历史纪录片中AI应用的实践与思索 ——以微纪录片《述说》为例

  近年来，以大语言模型、文生视频技术为代表的生成式人工智能（AIGC）爆发式发展，渗透至视听内容生产的策划、拍摄、后期、传播全环节，纪录片行业也身处这场技术变革的中心。一方面，AI影像修复、场景生成等技术大幅提升了制作效率，拓展了纪实影像的表达边界；另一方面，当AI生成的画面与真实影像并置，也引发了关于纪录片真实性的争论。

  纪录片的核心基石是真实性，而真实性的内涵因题材属性不同而存在本质差异。现实类纪录片的真实建立在“摄影机在场”的记录契约之上，历史类纪录片的真实则指向对已消逝历史的认知还原，这种差异决定了AIGC在两类纪录片中的应用逻辑与边界截然不同。

  微纪录片《述说》是上海广播电视台真实传媒有限公司面向年轻受众打造的党史题材微纪录片，采用了“自述式”叙事语态，让历史人物、文物、地点“开口讲述”，将宏大叙事转化为个体叙事，讲述建党百年历程中的历史现场。团队从2024年起，与魔D工作室合作，系统性地将AI引入创作流程，形成了相对清晰的实践形态。本文从微纪录片《述说》的一线创作实践出发，讨论AIGC在历史纪录片中的具体实践与面临的问题。

一、AI介入历史纪录片创作的四种形态

  影像资料的缺失是历史类纪录片的天然困境，创作者始终需要借助各种手段填补“已消逝的真实”的空白。AI技术的介入并未改变这一本质，而是在传统再现手段之外，提供了更高效、更多元的数字化解决方案。从应用场景与技术成熟度来看，目前形成了四种相对清晰的实践模式。

  （一）影像修复增强

  影像修复增强是目前争议最小、技术成熟度最高的AI应用路径，主要针对现存胶片、录像档案的画质损耗，通过AI实现分辨率提升、帧率提升、噪点去除、上色、音频修复，最大程度还原历史影像的原始信息，不仅恢复了影像的原始质感，也强化了纪录片作为历史见证的文献价值。

  但直接依赖通用大模型开展修复上色，容易出现偏差。《述说》第一季素材整理阶段，团队曾用通用大模型对一批早期党史老照片做自动上色与清晰度提升，对照史料核对后发现两处典型问题：一是在处理多人合影时，由于画面人物多、面部信息模糊，大模型难以对每一张脸进行精准控制，往往依据训练数据中的平均特征补出具有现代审美的通用面孔，生成结果最终均未采用。

  基于此，团队后续形成了两点优化原则：一是低分辨率人脸如其他无清晰照片参考，原则上不做细节补全；二是成片中若使用AI修复上色，通过动画过渡，同时展示原照片与修复效果，明确告知观众画面经过技术处理。

  真实性始终是影像修复不可逾越的底线。面对重大历史题材，若无法确保修复上色的准确性，宁可保守呈现，也不可随意臆造。

  （二）场景还原

  历史场景还原是历史纪录片最基础的创作需求之一。传统的场景还原方式包括影视再现、微缩模型、动画重构等，AI技术提供了新的解决方案。

  《述说》第一季《留法勤工俭学出发地》一集以汇山码头拟人化的第一人称视角讲述。但码头如今仅存纪念碑，原有风貌早已不存，因此团队以仅存的老照片为视觉底本，结合时人记述中栈桥、驳船，以及江心的浮筒等细节，通过AI复原码头样貌，并重现了驳船驶出岸边、缓缓靠向“因幡丸”邮轮的历史场景。

  在场景复原中，空间考证必须前置。里弄布局、建筑尺度一旦生成错误，后期修改成本极高，几乎等同于重做。以辅德里石库门弄堂场景为例，由于弄堂空间狭窄，实拍易产生镜头畸变，弄堂两侧的外立面难以完整展示。团队采用分步考证法：1、每个石库门开间分别拍摄一、二楼照片，用AI修正两张照片的透视差，合成一张正面视角的一开间立面；2、同步扫描建筑外立面作为参考，在Photoshop中拼接成整排石库门立面，再用AI修正拼接痕迹；3、根据照片，生成石库门外立面平面图的材质和颜色；4、搭建两排建筑的三维模型，校准相对位置与视角，最终交付AI生成动态场景。

