GenAI赋能杂技艺术创新与创作的可能性路径探究

随着生成式人工智能（GenAI）在各行业创新应用的不断深化，杂技艺术借数智力量实现自我革新已是大势所趋。杂技作为一项以肢体为媒介的传统舞台艺术，如何利用GenAI实现其创新性发展，如何让GenAI成为真正能辅助到一线创作人员的合作者，是本文探究的重点。本文将聚焦数智化背景，围绕GenAI赋能杂技艺术创新、传承和剧节目创作三方面，探索人机协同创作模式的现实可行性与价值潜能，提出构建GenAI协同杂技创新创作中试平台实现赋能杂技艺术高质量发展的可能性路径。

在多模态人工智能技术持续迭代升级的当下，生成式人工智能作为数字时代的标志性技术革新，正以颠覆性势能冲破舞台艺术创作的传统范式，为其创新发展提供着开发性支撑。技术边界与应用场景的持续拓展，使得AI创作已不仅局限于文生图、文生音视频、图生视频等跨模态的信息双向转化，在遵循人类指令生成原创性图像、剧本、视频等内容生产领域，亦表现出日益优异的性能与应用潜力。斯坦福大学研究人员开发的AI驱动舞蹈动画生成器（EDGE）可以根据给定的音乐，自动生成符合音乐节奏与情绪的高质量3D舞蹈动作序；行为增强异构图卷积可以整合生物力学数据，用于体育舞蹈的动作识别与评估；DeepMotion可对专业赛事中的舞者进行数字化捕捉与分析，进而实现三维空间的动作风格研究；AI系统亦可分析关节角度、动作质量，以提供精细化反馈。

基于多模态生成式人工智能通过指令驱动完成动画处理与生成的核心功能特性，以及其在舞蹈领域已实现的具体应用，推演借助生成式人工智能实现杂技艺术创新与创作的通路则更显可行与必要。虽然我国生成式人工智能技术在众多行业成功对接着不同的应用场景，并实现着专属领域的前沿突破，但真正用于辅助舞台艺术创作、可对动作序列和演员调度等内容进行实时编辑的ai工具尚未出现（上海电影艺术职业学院已着手研发AI编舞系统，其功能效果如何尚待系统建成后的体验评估），这归因于“艺术”与“技术”对话的缺席。杂技人要将本专业的创作逻辑、技术素材、行业痛点等清晰地交给“技术”，“技术”才有望成为杂技的协作者。实现“杂技”与“技术”的对话，首先要解决两个不同母语间的翻译问题，建设GenAI可读懂、可消化的杂技技巧语料库便是唯一路径。

杂技艺术凭借高难度的肢体美、突破体能极限的感官刺激和出其不意的惊险展示，历经千年传承，绽放在世界舞台之上。总结杂技艺术一路走来经历过和正在经历的发展瓶颈，首先是其艺术本体的创新性发展，即新技巧的发展；其次是发展性传承，即技术动作的高质量传承和技巧生发；三是守正创新下的审美契合，即在不断叠变的审美语境下对本体语言的坚守与融合姊妹艺术的化用智慧。针对上述痛点和解决行业痛点的现实需求，拟通过GenAI的动作生成和编辑技术解决其一，用深度学习及强大的量化分析技术解决其二，用成熟的指令驱动文本、图片和动画生成的能力解决其三。

一、实现GenAI赋能杂技创作与创新的技术基础

设计服务于杂技编创的AI实用工具，是实现一切关于GenAI赋能杂技艺术创作与创新可能性的技术基础。在当代艺术多元化发展与观众审美需求不断提升的背景下，节目编创和动作创新依旧多依赖于创作者的经验积累，创新思路受限，难以突破传统范式。编创者多借舞蹈、话剧、戏曲等姊妹艺术之长与自身技巧语言相融合，以求表达形式的创新。在这种创作路径下，虽不乏优秀作品，但长期的嫁接型包装在一定程度上削弱了杂技本体的发展。因此，在杂技舞台上演着如此情形，节目很好看，但没多少“活儿”；剧目很热闹，但硬核的杂技内容屈指可数；高难度的新技巧也有，但多靠门子来完成，而真正的体现杂技技艺的“绝活”却越来越弱。情绪性、氛围性的形式包装盖过扎实的、过硬的杂技内容，这已是多年来杂技发展的通病。然而，用杂技本体的创新发展来响应文化消费市场对新颖、个性化杂技作品的需求，才是正解。因此，设计服务于杂技编创的AI实用工具应聚焦服务杂技艺术的本体创新与可持续发展。

面向GenAI赋能构建杂技技巧语料库

杂技技巧语料库是实现GenAI赋能的数据基座。只有让GenAI读懂各杂技技巧的要义，懂得技巧组合间动作衔接的规范规律和利用道具完成技巧动作的杂技表演规则，以及熟悉各节目核心技巧的难点和看点，才能使其实现有效的编创。而GenAI的这些能力取决于杂技技巧语料库的质量，也就是语料颗粒的合理性、规范性，以及对语料数据的专业性、细致性的标注。

