉特效等领域的应用；中国传媒大学等则围绕短剧创作、剧本生成等环节开展实践探索。然而，现有课程体系存在明显局限。首先，课程体系呈现碎片化特征。相关课程多为零散的试点形式，尚未形成覆盖前期策划、中期制作与后期传播全流程的系统化教学框架。其次，课程多以命题作业为主要形式，缺乏真实的项目周期约束与行业标准参照，导致学生的实战能力较为薄弱。再次 ， 面对 AIGC 带来的版权、深度伪造及内容真实性等伦理风险，教学中缺乏系统的防控机制。

在教学实践中，AIGC 的应用已展现出显著的教学效率提升与创意激发能力。以影视剪辑课程为例，AIGC 可根据教学需求短时间内自动生成大量经典与前沿的剪辑案例，帮助学生拓宽创作视野；同时，它能对案例的剪辑思路、节奏结构进行可视化拆解，便于学生理解与模仿。此外，AIGC 能够实时跟踪影视行业的最新动态，将短视频剪辑、AI 特效等前沿技法引入课堂，推动课程内容与产业需求有效接轨，增强学生的就业竞争力。在激发学生创意方面，AIGC 同样具有独特价值。传统教学中，学生容易受思维定式约束，而AIGC 能够根据不同主题、风格与情感诉求，提供多样化的剪辑创意提示，驱动学生不断尝试新的叙事结构与视觉表达，从而提升其创新欲望与创作主动性。

二、AIGC 赋能影像创作课程体系优化

（一）AIGC 在广播电视编导课程体系中的应用

传统的影像创作课程体系教学内容相对固化，剧本写作、摄影基础、影视后期制作等课程多以独立形式设置，难以适配当下数字影像创作快速发展的需求。AIGC 赋能的课程体系强调技术融合与智能优化，不仅让教学内容更具灵活性，也使创作过程更为高效。

在本研究中，课程体系围绕影像创作核心环节进行重构，涵盖从前期策划到后期制作的关键链条。同时，为体现AIGC 在全流程中的潜能，课程对宣发与反馈环节也进行了初步探索。

AIGC ^∘+ 影像创作全流程课程结构

（二）AIGC 课程体系的优化策略

在AIGC 赋能的课程体系优化进程中，教学内容、课程结构以及人才培养模式均需进行同步调整。

在课程内容维度，需引入提示词工程、文生图、图生视频、音乐生成以及声音克隆等 AIGC 相关技术，帮助学生理解 AI 生成内容的底层逻辑，并将其应用于创作实践。同时，补充 AI 创作伦理、版权规范与内容真实性声明等模块，引导学生树立合规的创作意识。

在课程结构优化方面，需要围绕影像创作全流程，打破原有分散在创意、拍摄、剪辑、宣发等不同课程的内容壁垒，将 AIGC 工具应用整合为贯通创作全链条的连贯模块，避免不同课程间内容重复、工具应用衔接断裂的问题。此外，应设置“人机协同工作坊”，专门训练学生在AI 生成基础上进行人工筛选、二次修改与审美升华的能力。

在人才培养模式方面，需强化实践创新导向。高校可联合 AI 科技公司与影视机构，共同开发AIGC 课程资源、搭建AI 赋能创作实验室，让学生在真实行业场景中开展创作实践。本研究提出的“技术工具链、创意培养链、项目实践链”三位一体教学模式，即是这一思路的具体体现。技术工具链聚焦于系统掌握工具应用能力，创意培养链贯穿从思维发散到创意收敛的全流程训练，项目实践链则以真实项目为驱动，将前两者整合于实际交付的压力情境中。

在课程实施中，必须坚持“辅助而非替代”的基本原则。AIGC 应充当教师的智能助手与学生的创意伙伴，而非取代教师的主导地位或学生的亲自实践。教师仍需承担启发、引导、评判的核心职责；学生也必须在 AI 生成内容的基础上进行人工筛选、二次修改与审美升华，避免绕过关键技能训练。为此，课程中可设置“强制人工干预点”，例如在概念图生成后要求使用 Photoshop 修正细节，或在 AI 粗剪基础上完成精剪与节奏微调。

同时，AIGC 的应用应贯彻“以学生为中心”的原则，契合不同学生的能力水平与个性化需求。对于基础薄弱的学生，教师可引导其使用AIGC 的基础功能（如剪映 AI 卡点、自动字幕）快速掌握剪辑流程；对于能力较强的学生，则鼓励其探索AIGC 提供的非常规剪辑思路、风格迁移或叙事重构方式。此外，AIGC 可根据学生的创作偏好（如科幻、情感、悬疑等），智能推荐相应风格的素材、案例与剪辑技法，实现真正的个性化教学。