  “技术赋能”离不开“考证先行”，这需要与学术机构、专业人士保持长期稳定的合作，学习、吸纳他们的研究成果，吸收新材料，新的史料，以及历史细节的新认识[1]。

  中共四大召开时会址所处里弄长期无法确定，中共四大与会人员回忆会址建筑层数也并不一致。直至2021年，上海市委党史研究室才有学者还原出这一红色里弄乃至红色建筑的真貌：四大会址所在里弄名为“广吉里”，建筑为两层房屋[2]。依据这一研究成果，中共四大纪念馆制作了四大会址的微缩场景模型。《述说》第二季《中共四大遗址》探索了一种实拍与AIGC结合的复合路径：在拍摄中共四大纪念馆微缩场景模型的基础上，用AI技术让模型中的历史人物“动起来”。模型本身经过党史学者审核背书，摄像的取景和运镜让静态模型获得叙事节奏，AI生成的人物动态被限定在史料允许的范围内，既有现场感，又不脱离历史。

  AIGC虽然可以突破时空限制，依据历史资料与考古成果生成逼真的历史场景，弥补传统拍摄中场景复现难、镜头表达单一的缺陷[3]，但在这一过程中，AI提升的是“动手制作”环节的效率，而非替代“考证”这一核心工作。史料考证的深度与准确度，决定了AI生成画面的历史可信度。

  （三）人物活化

  历史人物是历史纪录片的叙事核心，而许多历史人物仅留存一两张模糊的照片或几秒钟的影像资料。以往让历史人物出现在画面中，主要靠演员扮演或动画绘制，中间隔了一层艺术加工。AI生成的人物直接来自历史照片，保留了老照片的颗粒感，观众更容易把他和真实的历史人物联系起来。有学者把这种现象称为“拟似的索引性”——它既带有影像档案的痕迹，又不是对现实的直接记录，能让逝者以“亲历者”的口吻叙述自己[4]。

  《述说》第一季中，团队对仅有两张照片、一段影像存世的《党章》守护人张人亚进行了AI动态活化。创作团队首先前往张人亚故乡浙江宁波实地拍摄故居和衣冠冢，在真实历史影像与实景考证的基础上，再借助AI技术进行动态活化与生活场景重建。这一案例进行于2024年，是《述说》样片阶段的一个尝试，在播出后也收获了很多好评，并在中共二大会址纪念馆中作为多媒体展项长期展示。

  但技术上能让照片动起来，不代表内容合适。历史人物是否有后人同意，AI生成的表情是否符合本人精神面貌，都是需要单独判断的问题。因此在后续的实践中，团队更多是用AI复原人物背影与侧影，不做面部特写。

  在《共产党宣言》中，团队通过复旦大学档案馆，找到了陈望道在1954年全国人大一届一次会议的发言录音。虽然当下AI生成普通话已不是难题，但陈望道的录音是带浙江口音的官话，AI可以模拟他的音色、音调，现有的方言语料库却不足以支撑AI还原他的口音。为此，团队先请浙江口音的配音演员模仿陈望道的口音、语气，再借助AI技术复原了陈望道的音色、音调，以他的视角讲述《共产党宣言》首译本的诞生。这段复原的语音，也获得了陈望道之子陈振新的认可。

  （四）风格化再现

  风格化的艺术再现，一方面能让观众一眼识别“这是艺术再现”，避免与真实档案影像混淆；另一方面，契合主题的艺术风格能够强化历史氛围，拉近作品与观众的审美距离[5]。传统的风格化再现手段包括手绘、沙画、定格动画、版画等，这些方式艺术效果突出，但制作成本高、周期长，且一旦完成便难以修改。AI技术大幅降低了风格化创作的门槛，提升了创作自由度。但风格化不等于随意化，如果创作者缺乏相应的美术修养与历史理解，直接依赖AI生成风格，很容易出现细节失真、气质错位的问题，最终损害历史叙事的严肃性。

  《述说》第二季《平民女校旧址》不涉及重大事件和敏感历史人物，且整个项目又面向年轻观众，团队选择了卡通黏土定格动画的风格，画面轻松活泼。但AI直接生成的人物形象容易偏向欧美或日本卡通审美，为此，团队在AI生成人物三视图后，手动进入Photoshop进行调整，使人物既保留历史辨识度，又具备国风特征。动画生成过程中AI会不断向其训练数据中占比更高的常见风格偏移，需要反复修正，才能保持一致性。同时，团队还会在人物表面强化黏土材质细节，增加指纹捏痕和手工塑形感，使角色具有真实黏土动画的质感。

