DI如何更好地管理电影数据从一个镜头到整套影片

张来吃「天工异彩 数字工程部DI工程师」

张来吃

天工异彩「数字工程部DI工程师」

张来吃老师，天工异彩数字工程部DI工程师，从业4年，拥有丰富的数字电影影像工程色彩与数据管理经验，熟悉各类上映版本特性，擅长处理各后期环节技术对接与制作工作。参与作品：《囧妈》《哪吒之魔童降世》《上海堡垒》《超时空同居》《幕后玩家》《动物管理局》《我才不要和你做朋友呢》《绅探》《人不彪悍枉少年》

张来吃老师完整的讲解了电影制作流程中的数据管理思路，给大家提供非常有价值数据管理系统搭建的参考。

---

天工异彩张来吃详解电影数据管理：从"PIO基建"到"数据中心"的工业化实践

近日，天工异彩数字工程部DI工程师张来吃在行业直播活动中系统分享了电影数据管理的全流程经验。作为国内全流程影视后期企业的技术枢纽，天工异彩数字工程部承担着连接剪辑、调色、声音与视效四大板块的融合职能，通过自研PIO数据库系统与Python自动化工具链，正在将传统"体力密集型"的数据管理升级为"数据中心"驱动的智能化流程。

数字工程部：大后期的"万能齿轮"

张来吃介绍，天工异彩将后期制作划分为视效与大后期两大板块，数字工程部隶属于后者，与剪辑、调色、声音并列。但与创作部门不同，数字工程部更偏向技术维护与管理，核心职责是确保原始拍摄素材与最终母版的安全流转。"如果一部电影后期制作顺利完成且没有任何小插曲，说明我们的工作干得非常棒。"张来吃如此定义部门的隐性价值。

随着视效比重不断增加，数字工程部日益成为视效团队与调色、剪辑部门之间的"技术翻译"与"融合剂"。尤其在《上海堡垒》等视效量巨大的项目中，部门承担了多支外部视效团队与内部调色室之间的沟通桥梁，协助解决版本交接、技术适配与三地版本制作等复杂问题。

存储与工具：NAS为主，Python筑基

在存储架构上，天工异彩目前采用NAS与SAN混合方案：NAS因扩展性强、终端访问灵活，优先用于剧集等数据量大的项目；SAN则凭借更高稳定性，承担电影项目及中转存储任务。张来吃透露，团队正逐步向云存储探索过渡，但需经历较长的适应期。

软件层面，天工异彩自主研发了名为"PIO"的数据库管理系统作为基建，支持按日期、版本、类别等多维度检索与统计。在此基础上，团队基于Python开发了系列小工具，将重复性工作自动化。例如，视效部门挑选出的数百个镜头需批量导入达芬奇并保留命名，传统人工录入易出错且耗时，而通过小工具可一键完成名字迁移，"点一下，哗啦哗啦一百个名字就自动上去了"，人工仅需复核确认。

数据中心概念：信息整合与自动化升级

张来吃提出"数据中心"概念，强调其并非替代DIT、IO或视效剪辑等岗位，而是作为辅助性的信息整合服务。该中心的核心逻辑是：数据产生自各环节，需经过入库、消化、分析后反哺创作。以剪辑版本管理为例，传统方式依赖人力统计修改点，易遗漏且成本高；而通过分析剪辑变化自动生成更改统计，接收方可据此精准核对，大幅提升版本同步效率。

针对视效镜头"回插"难题——即时间线上堆积如山的视效镜头需逐一手动整理——团队借鉴视效剪辑思路开发了自动化工具，实现一键升级镜头版本并自动调整时序，且不影响调色剪辑点。这一工具同样可扩展至其他非文字类文件的管理。

跨部门与跨公司协作：标准化与前期测试

张来吃强调，数字工程部需主动了解各部门工作特性，像"万能小齿轮"一样嵌入剪辑、调色、视效乃至IT部门，而非被动等待指令。面对外部合作团队，天工异彩坚持"前期完整测试"原则：双方在项目启动前尽可能模拟后续可能出现的各种情况，挖掘潜在风险点，必要时联合开发小工具以最低成本统一制作标准。"每一个项目都像小孩一样有个性，都需要量身定做方案。"

