生成式智能|生成性文化遗产:AIGC驱动传统文化传承创新

作者：陈昌凤 陈凯宁

生成式人工智能（Generative AI）的快速发展正在诸多领域展开“降本增效”式的落地应用，作为人工智能的一个分支，其在视听传播领域催生了以Midjourney 、Sora、可灵、即梦等为代表的多模态视听大模型逐渐走向成熟。这些技术突破实现了从文本、图像、音频到视频等多种模态的内容生成，具备了更高的创作自由度和交互性。2024年2月OpenAI推出的Sora模型首次实现了从简单文本提示直接生成高质量的视频内容，标志着 AIGC技术从静态文本生成向动态视频生成的跨越式发展； 2025年3月谷歌的全模态图像生成器推出，Gemini 2.0 Flash支持原生图像生成功能，实现了一次迭代。同时，可灵、即梦等国产生成式AI工具也在快速迭代，逐渐形成了能够覆盖图像创作、短视频制作和虚拟数字人构建等全方位多模态生成能力。这些技术不仅革新了传统媒体的内容生产方式，也为文化创意产业注入了新的活力。

与此同时，我国对中华优秀传统文化传承创新的政策支持也达到了前所未有的高度。2024年党的二十届三中全会进一步强调了推动中华优秀传统文化的创造性转化、创新性发展，并提出要“深化文化体制改革，完善文化管理体制，激发全民族文化创新创造活力”；明确提出“加快构建促进数字经济发展体制机制，完善促进数字产业化和产业数字化政策体系” 。因此，加强新一代信息技术，特别是人工智能技术在文化领域的应用，推动文化产业数字化和智能化发展，成为一项重要的国家战略。

在此背景下，如何利用人工智能技术推动中华优秀传统文化的创新性发展，成为当下技术与文化交融的关键问题。传统文化作为民族精神的命脉，凝聚着中华民族数千年来的智慧与创造，具有丰富的文化内涵与价值观念。但是，在全球化和数字化快速发展的当代语境下，传统文化的传播面临着形式单一、互动性不足和年轻受众流失等现实挑战。生成式人工智能技术的兴起为解决这些问题提供了新的可能性：它不仅能够以生动、可感的视听形式呈现文化内容，还能够通过便捷化、个性化的创作方式提高受众的 文化参与度和认同感。

本文从技术的社会建构理论（Social Construction of Technology ，SCOT）出发，探究多模态视听大模型技术原理及其在传统文化主题内容生成的应用，通过参与式观察与分析，系统记录从提示词（Prompt）设计到模型输出迭代的技术实践呈现。本文将揭示生成式人工智能技术在传统文化传播中的具体应用与社会效应，旨在探讨生成式人工智能技术在赋予传统文化新生命、扩展传播范围及增强文化认同感等方面的作用与潜力，从而推动中华优秀传统文化在数字时代的创造性转化与创新性发展。

生成式人工智能技术（Generative AI）及其衍生的人工智能生成内容（AIGC）在内容创作和文化传播领域展现出巨大潜力。AIGC凭借其多模态生成能力，为文化内容的创新表达提供了新工具。

生成式人工智能（Generative Artificial Intelligence，简称Generative AI）作为人工智能领域的前沿分支，其技术演进从单一模态生成逐步迈向多模态融合，展现了显著的突破性进展。从AIGC（AI-Generated Content）技术的早期发展脉络来看，生成对抗网络（GAN）和变分自编码器（VAE）等早期模型为图像生成奠定了技术基础。随着Transformer架构的广泛应用，跨模态生成能力显著提升，尤其在文本与图像的融合生成中表现突出。2024年，OpenAI推出的Sora模型实现了从文本到视频的直接生成，标志着生成式人工智能技术进入新的发展阶段。这些技术进步不仅丰富了生成内容的多样性与复杂性，也为文化传播领域的创新应用提供了坚实支撑。

多模态生成应用中，图像、视频等视觉化生成成为最引人关注的类型。视觉化生成技术具有其独特性，从Midiourney等视觉专业类模型，到Sora等由大模型创造的视觉生成模型，其核心是具有拟真能力，其依托大规模数据集训练，能够生成高度逼真的视听内容，拓展了内容创作的可能性。生成式人工智能在视听生产中具有重要作用，它显著提升了创作效率并推动了艺术表达的边界。但是，人工智能技术的进一步发展仍受限于数据瓶颈，训练数据的质量与多样性直接影响到生成内容的创新性与可靠性。