  风格化路径同样存在技术局限。越是高度概括的艺术风格，AI的识别越困难。比如在《左联成立大会会址纪念馆》中，“述说者”是鲁迅，因此团队选择了版画风格。20世纪30年代上海左翼文化运动处于残酷的文化围剿之中，其精神气质粗粝、直接、充满战斗性，与黑白分明、线条凌厉的版画艺术天然契合，这也正是鲁迅本人大力倡导新兴木刻运动的原因。用版画的硬朗线条与高对比度呈现这一历史段落，有助于形式与内容的统一。但因为版画是高度提炼的视觉语言，实际操作中AI经常无法准确区分原画中的线条究竟是物体轮廓、光影还是氛围性笔触，生成动态画面时容易出现线条错位、形态扭曲和各种“乱动”的问题。目前的应对通过增加描述和限定，与人工修正关键帧等方式规避问题。随着大模型的风格理解能力升级以及训练数据中影像样本的丰富，期待这一问题会逐步解决。

二、AI时代纪实真实性的边界与问题

  技术的拓展必然伴随伦理的拷问。AI时代的历史纪录片伦理，核心是重新界定“真实”的内涵，建立新的观众信任契约，明确技术应用的底线与边界。但在实践中，由于AI应用时间尚短，还有很多问题亟待解决。

  （一）真实性的范式转换

  纪录片的真实性，在现实题材和历史题材中含义不同。现实题材看镜头是否在场，历史题材看对历史的认知是否准确。生成式AI出现后，学界讨论较多的是，纪录片赖以建立的索引性，即影像与现实的直接对应，正在被算法生成取代，有学者称之为从“自然真实”向“编码真实”的转变[6]。这些讨论对历史纪录片有特殊意义。历史场景已经不存在，本来就做不到“镜头在场”。一百年来，情景再现、动画都在填补这个空白，AI做的是同类工作。判断历史纪录片的AI内容是否成立，标准是它是否符合史料、是否与观众说清了它是AI生成的，而不是它是否由摄影机拍摄。当然，这有一条底线：不能把AI生成的画面伪装成历史档案。

  （二）人物“复活”的伦理及版权问题

  让历史人物“活起来”，是AI使用中最吸引人也最需要谨慎的用法。历史人物虽已去世，但仍有后人，他们对自己先人的形象被AI使用，有无知情权和决定权？历史人物的形象承载着公共记忆与历史评价，算法审美的惯性是否会扭曲历史人物真实的精神面貌？AI生成的微笑、眼神、语气，是复原还是虚构？用AI让历史人物“开口说话”、做出表情动作，是否符合其本人生前意愿？

  这些追问也指向了权益保障的法律风险：2024年我国首例AI生成声音人格权侵权案中，法院明确认定在具备可识别性的前提下，自然人声音权益的保护范围可及于AI生成声音。这意味着在纪录片中利用AI对人物外貌、声音进行深度仿真，倘若未经许可公开传播，可能面临侵权风险。

  （三）算法偏见与文化安全隐忧

  除了显性的伦理和版权问题，隐性的算法偏见同样值得警惕。AI依赖海量的社会数据进行分析，平台数据本身的偏见性会导致生成内容出现系统性偏差[7]。从文化安全的角度看，当前可供AI训练的高质量中文语料仍然非常短缺，全球通用大模型数据训练集以英文语料为主，中文语料占比仅为1.3%[8]。基于西方审美与意识形态训练的模型极易生成偏欧美、日本的卡通风格形象，当生成中国语境影像时，混杂的文化特征与东方意蕴常被遮蔽，这正是团队在平民女校人物定稿时反复争论的问题。

  （四）新信任机制的建立

  获取观众的信任不等于每个画面都必须摄于事发当场，而是让观众知道创作者做了什么、素材来自何处。当AI生成的画面、声音面向大众传播，公众有权知道哪些是真实影像、哪些是AI生成的？混淆二者边界，会对公众的历史认知造成误导。AI生成的内容应当被明确标注，标明其数据谱系与生成属性，让观众清晰区分真实档案影像与AI复原、生成内容。