在特殊版本管理方面，3D立体版、IMAX画幅、HDR版等因制作周期靠后且被动，一旦2D版修改便需同步更新，管理混乱后果严重。数据中心通过持续记录前因后果与完整统计信息，确保后期快速回溯、安全交付。

持续探索：不做"拿着锤子的人"

张来吃总结，天工异彩数据管理已达成三大目标：自动化替代重复劳动、确保信息不被二次编辑以维持准确性、实现多元视角的灵活管理。但他认为最核心的理念是"持续探索"——不断学习其他制作环节乃至其他行业的逻辑，跳出固定思维。"我们不希望成为拿着锤子的人，看什么都像钉子。"

活动最后，张来吃以"文件名规范"这一基础却关键的细节作结：看似繁琐的命名规则背后，是团队多年踩坑积累的血泪教训，正如银行看似奇怪的签字流程，皆为风险防控的必然选择。在数据安全面前，严谨永远是第一位的。

讲座视频

[~以下为收费内容~]

MXDIA：接下来，我们有幸邀请到天工一彩的数字工程部的DI工程师张来吃。张先生的名字确实别致，他自己形容这个名字是一种雅号，或者说是前女友赠送的。关于这个名字的由来，他坦言带有一点自嘲性质，因为作为重庆人，对美食有着天生的热爱，这似乎刻在了基因里。

今天我们将与张先生进行一次对话，因为在接下来的内容中，张先生将为大家详细解读关于电影数据管理的一些话题。直接进行这方面的讨论可能对于一些并非专注于数据管理的同行来说有些陌生，因此我们希望通过这段与张先生的对话，帮助大家更好地理解关于DI工作以及电影数据管理工作的具体内容和背景知识。

MXDIA：首先，我想了解一下天工一彩数字工程部的具体工作内容以及张先生的职位。

在我们公司，数字工程部属于大后期制作的一个重要组成部分，与失效板块并列。由于失效板块的结构较为复杂，我们单独将其分离。大后期部分主要由剪辑、调色、声音以及数字工程部等组成。数字工程部在技术上起到融合其他部门的作用，特别是对于调色部门，我们的合作更加密切。由于数字工程部能够直接接触电影的原始拍摄素材以及最终输出的模板，我们的日常工作涉及到许多方面。

与剪辑、声音和调色等部门相比，数字工程部最大的区别在于我们可能不太负责创作，而更多地是维护管理工作，包括技术和沟通方面的工作。举例来说，我们会处理许多实拍素材，负责将这些素材交给剪辑和调色部门，并协助他们更好地处理这些资料。此外，我们还负责与失效部门的一些交接等工作，这使得我们的工作看起来可能较为繁琐。"

首先，我们面临的一个基本的岗位需求是什么呢？其次，我们需要从这些看似繁琐、零散但又广泛覆盖的任务中挖掘出许多有价值的内容。从某种角度来说，如果一部电影在后期制作阶段能够顺利完成，那也是我们工作执行得非常出色的一个见证。如果没有出现任何小插曲，说明我们的工作非常出色。尤其是在现今电影后期制作的环节中，失效制作是最为复杂的，这是大家都应该了解的。而且，现在的数据量也越来越大，因此我们的部门与失效部门保持着密切的沟通和合作，作为中间的融合剂，将剪辑、调色和与画面相关的其他部门全部融合在一起，确保各个版本的模板最终能够输出。这是我们工作的一个概况。

总的来说，这项工作责任重大，因为对于数据的管理稍有差池可能就会带来毁灭性的问题。尤其是数据的安全本质也是非常重要的，是所有工作内容中最核心、最关键的一个元素。毕竟，我们接触的是原始的拍摄素材和最终制作的模板，如何保证这些数据的安全对我们来说是一个非常大的责任。