将基础的杂技技巧设为“动作元”，通过对杂技技巧进行精细的动捕采集，包括采集到演员动作过程中多骨骼关节点的空间坐标、欧拉角、运动速度、加速度等底层物理参数，以获取可供后期多维分析的标准化“动作元”。将大量经数字转录的杂技影像资料做颗粒度恰当的技巧标注，并以“动作元”为单位进行内容切片。通过以上两种途径构建杂技技巧语料库，从而形成杂技技巧的“元素周期表”。

搭建GenAI协同杂技创新创作中试平台

后文将提到杂技创新发展所需要GenAI助力的众多方面，这些功能均应在杂技创新创作中试平台中集结。该平台应集成建模和场景生成、动捕和动作编辑、资源共享、创作生产、演出效果合成等功能架构的人工智能辅助工具，并支持本地及云端的敏捷部署与接入，以及支持常用艺术创作软件的嵌入式集成。应满足以下需求，第一，为杂技技巧编创和剧本创作提供“头脑风暴”的互动伙伴；第二，为原创杂技技巧的训练和杂技技艺传承提供标准化执教示范，以及兼备动作分析、要领提点的表演陪练；三是，为二度创作提供编导、表演及灯服道效化的非线性编辑与实时修改，并合成全景式舞台效果，从而供创作者做可行性评估和编导调优。

二、GenAI赋能杂技本体创新性发展

纵观杂技技巧本体的发展，可总结为以下几类。一是在基础技巧动作上进行同类叠加（数量、高度、幅度等）以提高难度，如表一所示。二是通过基本技巧的重组以发展新的动作，如表二所示。三是通过道具的革新以发展出巧用道具的新技巧，如表三所示。

GenAI激发技巧创新创意

生成式人工智能所擅长的，正是“无中生有”的灵感刺激和“解构与重构”的创意激发。基于AI深度学习的能力，它会综合运动生物力学、运动生理学、人体功效学等基础，根据指令要求更聪明地完成对“动作元”的升级叠加或排列重组或融合新道具的技巧衍生，生成大致符合编导要求和演员身体条件的新技巧。也许AI生成的新技巧依旧不符合客观现实，但它却能成为编创者很好的“头脑风暴”伙伴，以激发技导的灵感、拓展编导的想象空间。让创作者得以在天马行空的创意网中凭技术经验“收网”，筛出有可行性的亮点创意，在此基础上根据编演需要、客观现实对其进行动作编辑，以尝试发展出崭新的技巧或节目。

GenAI协同原创技巧编创

编创者选取杂技技巧语料库中的“动作元”，以“拼积木”的方式创意新技巧，GenAI生成该技巧的3D模型表演效果供作者直观、可视地判断该技巧发展的可行性、观赏性与价值性。同时根据效果进一步对该技巧做动作的修改编辑，GenAI也会实时呈现修改后的效果，以至完成新动作的设计。杂技专家对AI演示的新技巧进行评估，认为该技巧具备表演可行性、可成为有价值的新节目，便可以让演员跟着屏幕模型进行深度的学习与训练。

以传统高车踢碗为例，创作者可要求GenAI做动作重组式的技巧改编，AI将提取踢碗技巧的技术要素“踢”和“接”，模拟生成如多人对踢的表演效果；提取高车技巧的“平衡”，模拟生成如单脚骑高车转毯的表演效果。创作者也可直接要求GenAI做融合新道具的高车踢碗改编，AI将基于市场趋势与观众偏好，生成具备审美倾向和吸引力的技巧+道具的组合方案，并形成模拟演出效果。例如，可能会生成桌上高车踢碗、高车踢花入碗等演示给创作者参考，协助其完成新动作的编创。

GenAI验证原创技巧效果

GenAI辅助杂技编创的关键价值，在于为以极限肢体动作为核心语言的杂技艺术，搭建起一个零风险、高效率的虚拟“试验场”，彻底改变传统编创中“演员肉身试错”的模式局限。传统杂技节目编创过程中，编导的动作创意需依靠演员亲身实践验证，从动作衔接的流畅度、体能负荷的合理性，到技巧呈现的观赏性、舞台空间的适配性，都要通过演员反复试练才能得出结论。这一过程不仅消耗大量时间与体力，更存在极高的安全风险。新技巧往往涉及肢体极限动作的突破，演员在试练中可能因为动作衔接设计不合理等问题导致受伤，而不成熟的创意构想也可能导致演员无效付出。

GenAI的介入则从根本上解决了这一痛点。依托杂技技巧语料库中标准化的“动作元”数据，结合运动生物力学、人体功效学等多学科模型，GenAI能够对编创者设计的原创技巧进行全维度模拟推演并快速生成三维虚拟表演模型，直观呈现该技巧在实际表演中的完整效果。