生成式人工智能技术需要高效的评估方法。生成式人工智能的评价需要结合艺术性与科学性标准，采用客观指标与主观体验相结合的综合评估框架。已有实证分析证实，生成式人工智能技术对生产效率具有提升效应，但过度依赖技术可能削弱人类创造力。而数据隐私、模型可解释性等问题也是技术应用中的核心挑战。

视听化形态正在赋能传统文化的传播，而生成式人工智能技术极大提升了视觉化内容生产与传播效能。有研究显示，短视频提升了中华优秀传统文化国际传播效能，视听语言能够有效消弭文化隔阂，从而提升传播的全球影响力。生成式人工智能技术应用于教育与文化传播中，这项新技术通过互动性内容能够增强公众的文化参与感和认同感。以网飞（Netflix）和Sora为例，生成式人工智能技术通过自动化生产重塑了视听传播生态，推动了文化内容的快速流通。由此可见，生成式人工智能在视听传播中具有极高的应用潜力，为传统文化的呈现与传播创造了新型路径。

从技术与文化的互动关系来看，生成式人工智能催生的新型平台，作为一项新型基础设施，将重构社会与文明的各个方面。在此背景下，我们也要重视数字技术在传统文化传播中可能引发“技术折扣”效应，即技术化传播削弱了文化的仪式感与物质性体验，生成式人工智能的多模态生成能力为弥补这一缺陷提供了可能性，尽管其实际效果仍待验证。

生成式人工智能具有双刃效应，它在文化传播中的应用也引发了诸多争议，尤其围绕真实性与伦理问题。人工智能生成的拟真内容，可能因过度逼真而威胁文化传播的真实性，进而动摇公众信任。生成式人工智能在文化传播中的广泛应用，在内容创新与效能提升方面拥有巨大的潜力，但同时也面临真实性及文化多样性等伦理方面的挑战。

本文从科学技术与社会（STS）框架中的技术社会建构理论（Social Construction of Technology，SCOT）出发，探索生成式人工智能技术与中华文化创新性发展的互动机制。SCOT理论认为，技术的发展与应用是社会、文化、政策等多重因素共同作用的结果。在此视角下，生成式人工智能技术在文化传播中的作用不仅取决于其技术属性，还受到社会需求、政策引导及公众接受度的深刻影响。

为深化分析，本研究通过深度参与AIGC工具的应用实践，观察并系统记录、分析从Prompt设计到模型输出的完整流程，旨在揭示技术与文化认知之间的交互规律。本文主要回答以下问题：生成式人工智能在中华文化传播中呈现了哪些技术特征？生成式人工智能技术在文化传承中带来了哪些机遇与风险？如何优化生成式人工智能技术的应用策略，以推动中华文化的创新性发展？

多模态大模型为视听内容创作带来了一种全新的技术范式，在问世初期便以其惊艳的表现力吸引了技术极客们的广泛关注，尤其在科幻与幻想题材的内容生成中表现出显著的创意潜力。随着技术的扩散和公众参与度的提升，生成式人工智能的应用范围不断拓展，与传统文化相结合的方向逐渐成为一大研究与实践热点。在此将从技术原理的视角出发，系统探讨生成式人工智能在传统文化传播中的技术特征及其跨模态转译机制。

生成式人工智能的核心技术依托于多模态大模型，这些模型通过深度学习和大规模数据集的训练，实现了跨模态内容的生成与转换。在新媒体平台上，生成式人工智能主要以图像和视频两种形式呈现，创作者通过多模态大模型平台进行内容生成，并将其分享至社交媒体，形成广泛的传播效应。多模态大模型通过文生图、图生视频和文生视频种主流技术模式，实现了从单一模态输入到多模态输出的跨越。这些技术不仅推动了内容创作的技术革新，也为中华文化的数字化表达提供了重要支持。