既然涉及到管理这么多数据，最基础的一个方面就是存储。在数据管理中，最基本的东西就是存储。目前有很多存储解决方案，包括公有云、自有云，还有传统的硬盘购买方式。天工一彩作为一个全流程制作公司，面临的数据量要比一般的制作公司大得多。考虑到这个体量，目前采用的存储方案有很多传统方案的成分在里面。虽然我们希望能够更多地利用云存储方式，但在过渡期，我们主要使用一些NAS或者SAN的方式。相对而言，NAS的方案更加灵活，因为它的扩展性和逻辑管理更符合我们的日常需求。现在NAS的速度基本上能够与SAN持平，并且与许多网络相关的设备和逻辑结构都非常成熟。我们能够满足许多终端同时访问的速度需求，而且可以根据项目的需要调整存储空间。在对存储要求较高的项目中，我们会优先选择NAS作为存储方案。相比之下，SAN的容量成本可能会稍高一些，但其稳定性比NAS稍好一些。因此，在某些项目，尤其是对容量要求较高的电影项目中，我们会选择SAN作为存储方案。当然，具体的选择还是要根据项目本身的特性和周期等方面进行安排。

MXDIA：那么，在我们的工作中，与硬件打交道的可能性相对较高，但更多地实际上是在软件层面，直接使其运转起来。对于数据管理这方面，尤其是具体到某一个项目，我不清楚现在从天工的角度来看，是会单独制定一个软件解决方案，还是采用通用的解决方案。

现在的情况是这样的。我们对于数据管理，我这里所指的数据管理主要包括一些具体创作的镜头，实拍的素材，以及中间产生的各种物料，比如大家最常见到的XML 1.0，以及若干表格和其他各种周边物品。在管理这些内容时，我们首先使用了一个我们内部研发的基于数据库的管理系统，名为PIO。PIO的逻辑相对简单，我们通过各种信息将需要的内容全部录入到我们的数据库中，以便后续的查询、引用，包括导出表格或者根据某些复杂的逻辑进行筛选，例如从哪天到哪天、各种属性、各种类别等。我们在这个基础上进行了一些统计和计算等操作，这相当于我们公司在数据工程部进行的一个基础建设。PIO是我们内部研发的一个工具。

在这个基础上，我们衍生出了很多帮助我们高效工作的小工具，这些小工具根据项目的具体情况由我们研发部门和数据工程部门共同开发。这些小工具基本上都是基于Python语言编写的，这是一种在过去一年比较流行的方法。例如，我们可以根据某一项目的具体情况，在前期测试时预见到将来几个月内可能会重复遇到某些复杂的问题。为了提高工作效率，我们会根据这种情况花一些时间，召开会议，然后由我们的研发部门和数据工程部门共同编写一个小工具。最理想的情况是，一旦有了这个工具，我们只需点击一下，整个流程就能够执行完成，接下来就是人工确认、仔细检查，并交给接下来的制作环节进行制作等等。这样的方式使我们先有了一套自己的基建，一个功能非常强大的基建。然后在这个基础上，我们根据各个项目的不同情况，灵活地编写各种小工具。当然，这些小工具也可以积累下来。

例如，我们发现在中间某一次获得了特别出色的灵感，而且这次遇到的问题确实是非常经典的，很多项目都可能会遇到。这个工具的应用范围会特别广，因此我们也会将它保留下来，并整合到我们内部的一个小工具箱里。我们还编写了一个小工具箱，平时可以非常快捷地通过一个快捷方式将它调出来直接使用。就是这样。

然后，之后将我们的注意力放在，比如说画面本身，然后进行一些必要的检查。最初提到的在这个岗位上的工作，对于现在公司里与IT部门或者数据部门有关系的情况，可能在大多数公司中是比较复杂的，涉及到复杂的工程和业务。可能会更细分。对于我们天空这边目前的情况，像DI、IO等岗位的名称会涉及到与数据打交道的一些工作，这些岗位大概会分为多少个，这个问题确实有点抽象，因为一方面，每个公司的分工方法或逻辑肯定会有差异。另一方面，因为每个公司的业务、制作方向等都有不同的规划，像我们公司一样，我们希望在一些相对设计面比较广的部门，尤其是像我们这个部门，涉及的一些东西相对来说会有点杂，但又很关键，因为有些细碎的东西确实需要我们记在脑子里，尤其是针对某个项目。在这种情况下，用管理的逻辑或思路来思考的话，你可能尽可能地将一些东西集中在一个人身上会更好一些，而不是让多个人一起协同。你问一个问题，你可能得想一想，哦，我可能需要找好几个人才能正确回答这个问题。所以，至少在我们公司的当前情况或者说公司的规划来看，按照我刚刚介绍的方式作为数字工程部门，可能会听起来有点奇怪，因为仅从名字上看很难理解我们的一些具体职责。但是，也可以说这是我们目前情况下的一个最优解。