GenAI的验证功能应具备动态优化特性。编创者可根据虚拟演示效果，实时调整技巧的难度系数、动作衔接方式或空间布局，系统会同步更新模拟结果，形成“创意输入—模拟验证—调整优化”的闭环。例如，当模拟发现某一技巧的观赏性不足时，编创者可在原效果基础上对动作进行调优编辑，如增加肢体舒展幅度、调整技巧展现角度等。此外，GenAI有能力记录每次调整的参数与效果数据，形成技巧验证报告，为编创者提供量化参考，让创意的决策更具科学性。

这种虚拟验证模式不仅规避了演员试练新技巧的潜在风险，也提升了编创效率，让编创者能够快速筛选可行创意、聚焦核心亮点。待GenAI验证技巧具备安全可行性与艺术价值后，演员再基于虚拟模型进行针对性训练，既减少了无效排练，也能通过可视化的动作拆解快速掌握技巧核心要领，实现从创意到落地的高效转化。

三、GenAI赋能杂技技巧发展性传承

传统杂技技艺传承大多依赖“口传心授”的师承模式，这种方式虽保证了技艺传承的独特性，但也成了技艺规模化传承的痛点和动作标准化承袭的瓶颈。很多演员“范儿”不正，练到一定程度难度就发展不上去了，甚至要千里迢迢找到相关专家亲临指导纠正，而且在“开范儿”时不标准，练到一定程度再纠正就会很困难。因此，规避过度依附于教练个体经验和点对点传承的训练模式是杂技技巧发展性传承的关键。

GenAI执教杂技训练

通过系统化、标准化的标注和采集杂技技巧的标准动作，形成可规范化复制与广泛共享的技巧模板，可满足演员承习新技巧的基本需求。上海电影技术职业学院在建设舞蹈动捕数据库方面已经做出了十分成功的先行探索，该数据库的动作采集运用30多台动捕设备、53个马克点做标记，形成了可交易的舞蹈动作语料库，基于该数据研发的AI舞蹈评测系统已应用于日常教学，可及时为学生的舞姿生成评估报告。舞蹈动捕数据库的案例范式为杂技探索技巧语料库的建设节约了试错成本。

GenAI执教技巧训练可以实现将动作标准化的反复呈现，包括多角度、慢动作、定格动作的呈现，它就是技巧动作的标尺集合。演员可以细致地跟着AI扒动作学习，AI又可以为演员日常训练进行动作纠偏，避免“跑范儿”，也可为演员做动作分析和动态比对，找到“跑范儿”的症结所在，亦可以为演员基础性地自习新动作，为其标准化地“开范儿”。

值得注意的是，杂技艺术的吸引力在于技巧中蕴含的情感表达，即动作情绪的感染力。而标准化的动作只能解决技艺承习，不能代替真人教练传授技艺时为动作赋予的情绪感情。因此，在GenAI赋能杂技技巧传承上，仍需真人教练为技巧动作做情感表达的优化，通过指导动作抑扬顿挫的力度、加速度、抒展幅度等，让技巧与情感深度融合，不失杂技表演有温度的独特魅力。

GenAI担任技术陪练

GenAI作为杂技陪练也可实时提示演员练功的动作要领。例如在 “吊顶”“倒立推桩”等重复性强、易在后期丢失动作规范的这类基本功训练中，AI陪练可通过捕捉肢体状态，实时提示动作要领，如要加强腰部支撑力，双腿注意夹紧，注意身体控制、脚背绷直等。同时，AI陪练能精准完成动作计数，无论是连翻跟头的次数、倒立时长，还是抛接道具的成功次数，亦或在10个推桩中有几个是标准的，第几个动作走形了等，都可形成统计分析，让演员清晰掌握训练进度和成果，提升训练效率。

其次，针对杂技训练的枯燥性，GenAI还可提供适配的娱乐功能消解疲惫。AI陪练可嵌入趣味语音互动，在完成阶段性训练目标时给予即时鼓励，或穿插杂技行业小知识、播放曲风符合该训练项目的音乐等，让单调的重复训练变得更具趣味性，帮助演员缓解心理疲劳，保持长久训练动力。

四、GenAI辅助杂技剧/节目创作生成

杂技剧和杂技独立节目的创作，既需坚守杂技本体的技巧核心，又要兼顾叙事逻辑、舞台呈现与观众情感共鸣，传统创作模式往往面临技巧与剧情脱节、创意落地周期长、舞台效果预判难等痛点，尤其在排演阶段，演员需反复进行走位合光、动作磨合，无数次彩排不仅消耗大量体力，还可能因高强度重复动作增加受伤风险。GenAI凭借多模态生成、实时模拟与动态优化能力，可贯穿杂技剧/节目的一度创作、二度创作和舞台预呈现的全流程，构建“创意激发、辅助创作、效果预演”的数智创作闭环，尤其能通过虚拟演示替代现实舞台合成，大幅减少演员体力消耗。

【责任编辑:王金辉】