文生图技术即将自然语言转化为图像，是生成式人工智能的基础模式。以Midjourney和DALL·E为代表的模型，结合对比语言-图像预训练（CLIP）和扩散模型（DiffusionModel），实现了语义与视觉的对齐。用户输入如“故宫红墙，金色琉璃瓦，秋日夕阳”的提示词，模型即可生成一幅展现中华建筑美学的图像。这种技术依赖于对文本语义的精准解析和图像特征的生成能力，为文化符号的视觉化表达奠定了基础。

在静态图像的基础上，图生视频与文生视频技术不断迭代，进一步拓展了生成式人工智能的表现形式。谷歌的Veo 2超越Sora，更加深入地理解现实世界物理和运动的细微差别，具备理解电影摄影语言的能力（如镜头类型和效果），分辨率高达4K。目前在欧美被专业领域广泛应用的Runway的Gen-2，通过视频生成网络和时序预测算法，将图像转化为展示动作流畅性的短视频。这种模式通过动态叙事增强了文化内容的沉浸感，是生成式人工智能较为高级的应用形态。视觉模型通过大模型的架构和视频生成算法，可以基于如“敦煌飞天，丝绸飘舞，沙漠月夜”的提示词，生成一段动态视频。这种技术可以将文化意境转化为基于视听的多感官体验。

在社交媒体平台如小红书、抖音和B站上，出现了大量人工智能生成的内容。截至2024年3月，以“AIGC+传统文化”作为关键词检索小红书平台上AIGC应用案例建立数据库，通过对这类笔记内容进行关键词统计分析（见图1），可以发现用户偏好使用基于宏观风格的提示词，如“中国风” “传统文化” “非遗”等，或文化元素提示词，如“水墨” “敦煌” “剪纸”等，用户通过这些关键提示词在多模态大模型生成内容并分享其创作经验。这种参与式文化不仅推动了AIGC的普及，也加速了中华文化内容的传播。例如，用户生成的“古典诗词可视化”图像或“AI非遗剪纸”视频等，通过社交媒体的转发和评论，形成广泛的文化共鸣。

生成式人工智能在传统文化传播中的应用不仅是技术层面的模态转换，更是一种从文化意向到具象呈现的跨模态转译机制。创作者通过提示词设计，将传统文化的主题、元素与符号转化为富有想象力的视听内容。

生成式人工智能的内容生产始于提示词的探索与设计。创作者围绕传统文化主题如历史文物、非遗技艺或自然景观，选择适合的关键词组合，并输入多模态大模型平台进行内容生成。例如，在生成“华夏青铜”作品时，输入提示词“商周青铜器，饕餮纹，神秘氛围”，生成结果即为带有复杂纹饰的青铜器图像。这一过程不仅是技术操作，更体现为文化的编码与解码，提示词的质量直接决定了生成内容的精准度与艺术性，而优质内容的输出也通常经过多轮迭代完成

生成式人工智能的文化生产可概括为一种跨模态转译机制，即通过对中华传统文化文本的解构和提示词重组，在技术想象的推动下实现创新性内容生成。这一机制既保留了文化遗产核心意蕴，又使传统文化适应当代传播环境，拓展了其全球化表达空间。提示词设计与内容生成的过程，使传统文化意向被有效转译为富有现代视觉冲击力的具象内容。生成式AI在跨模态转译过程中，以技术想象力融合全球化审美需求，显著提升了中华文化传播的效果。

生成式人工智能的兴起催生了一种全新的文化传播模式——“生成性文化遗产”。这一模式以生成式人工智能的多模态生成能力为依托，将传统文化资源转化为动态、可交互的数字形态，不仅突破了传统文化遗产的局限，还通过技术创新与公众参与重塑了文化传承的生态。这一模式如何在全球化与数字化语境下为文化传播注入新活力？它对文化真实性与多样性有何潜在影响？我们将对“生成性文化遗产”进行学术化界定，并从技术赋能与实践挑战两个维度展开论述，从而揭示生成式人工智能在推动中华文化创新性发展中的潜力与隐忧。

