Musein.cn 是一个将创意工作的规划、执行、评估和沉淀融为一体的云端智能生产工作空间。从创意简报、视觉参考、角色设定、分镜矩阵、视频生成、质量审查到最终交付——每一个环节在同一个工作空间内完成。
将创意简报转化为可执行的生产工作流，每一步可编辑、可追溯。
锁定角色视觉外观，确保跨镜头、跨场景的一致性。
根据任务自动匹配最佳生成模型，而非依赖单一模型。
内置结构化审查层，在成片交付前对照创意标准进行评估。
每件成片附带完整制作记录：模型、参数、审片决策、版本历史。
项目积累的生产经验可转化为可复用模板，用于下一个项目。
记录创作过程中的每一次迭代与决策，形成可回溯的创作档案。
| 艺术教育需求 | Musein 对应能力 |
|---|---|
| 从创意概念到完整作品的结构化流程 | 简报 → 分镜 → 画面 → 视频 → 审查 → 交付的全链路工作流 |
| 作品集级别的质量标准 | 内置质量审查层，对照项目简报评估每件候选产出 |
| 角色与风格的连续性控制 | 角色 / IP 设定档案，锁定视觉外观，跨作品保持一致 |
| 创作方法论的可教学性 | 节点化工作流天然适合课程拆解：每节课对应一个生产环节 |
| 创作过程的可见性 | 执行日志让导师看到学生的每一步创作决策 |
Stop prompting. Start directing.
创作者始终是导演，系统负责执行。学生需要学习的不是如何操作一个工具，而是如何执导一个完整的创作项目。
AI 正在重新定义视觉内容的生产方式。对于艺术留学和作品集教育而言，这既是挑战也是结构性机遇。
作品集评审委员会正在讨论如何评价 AI 辅助创作的作品——不是拒绝，而是需要建立新的评价框架。
越来越多的艺术 / 设计 / 影像方向学生希望将 AI 纳入创作流程，但缺乏系统化的学习路径。
学生可以接触到大量工具，但从"能生成"到"能执导"之间，存在巨大的教学空白。
核心命题
把 Musein 的创作工作流，转化为艺术教育场景中可教学、可交付、可展示、可复用的作品集级创作路径。这不是单纯的软件培训，也不是一次性的课程销售——目标是建立一个能够连接平台能力、课程设计、学生作品、教授评价、商业实践的 AI-native 创作教育体系。
| 合作基础 | 说明 |
|---|---|
| 项目制教学传统 | 斯芬克已验证的项目制、作品集导向和导师制教学模式，与 Musein 的生产工作流天然契合 |
| 学生质量与创作标准 | 艺术留学 / 作品集方向的学生具有高意图、高审美标准和高产出要求 |
| 导师与教授网络 | 合作院校教授和导师的参与，能够为创作建立可信赖的评价体系和学术边界 |
| 先发优势 | 在国内 AIGC 艺术教育领域，率先建立影像创作课程样板的机构将获得品类认知优势 |
面向艺术留学 / 作品集 / 影像创作方向学生的项目制课程。核心不是"教学生使用一个工具"，而是教会学生完成一个从创意概念到作品集级别影像作品的完整执导过程。
如何定义一个影像项目：叙事目标、视觉风格、受众、交付标准。学生建立工作空间，完成项目简报文档和视觉参考板。
角色设计、风格锁定、打光与色调规则。通过 IP 设定档案系统，确保角色在不同镜头和场景中的视觉连续性。
从叙事结构到镜头矩阵：构图、景别、转场。利用多模型路由系统生成候选画面，并通过迭代优化达到作品集标准。
从画面到动态影像：运动、节奏、叙事连续性。通过内置审查层对照创意标准进行评估，完成迭代修改。
成片打磨、生产记录整理、作品集排版。最终交付包附带完整制作记录和执行日志，适合作品集展示和学术评审。
课程结构与工作流一一对应，学习课程同时自然掌握平台。
导师通过执行日志看到学生每一步创作决策，不仅是最终成品。
每件产出附带完整生产记录，适合作品集展示和学术评审。
角色设定、工作流模板和风格库可在未来项目中持续使用。
各方在合作中承担明确的角色，共同构成从平台能力到课程交付、从学生创作到学术评价的完整闭环。
AI 创作平台与创作运行时。提供工作空间、模板、视频工作流、节点流程、质量审查、案例沉淀与平台支持。
课程设计与教学合作方。将 Musein 工作流翻译成艺术教育课程、课堂带教、作业点评、学生反馈收集。
课程合作与教育场景验证方。评估课程与 SFK 教学体系、学生需求、品牌与运营路径的适配性。
参与课程标准制定、作品评价维度设计、学生创作方法论与展示边界讨论。参与的是质量标准建设，而非商业背书。