三、教学实践与案例分析

（一）案例背景与教学目标重置

本研究以广播电视编导专业《影视剪辑艺术》课程为载体，选取该课程一个由 32 名学生组成的授课班级，开展了为期 4周的教学实践。本次实践项目确定为第十五届北京国际电影节首届网络电影单元颁奖晚会活动中，其中一个舞蹈节目的背景视频制作，要求学生围绕“我们都是追梦人”这一主题，完成一支时长 3-4 分钟的背景视频创作。

该真实项目具有三个典型特征。一是存在真实交付压力，需严格遵循明确的截止日期、技术规格与审核流程；二是对艺术水准要求较高，需深度契合节目主题，形成统一的视觉风格并具备情感感染力；三是受短周期约束，从任务承接至成片提交仅4 周时间。基于项目的上述特点，教学目标从传统的“掌握传统剪辑软件操作”，调整为涵盖新兴 AI 技术掌握、艺术表达能力与创意思维培养的“三位一体”综合能力培养目标。

（二）实施步骤与AIGC 工具应用

本案例将主题视频创作任务拆解为四个递进阶段。概念可视化、动态影像生成、专业化剪辑以及现场集成认知。每个阶段均嵌入了 AIGC工具与人工干预机制。

在概念可视化阶段，学生通过“deepseek”“豆包”等工具开展创意发散，输入“我们都是追梦人”等关键词，生成视觉符号隐喻，比如“灯泡与热气球的重组形态”、”张开翅膀飞行的邮轮”等。借助 StableDiffusion 进行提示词迭代优化，每组产出 20 组以上概念图；针对图中出现的细节错误，通过 Photoshop 等传统修图软件进行人工二次修改。教师在此阶段引导学生理解AI 生成逻辑与人工修正的必要性。

影像生成阶段，学生分组使用即梦 AI、可灵 AI、Runway 分别制作同一场景的动态版本，对比不同工具的生成效果，形成工具使用报告并在班级组会分享经验。教师在课堂教学中即时解答学生关于参数调整、风格迁移等具体问题，AIGC 则充当智能助手——可即时生成操作指南、步骤提示及优化建议，帮助学生快速掌握跨模态生成技巧。

进入专业化剪辑阶段，先利用剪映AI 智能卡点功能快速完成粗剪，匹配音乐节奏点。学生再在粗剪基础上进行细节调整与精剪优化。最后，现场集成测试阶段。团队在演播室完成彩排，在真实大屏环境下进行播放测试，调整画面比例、亮度与切换时机。最终成片在电影节颁奖活动中顺利播出。在此过程中，AIGC 还协助生成了多版本宣传物料及数据分析报告，用于作品复盘与传播效果预判。

（三）范式转型与教育革新意义

本课程通过引入AIGC 技术、以真实项目为驱动等方式，有效培养了学生的创新能力、跨界整合能力与人机协同能力，助力其更好地适应影视行业对新型人才的需求。课程创新实践为广播电视编导专业的教学改革提供了新的思路与方法。学生在掌握新兴工具的过程中认识到，技术虽能解放劳动力，但更具需要自身精准把控创意思维，才能创作出优质作品。通过晚会平台的作品展播，既为学生搭建了才华展示的窗口，也实现了教学成果的有效传播，进一步增强了学生的自信心与职业成就感。

（四）适应性分析与挑战

尽管AIGC 工具显著提升了影像创作的效率，但在教学实践中也暴露出若干适应性问题。首先，学生对AIGC 工具的接受度存在明显分化，部分已接触过 AI 工具的学生能快速上手并完成创作，而习惯传统创作流程的学生在初期易产生依赖心理，过度放任 AI 生成内容，缺乏主动的创意筛选与二次创作意识。过度依赖 AIGC 可能导致学生作品的同质化问题突出——由于AIGC 的输出具有模式化特征，易使作品的画面风格、叙事节奏趋于雷同；同时，这也可能弱化学生的审美素养，使其跳过对视听元素、情绪元素的主动选择过程，陷入直接“拿来主义”的创作误区。

针对这一问题，教师可以要求学生在提交最终成片时提供“AI 贡献度自查表”，明确标注每个镜头中AI 生成内容与人工调整部分的占比。这一机制能够有效推动学生从对 AI 工具的被动依赖，转向对创作过程的主动调控。

其次，AIGC 生成内容的质量存在明显差异，增加了教学甄别与评价的复杂度。教师难以有效评估学生对叙事结构、剪辑技巧等核心知识的真实掌握程度。此外，AI 生成过程可能遮蔽学生知识建构的轨迹，使教师无法精准判断学生对镜头语言的理解深度及实操的真实水平，难以及时开展针对性指导。因此，课程应建立“教学素材甄别机制”：要求教师对 AI 生成内容进行二次审核，并保留现场剪辑测试、口述剪辑思路等部分传统考核方式，以全面评估学生的真实能力。