“生成性文化遗产”是指通过生成式人工智能技术创造、演化并传播的一种动态数字文化遗产形态。它以传统文化元素为基础，利用生成式人工智能的多模态生成能力--如从文本到图像、音频乃至视频的跨模态内容生成--对文化资源进行重新解构与创新表达。与传统文化遗产的固定保存与单向展示不同，生成性文化遗产强调内容的动态性、交互性与实时迭代性。其核心特征在于通过技术工具降低文化创作门槛，赋予用户参与文化生产与再创造的能力，从而形成一种兼具传承性与当代性的文化表达方式。这种模式生成的数字内容能够在保留文化根脉的基础上，融合现代审美与全球文化趋势，推动中华文化的活态传承与全球化传播。“生成性文化遗产”不仅拓展了文化内容的呈现形式，还通过生成式人工智能的技术可供性激发了公众的文化创造力。然而，这一创新模式在带来传播机遇的同时，在已有的新媒体实践中，同样对文化传承的可持续性提出了新的挑战。

生成式人工智能凭借其独特的技术可供性，正在重塑文化内容创作的生态。技术可供性是指技术工具所提供的潜在使用可能性。而生成式人工智能通过直观的提示词输入和自动化生成机制，将传统上依赖专业技能与高成本的文化创作转化为普惠化的操作体验。这一转变显著降低了文化生产的进入门槛，推动了文化创作的大众化进程，并通过社交媒体的传播机制加速了中华文化的全球化影响。

生成式人工智能模型的普及使文化生产自专业领域走向大众参与。过去的文化创作如绘画、音乐或影视制作需要深厚的专业背景与较大的技术资源投入，普通用户难以企及。生成式人工智能通过简化创作流程，使非专业用户也能生成高质量的文化内容。用户仅需输入特定提示词（文本、语音或视觉），生成式人工智能即可生成一幅融合传统美学与现代视觉风格的视听产品。这种便捷性不仅拓宽了文化创作的参与群体，还推动了文化生产的“众包化”（crowdsourcing）趋势，即通过广泛的用户协作实现文化内容的共同创造。这一过程使得用户从单纯的文化消费者转变为生产与消费兼备的“产消者”。人工智能生成的作品在新媒体社区内分享后，用户通过评论反馈或提供新提示词推动内容迭代，形成了动态的文化共创生态。这种模式不仅丰富了文化表达的多样性，亦通过技术赋能增强了公众的文化参与感与创造力。

人工智能生成的传统文化内容借助社交媒体平台的传播力，进一步拓展了中华文化的全球影响潜力。以抖音和小红书平台为例，用户创作的“春节舞龙”视频或“汉服元素”创意图像能够在短时间内吸引大量关注并进一步文化出海。这种技术驱动的传播不仅提升了中华文化的可见度，还通过视听化的呈现方式增强了受众的文化认同感。例如，“AI非遗剪纸”系列视频在2025年春节期间成为流量热点，其鲜明的视觉效果与互动性吸引了年轻群体参与分享，成功将传统文化融入当代生活语境，并在主流媒体加持下进一步走向海外。

尽管生成式人工智能在文化传播中展现出巨大潜力，其生成内容却伴随着真实性风险与同质化隐忧，对文化传承的可持续性构成挑战。

人工智能生成的文化内容在真实性上面临显著挑战，这一危机主要源于算法偏差与训练数据的局限性。生成式人工智能模型依赖大规模数据集进行训练，而这些数据集往往未能充分反映中华文化的多样性与复杂性。以“敦煌飞天”为例，若训练数据中东方文化元素不足，生成图像可能呈现出西式特征（如欧式面孔或哥特风格的羽翼），导致文化符号的误读与失真，进而带来一种潜在的“数字殖民主义”，即强势文化通过技术媒介对他者文化的侵蚀。

此外，生成式人工智能的开放性赋予用户广泛的创作自由，但也增加了文化误读的风险。由于多模态大模型的训练数据集中相对缺乏中国传统文化内容，因此在诸多传统文化案例的生成中会带来结果偏差。从信息传播的角度看，这种现象同样类似于一种“虚假信息”的扩散，可能削弱公众对数字文化内容的信任。因此，如何在技术赋能与文化真实性之间找到平衡，亦成为生成性文化遗产实践中的核心问题。

