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:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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