名导叶大鹰:陈晓旭演的黛玉不行 老版红楼太土

著名导演叶大鹰撰文批评老版《红楼梦》过于土气且缺乏智慧,并对陈晓旭饰演的林黛玉提出质疑,引发网友热议。
导读:
   6月29日,著名导演叶大鹰写了一篇题为《多嘴》的文章,文中,他认为陈晓旭扮演的林黛玉不行,称自己要“站在了说不好的一方”。他还批老版红楼“没有什么智慧”,“土里土气”的。


著名导演叶大鹰狠批老版《红楼梦》。(资料图)
(文/另半支烟)5月13日,仅凭《红楼梦》林黛玉一角而广为人知的陈晓旭病逝,在她去世后,虽然纷扰不断,从遗产分配到感情纠葛,都有诸多猜疑,但对于“林妹妹”的经典诠释,却无人不赞。不过,也有人不买账,认为陈晓旭扮演的林黛玉不咋地,这个人就是著名导演叶大鹰。
叶大鹰批老版红楼太土 称陈晓旭演得不好
6月29日,著名导演叶大鹰写了一篇题为《多嘴》的文章,文中,他不点名地批评了陈晓旭扮演的林黛玉,称自己要“站在了说不好的一方”。
在这篇文章里,叶大鹰写道:“一个女演员去世了,媒体开始热闹。借人家的悲痛炒作新闻,于是那电视剧就被说成了‘不朽经典’,那演员也就跟着成了‘林妹妹’,跟着演出的众演员理所当然也就成了角色的标准。”他对这一现象用了“晕菜”来表达自己的不屑。他否认直言不讳并非对陈晓旭“本人的不敬”,他说:“我是对媒体的态度和那帮假装悲天悯人丧失基本判断力的家伙们想说几句,对事不对人!”他认为“林妹妹成经典”的误读是媒体的盲目追捧造成的。
接下来,叶大鹰阐述了自己的理由。他认为“林黛玉这个角色本应是个南方人”,但是老版《红楼梦》却选了一个北方姑娘陈晓旭,“实在勉强的厉害!”他略带嘲讽地说:“假如要拍一个小品版的《红楼梦》,一水嘈铁岭口音(编者注:原话如此),我想她的表演会轻松自如很多,不用假装多愁善感了。”所以,他的结论是:“我不喜欢她演的这个角色。”但叶大鹰也承认这是导演的问题:“演员演的不理想一定是导演的问题,演员不承担责任!”
而对于老版《红楼梦》,叶大鹰的评价是“土里土气”。他说:“早年间我就不喜欢那部电视剧,拍的土里土气的没什么智慧,把曹雪芹的《红楼梦》拍成了早期的年画。”


叶大鹰认为找陈晓旭出演林黛玉不妥。
网友们骂声不断 认为叶大鹰是在炒作自己
5月下旬,“陈晓旭版林黛玉”的拥护者在多个网站发起了“反对重拍,支持晓旭”的签名活动,反对重拍红楼梦。网友列出反对重拍红楼的四大理由,认为陈版林妹妹已是经典,不可能再超越。
此番叶大鹰直言,无疑让拥护陈晓旭版的粉丝们无法接受,文章一发,即刻引来网友骂声。一位匿名网友质问:“找骂的啊?林妹妹是南方人,就不可以找北方演员吗?”而另一名网友则较为温和:“广大群众都认可的,你干吗瞎议论啊?不要成为众矢之的。”
更多的网友则是直接开骂:“就你多嘴,无聊!有种你演一个‘林妹妹’给大伙瞧瞧,欠骂!人都不在了,还拿出来炒,没一点做人的素质!”也有人质疑叶大鹰炒作:“你就是一个想拿死人炒活自己。”还有网友则认为叶大鹰歧视东北人:“你在鄙视东北人啊?”
基于网友骂声激烈,叶大鹰随后又连发了两篇文章,“敬告”开骂的网友:“不要把同情当标准吧。有人不接受我的说法,各人的审美标准不同本来是很正常的啊。看到有人破口大骂,骂人算什么本事?”
关于叶大鹰
著名导演,名将叶挺之孙,从导演处女作《大喘气》至今,他执导了多部影视剧,受到广泛好评。1995年执导《红樱桃》,1997年执导《红色恋人》。并在徐静蕾导演的电影《我和爸爸》中扮演“爸爸”一角。
1981年,考入西安电影制片厂学表演。
1984年,考入电影学院导演进修班。
1986年,毕业于北京电影学院导演系。
1988年起,与王朔一起创作了剧本《顽主》、《一半是海水,一半是火焰》和《永失我爱》。

本文转自
http://ent.163.com/07/0702/06/3ICKBTV600031H2L.html
内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术文档,重点围绕电力系统中低碳经济调度问题展开,结合分布鲁棒优化(Distributionally Robust Optimization, DRO)与机会约束规划(Chance-Constrained Programming, CCP),引入N-1安全准则以提升系统在元件故障情况下的可靠性。该方法在不确定性环境下(如风电出力波动)保障调度方案的可行性与经济性,同时降低碳排放。文档提供了完整的Matlab代码实现,便于科研人员复现实验结果,适用于高水平学术研究与工程应用验证。; 适合人群:具备电力系统优化、运筹学及不确定性建模背景的研究生、科研人员及电力行业工程师,熟悉Matlab编程与优化工具箱(如YALMIP、CPLEX/Gurobi)者更佳;适合从事智能电网、低碳调度、鲁棒优化方向的研究者; 使用场景及目标:①复现顶级EI期刊论文中的分布鲁棒机会约束模型;②研究N-1安全准则在低碳经济调度中的集成方法;③掌握分布鲁棒优化在电力系统不确定性处理中的建模技巧;④为微电网、综合能源系统等场景下的可靠、低碳调度提供算法支撑; 阅读建议:建议结合文档中提供的网盘资源(含YALMIP-develop等工具包)进行代码调试与实验验证,重点关注不确定性建模、机会约束转化、鲁棒优化求解流程,并可进一步扩展至多能源协同、需求响应等复杂场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值