参与试点测试、学习路径反馈、作品集场景验证。公开展示需单独授权。
从初步对齐到小范围试点，再到首期课程决策——每个阶段有明确的目标、交付物和成功标准。
判断各方是否值得进入小规模教学试点。建议参会方：Musein、Vicky、SFK 负责人、教授 / 顾问。
| 序号 | 环节 | 时长 | 内容 |
|---|---|---|---|
| 1 | Musein 平台介绍 | 10-12 min | AI 创作工作流演示，重点展示从创意概念到成片交付的完整路径 |
| 2 | Vicky 课程构想 | 5-8 min | 已有 AI 影像课程思路、学生需求分析、与 SFK 教学体系的衔接点 |
| 3 | SFK 适配性讨论 | 10 min | 课程是否匹配作品集 / 影像 / 商业实践方向；学生需求与招募可行性 |
| 4 | 教授 / 顾问反馈 | 10 min | 作品评价标准、学术表达、教学边界 |
| 5 | 下一步决策 | 5 min | 是否进入 closed pilot；如需修改，明确修改方向和责任人 |
建议规模：1 名学生代表 + 3-5 名内部测试学生。建议周期：2-3 周。
| 交付物 | 说明 | 负责方 |
|---|---|---|
| 5 次课课程大纲 | 每次课映射 Musein 平台功能与项目产出 | Vicky + Musein |
| 样板工作流 | 从创意、分镜、画面、视频到输出的完整路径 | Musein |
| 作品集级项目题目 | 面向作品集 / 创意短片的项目 brief 与成果标准 | Vicky + Musein + 顾问 |
| 质量评价标准 | 画面、叙事、角色一致性、风格控制等维度的 rubric | 顾问 + Vicky + Musein |
| 学生反馈备忘录 | 学习曲线、功能卡点、作品集相关性 | 学生代表 + Musein |
| 样板作品 | 一份可内部展示的样板作品；公开展示需另行授权 | 全体 |
完成 closed pilot 后，各方共同判断是否启动首期付费或半公开 cohort。
验证 Musein 平台是否支撑完整的创作流程
验证 Vicky 的课程设计是否具备可复制性
SFK 支持招募、教授参与评审、Musein 准备教学素材
合作为斯芬克、合作院校教授和学生分别带来差异化的价值。
在国内 AIGC 艺术教育领域率先建立 AI 影像创作课程样板，占据品类认知高地。
将 AI 训练升级为项目制作品产出，学生的课程结果是可以放进作品集的完整作品。
通过平台沉淀可复用教学资产、工作流模板、学生案例和生产记录。
为作品集、创意短片、商业实践课程提供新的增长模块，不替代现有体系。
"AI-native 创作教育"成为招生和品牌传播中的差异化定位。
参与定义 AI 时代的影像作品质量标准和创作评价体系。
通过真实案例研究 AI 创作流程如何融入学术创作方法论。
探索"人机协作创作"的教学范式，将 AI 创作纳入可评价标准。
连接创作平台与学术评价体系，为研究和行业对话积累素材。
课程结束时产出作品集级别的 AI 影像作品，附带完整创作档案。
掌握从概念到成片的结构化工作流，而非零散的工具技巧。
每件作品附带完整生产记录，可在作品集中呈现创作过程。
角色设定、工作流模板和风格库可在未来项目中持续使用。
AI 创作的最大风险不是技术能力不足，而是缺乏可评价的质量标准。我们需要回答：AI 辅助创作的作品，如何在学术语境中被评价？
| 评价维度 | 评价内容 | 权重建议 |
|---|---|---|
| 叙事与概念 | 创意意图是否清晰、叙事结构是否完整、概念是否有深度 | |
| 视觉与审美 | 画面质量、构图、色调、风格一致性 | |
| 角色与连续性 | 角色设计质量、跨镜头一致性、视觉连续性控制 | |
| 技术执行 | 工作流完整度、模型选择合理性、画面与视频的技术质量 | |
| 创作方法论 | 从简报到成片的决策过程是否有据可循、迭代是否有效 | |
| 作品集呈现 | 最终交付物的完整度、生产记录的清晰度、可展示性 |
我们邀请教授 / 顾问参与的不是商业背书，而是质量标准建设：
参与课程标准和质量 rubric 的制定
对试点学生作品进行学术层面的点评与建议
帮助界定创作在学术语境中的合理边界
探讨新时代创作方法论的教学可能性
为保证合作健康推进，建议在初期明确以下边界。
三个阶段、三个时间窗口，明确责任人和交付物。