可能更多的是一种配合的例子。比如，与IT部门的合作就是这样。我们有许多需要与IT部门密切合作的事务，尤其是一些与数据不相关的内容。特别是在我们正在探索云端工作方式的情况下，我们需要我们具体执行的同事去亲自了解很多IT相关的工作细节或者说他们的工作原理，以便更好地提出我们的需求，让他们帮助我们搭建一个更好的执行方案。例如，我们现在在探索的云端工作方式也是一样的，我们需要先了解一下云端能做什么，云端工作的一些特性是什么，然后从IT的角度得到一些建议或者解释。然后结合我们实际工作的一些特性，比如哪些东西能放上去，哪些不能放上去，哪些放上去可能效率会大大提高等等的细节，然后我们两边在密切的讨论中相互交流，配合做一些必要的测试。只有这样，我们才能够得到一个更好的合作，而不是采取传统的、简单粗暴的沟通方式，例如电脑出故障就跟IT老师说“我的电脑坏了”。实际上，我们对于调色、剪辑等方面的同事也是采取这种主动了解对方工作特性和细节的方式，然后根据彼此的特点进行沟通和测试，得出结论。相对于我们，就像一个万能的小齿轮一样，要嵌入到各个板块中去学习，从各个板块中获取信息，发挥出最大的效果。

如果各位有注意看我参与过的项目的话，明显可以看出，像上海宝这样的大型项目，销量非常大，涉及的内容也相对复杂。这种项目当时确实给我留下了深刻的印象。在这些项目中，我们参与或者说负责了许多辅助校制作的工作，同时也充当了技术沟通的桥梁，连接视效团队和调色室之间的沟通。我们在这方面起到了一些小的贡献。由于这类片子的制作相对复杂，涉及多个实销制作团队，而且在实销制作完成后还涉及到三地版本的制作，中间的技术沟通就显得尤为重要。我们要解决他们之间的一些技术沟通和复评的问题。同时，我们还需要充当一种小翻译的角色，根据两边的工作特性进行翻译。在这种情况下，我们经常需要出现，这时我们的价值就体现出来了。我们的日常积累就是从各个部门学习不同的东西，同时在中间充当一个桥梁的角色，发挥我们的价值。

对外合作的管理确实是具有一定挑战的，因为他毕竟不是我们公司内部的部门。从这方面来说，我可以简单介绍一下，天空这边在与外部合作时，如何确保数据、雕塑格式版本等方面能够尽可能与我们公司的管理对接上。

在正常情况下，之前的一些项目中遇到过类似的情形，参与的团队不仅限于我们公司内部。为了对接外部的社交团队或其他环节，我们通常采用一个通用的方法，即首先在开始之前进行一次完整的测试。双方都尽量考虑到可能发生的后续情况，从中挖掘可能存在的一些潜在问题，以及需要避免的一些坑。

通过这样一次测试，我们能够了解到双方制作标准和工作习惯的不同之处，有助于我们适应彼此之间的差异。如果有必要，我们可以开发一些小工具，通过最低成本的方式解决共同产生的问题，得出最佳方案。

在合作过程中，可能会涉及到一些数据上的沟通情况，比如作为C公司，我们在帮助A、B公司进行沟通时可能会遇到一些复杂的情况。在这方面，首先需要一个比较好的基础设施的支持，比如我之前提到的PIO。我们在中间提供服务，为A、B公司之间的沟通提供建议。

我们还会提供一些建议，避免给后续留下坑，以免在项目进展到关键时刻时出现问题。我们通常会站在第三方的角度，给出A、B公司之间对接沟通的建议，提高整体的沟通效率。此外，我们作为一个比较靠后的制作环节，会从这个角度去看待前面各个环节，提出可能的问题并提供建议，希望能够帮助到前面的团队。