  这一原则正在获得制度层面的回应。2024年美国档案制片人联盟提出“校准披露”原则，即AI干预程度越高，披露的透明度就应当越高[9]。在国内，2025年国家互联网信息办公室等四部门联合印发《人工智能生成合成内容标识办法》，确立显式标识与隐式标识双轨要求，自2025年9月1日起施行[10]；2026年实施的《微短剧发展管理办法》进一步明确，使用人工智能技术生成、制作的内容应当在明显位置添加提示标识[11]。

  回头看影像修复、场景还原、人物活化、风格化再现四种形态，归根到底都是同一件事：用AI复现已经消逝的历史。复现可以走多远，基于《述说》的一线实践，团队总结了以下创作原则：

  （一）技术生成越快，越要在生成前把考证做足。AI复现的细节要能在史料、实物或可靠研究中找到出处。找不到出处的地方，宁可留白、虚化处理。

  （二）复现必须与档案影像保持可辨识的距离。要么通过风格化处理，从视觉上明示这是艺术再现；要么通过字幕、标注明确声明AI生成。

  （三）够用即止，能局部呈现就不全景生成。真实的历史本来就包含了模糊的、有缺口的部分，把缺口填满反而显得虚假。

  （四）涉及真实历史人物的形象与声音复原，后人或权利机构的授权应先于技术实现。如果没有授权，只用背影、侧影，不做面部特写。

  （五）保留原始素材、提示词、中间版本与修改记录，既是内部质量控制的手段，也是应对版权与伦理争议的依据。

四、结语：

  每一次技术革命都会引发一轮“创作者是否会被取代”的恐慌。AIGC模型既是对人类创作方式的模仿，又在算法运行与数据处理的随机性中展现其自身的主体性；但如果创作主体过度依赖技术手段，忽略了对精神世界的深度探索和独立表达，将损害纪录片的艺术价值。[12]

  创作者的核心能力是算法无法替代的：对历史叙事的选择、对情感浓度的把握、对伦理边界的判断，根植于创作者的人文积累与价值体系，无法被数据训练替代。

  当前最紧迫的任务，是推动创作者、学者、法律工作者共同协作，建立一套更细化的历史纪录片AI应用行业规范，明确不同场景的使用标准、披露要求与授权流程。这些问题不能留给算法自己去回答，必须靠人来探索。

（作者系上海广播电视台真实传媒有限公司独立制作人）

参考文献

【1】朱宏.重大主题纪录片创作的创新与破圈策略[J].上海广播电视研究，2022年02期第92页.

【2】曹典.关于中共四大召开时会址所处里弄的考证[J]，载于忻平、徐建刚、陈挥主编：《启航》.上海：上海人民出版社，2024年，第265-273页.

【3】杨雨节.AI视频生成技术在历史纪录片中的补偿性应用研究[J].视听，2025年第23期第104页.

【4】陈家洋 吴清钰.“拟似”的索引性：论纪录片中的深度伪造影像[J].中国电视，2025年第10期，第33-35页.

【5】陈禹含、邓吉阵、宋信强.重构“艺术真实”：AIGC时代纪录片影像美学的嬗变与创新[J].广播电视与制作，2026年第15期第64页.

【6】孙晨 吕晨.“智”造真实——人工智能生成内容（AIGC）对中国纪录片创作真实性影响的审思[J].中国文化研究，2025年第68期第231页.

【7】陈禹含、邓吉阵、宋信强.重构“艺术真实”：AIGC时代纪录片影像美学的嬗变与创新[J].广播电视与制作，2026年第15期，第65页.

【8】罗云鹏.大模型发展亟需高质量“教材”相伴[J]，科技日报，2024年1月15日第6版.

【9】Archival Producers Alliance. Best Practices for Use of Generative AI in Documentaries [R]. 2024.

【10】国家互联网信息办公室，工业和信息化部，公安部，国家市场监督管理总局.人工智能生成合成内容标识办法：国信办通字〔2025〕2号 [Z].2025-03-07.

【11】国家广播电视总局.微短剧发展管理办法：国家广播电视总局令第16号 [Z].2026-09-01.

【12】何苏六 王正浩.虚实之间：生成式人工智能浪潮下纪录片的产业新生与未来挑战[J].当代电视，2024年第10期，第66-72页.