生成式人工智能在传统文化主题应用中同样存在审美趋同导致的同质化现象。由于公众的参与很大程度上建立在互相之间的学习、借鉴、模仿之上，基于大同小异的提示词，其输出内容往往呈现出高度一致的风格特征。例如，在社交媒体平台上流行的“敦煌风”内容中，这一现象表现得尤为明显。用户能够轻松生成以敦煌莫高窟壁画为灵感的艺术作品，这些作品通常具有风格化的色彩、特定的元素符号与图案。然而，由于技术门槛降低和提示词的高度相似性，这类“敦煌风”作品风格上的趋同性不仅削弱了文化内容的独特性，还可能导致审美疲劳。敦煌文化作为中华文明的重要组成部分，蕴含着丰富的艺术价值和历史内涵，生成性内容多局限于表层的视觉模仿，无法充分展现其多样性和独特性。这种同质化现象最终可能限制传统文化在数字时代的创新传播，影响其在当代语境下的生命力与影响力。

平台算法的推荐机制进一步放大了这一问题。为追求流量最大化，平台倾向于推送符合大众审美的热门内容，而小众或差异化的文化表达则被边缘化。例如小红书上“新中式”风格的生成图像因其简洁明快的视觉效果广受欢迎，但复杂的传统工艺细节或地方特色却鲜少被呈现。若不对数据来源和模型训练进行多元化优化，生成式人工智能可能持续放大主流文化偏好，长远来看将损害中华文化的丰富性与包容性。

“生成性文化遗产”作为人工智能驱动的一种新型文化传播模式，通过技术赋能实现了传统文化资源的创造性转化与创新性发展。其众包化与全球化效应降低了创作门槛，拓展了传播范围，增强了文化认同。然而，真实性与同质化的问题同样也提醒我们，技术创新必须与文化保护并重，以确保生成式人工智能在中华文化传承中发挥积极作用，避免其成为文化异化的推手。

本研究揭示了生成式人工智能在传统文化传播中的双重影响，通过技术的社会建构理论视角，系统分析了生成式人工智能在中华文化传播中的应用效果与潜在挑战，提出了“生成性文化遗产”概念。多模态大模型平台同样以一种“半自动化智能技术”，使用户得以发挥更大的主观能动性参与内容创作，显著降低了文化生产的门槛，促进了传统文化传播的众包化与普及化，促进了公众参与和文化可见度的提升。然而，算法偏差与数据局限导致生成内容可能偏离文化原貌，而模型趋同性与流量导向则加剧了内容同质化，削弱了文化表达的独特性。这些发现表明，生成式人工智能在技术创新与文化保护之间需寻求动态平衡，以确保其在文化传播中的长期价值。

生成式人工智能应用中的真实性危机与误导风险凸显了提升公众智能素养的必要性。智能素养不仅限于技术理解，还涵盖对生成内容的批判性评估与伦理判断能力。面对愈发复杂的生成式的“真实”，公众需具备识别文化失真与理性参与文化共创的能力。为此，教育普及应聚焦生成式人工智能原理与局限性的知识传播，增强公众的媒介批判意识。同时，技术透明性是提升智能素养的关键，开发者与平台需公开生成逻辑与数据来源，并制定伦理规范，以增强公众信任与责任感。这些路径旨在确保生成式人工智能应用服务于文化传承，而非偏离其初衷。

生成式人工智能在文化传播中的价值，需通过科技应用“向善”导向加以实现，其目标在于服务文化传承与创新，而非单纯追求技术或商业利益。为此，需优化数据与协作机制以强化其正向效应。在数据层面，引入多元文化资源并提升模型对文化元素的精准识别，可有效缓解同质化与失真问题。在社会层面，政策引导与跨界协作至关重要，政府、行业与学术界应共同制定技术标准与伦理框架，确保生成式人工智能尊重文化多样性与敏感性。通过这些措施，生成式人工智能可成为推动中华文化创新与全球传播的有力工具。

在人与机器的关系日益复杂交织的当下，内容生产亦不再是纯粹的人类活动，而是人机协同的产物。生成式人工智能在中华文化传播中既有潜力也面临挑战。通过人工智能技术赋能，我们实现了文化的现代式表达，但我们需要通过智能素养提升与科技向善路径应对相关风险。未来，生成式人工智能可进一步融合智能化与沉浸式技术，深化文化体验，并在全球文化交流中发挥更大作用。要确保技术创新与人文价值的协同发展为中华文化的可持续传承注入新动力。

编辑｜熊泽心

审核｜陈昌凤 肖鹏