确实，处理大型项目的数据时，复杂度确实会非常高。在电影和电视剧等影视项目中，特别能感受到这一点。对于新入行的朋友，通常会经历一些典型的情况，比如最初学习的第一课就是如何规范地命名文件。有时候，新人可能刚开始对这些规定感到繁琐，可能觉得为什么非得按照一定规范来，为什么不能随便写一些简单的数字和字母。

确实，很多规定看起来可能很繁琐，但实际上这些规范是经过大量经验教训总结出来的。就像银行有各种规定一样，这些规定很难理解，但都是为了防范各种风险，通过不断积累的经验教训制定出来的。所以现在看到的这些规范，都是我们在实践中踩过的坑、吃过的苦，最后总结出的一套较为合理的方法。

经过这些教训，我们形成了一些比较好的处理方式，确保了项目的顺利进行。就是通过多次的挫折，我们才会得到对数据处理更为科学、规范和高效的方法。

感谢主持人，感谢导播。我是天工一彩的DI工程师张来迟，很荣幸参加brtv影视制作专题讲座的直播活动。我将在MXDI公众号的直播问答页面回答大家的提问，欢迎大家扫码提问。

今天我要为大家分享的主题是DI如何更好地管理电影数据，从一个镜头到一整套影片。数字影像数据看不见也摸不着，但它是保证画面制作完整无误的关键。我们需要确保主创们的创作意图能够正确地传达到观众的眼中，确保每一帧的画面都是我们预期的结果。在满足基本画面制作流程的基础上，我们还需要更好地管理这些画面数据，甚至从中挖掘出更多的价值。

在介绍之前，让我们简单地看一下当前面临的一些现状。越来越多的影片会制作看不见的视效，视效量越来越大也越来越普及。在收集到视效制作完整的镜头后，需要一个更科学高效的管理手段。对于DI而言，视效镜头的管理发生了变化，体现在规模和体量上，以及更多团队的参与。

更大的规模和体量是可以理解的，要求我们在有限的时间内更高效地处理这部分内容。更多的参与团队需要更便捷高效的沟通方式。周期和时间都是有限资源，每个环节的时间都需要更好地控制。在市场环境瞬息万变的情况下，制作周期会不断变动，需要我们灵活调整。

参与团队的增多也意味着团队可能分布在全国甚至全球的不同地方。在不同领域、不同时区，团队之间高效传递意见和信息是值得思考的问题。最近半年，我们因疫情开始接受了远程工作的形式，但并非所有制作岗位都能适应这种方式，尤其是对于需要处理更高数据安全等级的岗位以及对操作要求较高的岗位。如果能提高执行效率，满足各种安全需求，抵消负面影响，这也是值得我们探索的方向。

了解制作环境需要注意的几点后，我们需要梳理一下后期制作各个环节的特性，找到值得思考的角度。按照影片内容信息的流向，通常所有内容都源自剪辑部门，随后再传递至其他各个部门，最终形成观众看到的成片。这样的流动方向并不是单一的几个箭头就能改变，不同部门之间在不断传递数据和信息，这样的传递方向会变得非常复杂，最后才会汇集成为一部或多部的成片。

在制作中，沟通和对接通常并非一对一，往往需要多人共同参与。传递各种信息可能需要三到四个人的沟通来完成，而这些信息不仅仅包括表格等肉眼可见的数据，还包括大样小样、紧急时间线、点击表等关键信息。在更广的视角上，沟通链条会包含许多人，而这些人不可能全部聚在一起面对面商讨，但这些信息需要准确无误地传递，并产生预期的结果。

为了解决这些问题，提高沟通效率，我们提出了一个概念——数据中心。这是一个一体化的信息整合方式，集中管理画面数据信息，确保大家能够得到一致有效的内容，并可以便捷地存取所需信息。数据中心的概念更接近一个概念化的整合方式，是一个针对特定环节的服务，虽然它可能不是一个实体的存在，但需要进行许多针对性的建设才能发挥出应有的效果。

在这个概念中，我们考虑到了DI、视效、剪辑和剪辑助理等岗位，并不是要替代它们，而是为这些制作组织部门提供辅助。这些岗位直接接触到剪辑、视效、声音等部门提供的内容和原始素材，这些都是非常珍贵的资产，因此对它们的整合管理和保护显得尤为重要。