再次，现有 AIGC 工具生成内容的版权归属尚不清晰，且存在价值观偏差与文化误读风险。 AI 在叙事逻辑与角色设置中可能传递非理性价值观，误导学生的政治立场或道德判断。当 AI 应用于特定历史或国家语境时，可能曲解或遗漏文化符号的内涵，动摇学生的文化认同根基。师生如果对 AI 生成内容缺乏批判性判断，容易在不知不觉中被错误价值观渗透。此外，AI 生成素材的版权归属尚不明确，学生可能无意识触碰侵权边界。针对上述问题，课程应增设“AI 创作伦理与法规”专题（建议 2 学时），引导学生学习《生成式人工智能服务管理暂行办法》，并要求所有成片不得使用未经授权的真人肖像或商业IP，同时标注 AI 生成内容的比例。师生在使用 AIGC 时还应提高数据安全意识，避免上传包含个人隐私或敏感信息的图片，教师需对输入数据做脱敏处理。

最后，AIGC 的深度介入正在推动教师角色转型，也对教师的持续学习能力提出了挑战。教师角色从传统的“知识传授者”向“学习引导者、资源优化者、思政素养培育者”转型。教师不再是单向传递既定知识体系的权威，而是需要培养学生的高阶批判性思维能力，引导其有效利用AIGC 进行知识创新。同时，教师需承担起对AI 原生内容进行优胜劣汰、去粗取精的责任，形成契合教学目标与学生认知规律的优质课程资源。此外，教师还应着重培养学生的技术应用伦理意识，帮助其建立遵规守纪的技术价值观。然而，AIGC 工具的快速迭代远超教材更新周期，这对教师持续学习与教学调整能力提出了更高要求。建议鼓励学生参与工具测评，通过翻转课堂反向向教师推荐有效工作流，形成师生共学的新型教学关系。同时，建议教师在课堂中期评审环节专门设置“审美差异化点评”，要求每组提供至少 5 张不同风格的参考图，并解释其与主题的情感隐喻关系，以避免AI 生成内容的同质化陷阱。

四、结语

AIGC 技术正推动高校影像创作教育迈向智能化、高效化的新阶段。本研究表明，通过构建AIGC 嵌入影像创作全流程的融合课程体系，并依托真实项目驱动教学，能够有效破解传统影像教学中内容滞后、创意与技术割裂、实践情境虚化等痛点问题。AIGC 为影视类课程教学改革带来了教学效率提升、学生创意激发、课程与行业接轨等重要机遇。然而，在应用过程中必须坚守“以学生为中心”“辅助教学开展”“数据安全与伦理规范”等基本原则，直面技术依赖、质量下降、伦理风险及教师角色固化等挑战。

研究同时揭示了AIGC 课程在技术适配性、学生接受度、教师能力适配及版权界定等方面面临的挑战，并提出了项目式教学、强制人工干预点、伦理法规课程、分层教学等针对性优化策略。随着国产 AI 语言大模型的持续发展，人工智能生成工具在中文语境适配性、创作风格调整等维度展现出显著优势，这将进一步提升课程的可落地性与实践效能。未来研究需进一步聚焦 AI 生成艺术的标准化构建、教学效果评估体系的完善，以及艺术伦理与法律保障机制的健全等关键问题。广播电视编导专业作为面向内容创作领域的应用型专业，需始终紧跟技术变革与产业需求调整育人方向，主动把握AIGC 带来的发展机遇，以教学改革回应产业对新型创作人才的需求。

参考文献

[1] 张争 . 从“算法知觉”到“动态真实”：智能影像生成的自动机制构型与现象身体实践[J]. 北京电影学院学报，2025（07）.

[2] 张夏丁. 偶然运动：人工智能生成式影像的生动性之思[J].

北京电影学院学报， 2025（7）： 58-66.

[3] 刘铮 . 生成式人工智能视域下影视专业课程体系重构研究

[J]. 中国广播电视学刊， 2025（10）.

[4] 卢占恒，李洪志，姚莹. 以“ 1+3 ”实效传播模型助力传播效

能跃升——基于AIGC 赋能视角[J]. 中国广播电视学刊， 2025（7）.

[5] 中央广播电视总台 . 中央广播电视总台人工智能发展白皮书（2025 版）[R]. 2025.

[6] 王瑞琦. 职业本科影视类课程 AIGC 应用模式初探 [J]. 文

化产业，2025.

[7] 宋龙. 影像奇观·场景重构：AIGC 赋能电影创作的 “变量”

与 “潜能”[J]. 电影评介，2025.项目：影视艺术学院教学改革研究与实践项目项目名称：AIGC+ 影像全流程创作课程实施路径研究研究编号：XJGY202591