数据产生自各个制作环节，不同的环节提供的内容需求也千差万别。我们努力尝试各种提取和筛选有效部分的方式，并以数据库的形式进行内部管理。接下来就是消化这些数据，挖掘可利用的价值，做出统计，并在此基础上计算总结。为了提升效率，需要更高效地整理数据，发挥其价值，为各个创作环节提供更好的服务。

在处理数据时，特别是服务于剪辑、调色、设效等环节时，理解它们的需求是关键。在剪辑方面，关注不同版本的内容是重要的，而在调色方面，不仅要注意最终确定的画面，还需要关注现场调色和预调环节。特殊版本的制作，由于其不太常见且制作周期较长，需要高效的管理和控制方法，确保对这些特殊版本的制作也能够以100%的认真态度对待。

从周期的角度来看，制作过程越往后越紧张，越容易被压缩。剪辑通常较早开始并较早结束，而调色则通常较晚进入，并随特殊版本的完成而结束工作。整体的繁忙程度可以用一个曲线来表示，越忙越乱，越靠后越容易出现混乱，而在前期进行良好的预判则是避免混乱的关键。

在处理数据时，需要考虑各种信息，包括文字类、数据类、物料类等。对这些信息进行入库、整理、归纳和提取，确保数据的精准性。避免对已有信息进行二次编辑，以防误差的产生。数据中心的价值曲线也可以理解为在整个制作过程中，数据中心能够发挥作用的程度，特别是在处理信息和数据的消化能力上。

最终，处理数据的目标是获取对制作决策和判断有效的信息，确保整个制作过程的顺利进行。

数据中心在组织和呈现阶段的工作是关键的。这包括对已有内容进行人工验证，对画面、剧情等进行判断，进行基本的QC以及从中获取影响后续制作决策的有效信息。整个过程需要进行信息的分析、记录、反馈和汇报，并最终将所需的文字、数据和物料交付给各个环节。

在数据中心的等级上，可以考虑基本的信息物料的IO，满足各种数据中心的等级，并完成数据的收集与整理工作。其次是对已有信息的查阅检索，完成基本的统计管理和一定的分析。进一步，可以辅助其他环节的数据管理，帮助提供可信、合理的数据参考，最终实现统一管理，满足异地交互和更广泛服务的需求，同时提供定制化高效的数据管理方案。

数据中心能够解决一系列问题，包括提升沟通和制作效率，减少交接障碍，连接不同制作领域，简化沟通方法，以及保护创作意图。通过提高效率，将更多精力投入创作，使团队协作更加顺利，实现不同制作需求，并确保艺术家的成果能够顺利呈现给观众。

然而，数据中心不能主观地判断创作意图，需要理性地对待所有的内容，确保不对信息进行过度解读。

在剪辑环节，经常会有剪辑版本的变动，这是一个常见的情况。这些变动可能包括内容的修改、添加或删除，而这些变动的意义非常重大。通常，剪辑助理需要将剪辑内容拆解和重塑，以满足各个部门的需求。版本的变动可能会产生多种不同用途和类型的物料，因此需要各个部门之间的同步工作。

在处理剪辑版本的变动时，关键的问题之一是了解修改的具体内容。这决定了修改所产生的各种成本，并且希望能够准确地将修改的部分传达给相关人员，以避免遗漏和不必要的工作。虽然可以通过人力统计来输出修改点的描述，但人为失误难以避免，而这对于剪辑这个环节的影响可能是巨大的。

在这种情况下，如果能够通过分析剪辑的变化，自动统计出修改的内容，并由人工进行核对和交互，接收方再次根据这一统计信息核对并实施修改，将会提高效率。这种自动化的方式可以帮助减少人为失误，提高处理变动的效率。

此外，每次剪辑版本的变动可能对每一个镜头产生影响，而每一个镜头的背后可能涉及多个剪辑版本、调色版本和视效版本。管理和跟踪这些变动对于确保制作过程的顺利进行非常重要。因此，思考如何更好地管理和追踪这些变动是一个关键的问题。

在视效方面，版本的管理通常是一个巨大的挑战。视效镜头数量庞大，每个镜头的版本都需要独立管理。由于视效制作通常涉及到很多专业领域，不是所有人都能深入了解。同时，视效制作还需要按照实际需求进行一些规则之外的创作，这是一个既费体力又费时的过程。

DI过去并没有像视效那样有各种强大的工具来帮助管理。因此，首要任务是解决视效镜头的回传和整理，即解决时间线上积压的视效镜头。通过将这些镜头折叠，不仅使整体看起来更加清晰，而且对调色和后续剪辑修改更加友好。

然而，在实现这一目标时，第二轮中似乎没有专门设计的功能，如Nix Studio那样高效便捷。因此，他们借鉴了视效剪辑的思路，单独设计了新的自动化工具。这个工具可以一键升级所有镜头的版本，对这些镜头的各种调整也能够实现自动化，而不影响调色和剪辑点。这个工具的实现基于对所有进出镜头、不同版本和参数细节的记录和合成调用，能够根据项目执行中途可能发生的变化做出适当的调整。

这种数据记录方式不仅适用于视效镜头，还可以扩展至其他需要管理的非文字型文件。在各个环节中适当地创建和设定，可以帮助记录各种细节，方便后续查找和辅助判断决策和修改。

在交接工作中，记录交接过程中的动作、相关人员和事前因后果等信息是非常重要的。每一次交接过程中记录这些信息，可以在后续快速找到需要的内容，帮助完成各种判断、决策和修改。

最后，特殊版本的制作通常发生在项目的后期，需要依赖之前记录的各种资料和信息。这些记录可以帮助在后续制作特殊版本时更加迅速和准确地找到所需的信息。

关于特殊版本的制作本身，我们也可以展开一些话题。最常见的特殊版本是双眼3D的立体版本，还有一些特殊的画幅，比如IMAX中国剧目、HDR版，例如读笔影院、读笔世界等。更为复杂的可能是3D立体版，因为从摄像制作的角度看，这相当于整个影片的每一个镜头都会产生一个或者多个额外的制作版本。在制作方面，很多时候制作团队也是一个独立团队，加上制作周期较长，而且是被动的。一旦普通的2D版有修改，都需要在3D版中再进行一些调整。因此，如果在这个时候管理出现混乱，就可能带来不可预见的后果。

对于这样的情况，第一，尽量不要在前期留下问题。第二，需要更多地获取当前阶段的制作统计信息，来帮助我们的决策，确保之后能够快速完成制作任务。然而，肯定会有各种客观因素导致一些不希望看到的后果，比如我们需要制作版本ADC。那么，如果在画面锁定之后再分别进行分析操作来进行制作的话，也是一个比较自然的方式。但一旦在分析之后产生了各种变动，制作的工作量就会成倍增加，一直到画面锁定之前，我们都需要不断重复地去维护两个不同的版本，并在之后再去衍生其他的版本。在周期不变的情况下，这对于一个传统的制作流程是一个巨大的考验。因此，在这期间频繁同步数据、沟通制作内容、确认各个版本等等工作，数据中心的发挥会起到巨大的作用，并保障了影像本身内容的安全。

最后，总结一下我们已经实际达成的一个目标，影响最大的是自动化，并且维护了许多重复劳动的过程，同时还保证了不需二次编辑确保信息的完整性，并且实现了多元的管理方式。与以往的方法不同，例如机遇文件夹或者手动制作表格管理，我们可以更加灵活地以不同的视角来观察分析已有的信息，可以按照不同的日期、按时间区间、按级数、按版本、按制作人员或者按照当时某种操作的原因等等。就像原始拍摄素材的原数据一样，也便于各种情况下去使用。最后，第三点是最重要的一点，那就是持续探索。所以，一句话概括就是，我们不希望成为拿着锤子的人，看什么都像钉子。正是因为不断学习其他制作环节，甚至其他行业领域的看法，我们才得以跳出已有的解决问题的方式，不仅能够拿着锤子，也希望能够拿着其他的工具去解决问题。这也是我今天和大家分享的最核心的一点。最后，谢谢大家的围观。下面我会到MXCI公众号的直播问答页面回答大家的问题。现场就交给导播间吧。感谢大家的观看。