Буквально десятилетие назад генерация полноценного видео по текстовому описанию казалась сюжетом научной фантастики, в который верили лишь самые отчаянные мечтатели. Когда-то предел желаний обывателя ограничивался размытыми пиксельными картинками, но сейчас алгоритмы научились создавать кинематографичные сцены с пугающей реалистичностью. В сети представлено множество роликов, где искусственный интеллект творит чудеса, стирая грань между реальностью и откровенным вымыслом. И всё же новичок часто сталкивается с проблемой: картинка выходит кривой, физика объектов нарушается, а львиная доля времени уходит на бесконечные перегенерации. Но чтобы не ошибиться и получить действительно внушительный результат, нужно научиться разговаривать с машиной на её языке.
Генерация видео
Одинокий воздушный шар медленно плывёт над заснеженными вершинами Альп, отражаясь в кристально чистом озере. Именно такие кадры разработчики известной компании показали миру в середине февраля две тысячи двадцать четвёртого года, когда анонсировали свою новую модель. Стоит отметить, что этот добротный программный продукт мгновенно приковал внимание всего мирового бомонда цифровых художников. Дело в том, что алгоритм способен выдавать ролики длиной до шестидесяти секунд без потери качества. Сложно ли добиться такого эффекта обычному пользователю? На самом деле, процесс не сложный, но довольно кропотливый. Ведь машина не умеет читать мысли, она строго следует написанным словам. К слову, именно грамотно составленный текстовый запрос отделяет шедевр от нелепой наляпистости.
С чего начинается выбор?
С определения базовой структуры запроса. Многие считают, что достаточно написать пару слов, однако на практике всё обстоит совершенно иначе. Сначала задаётся главный объект съёмки, например, девушка в красном пальто или винтажный потрёпанный автомобиль. Далее следует детальное описание окружения, продиктованное логикой сцены. Третьим шагом выступает проработка освещения, окутанная кинематографичным туманом или залитая неоновым светом. Ну и, наконец, финальным штрихом прописывается движение камеры, снятое с дрона или зафиксированное на тяжёлом штативе. Естественно, не стоит забывать про стиль: фотореализм, киберпанк или классическая масляная живопись. Разложить по полочкам все эти нюансы в одном предложении довольно сложно, поэтому разумнее разбивать мысль на логические текстовые блоки.
Реалистичные сцены
Промты для таких задач требуют особой скрупулёзности. Это же правило касается любых попыток сымитировать настоящую съёмочную аппаратуру. А вот оригинальное название объектива или типа плёнки добавит кадру желанной достоверности. К примеру, стоит попробовать такой запрос:
пожилой колоритный мужчина с густой седой бородой сидит за деревянным столом в тускло освещённой таверне, медленно попивая горячий чай из глиняной кружки.
Обязательно нужно добавить технические детали, указав съёмку на объектив тридцать пять миллиметров с диафрагмой один и восемь. Всплывут ли ошибки при такой генерации? Порой физика жидкостей ведёт себя странно, но в целом результат выглядит впечатляюще. Ещё один отличный вариант — шумная улица Токио под проливным дождём, снятая в слоу-мо, где крупные капли воды разбиваются о неоновые вывески, а спешащие прохожие прячутся под прозрачными зонтами.
Фантастика и сюрреализм
Настоящий рай для смелых экспериментов. Когда-то тихое место в воображении художника сейчас превратилось в грандиозный цифровой полигон. И здесь алгоритм раскрывается на полную мощность, позволяя облачиться в самые безумные формы. Стоит задуматься о создании инопланетных пейзажей. Рабочий запрос вполне может выглядеть так:
гигантские парящие острова, поросшие светящимися синими мхами, над которыми кружат стаи механических птиц с золотыми крыльями.
К тому же, здесь уместно уточнить атмосферу, добавив густую фиолетовую дымку и свет двух солнц на далёком горизонте. Следующий не менее интересный концепт — подводный самобытный город, построенный из кораллов и прозрачного стекла, где вместо машин перемещаются светящиеся скаты. Зрелище получается поистине завораживающим, да и самим авторам наблюдать за подобным развитием сюжета крайне увлекательно.
Вредно ли экономить слова?
Короткий ответ: да. Слишком сжатые описания оставляют огромный простор для фантазии нейросети. В итоге натыкаешься на совершенно неожиданные вещи: у людей появляются лишние пальцы (иногда даже руки), а монументальная архитектура теряет законы гравитации. С одной стороны, краткость экономит время, с другой — сильно бьёт по бюджету нервных клеток из-за постоянных переделок. Не скупитесь на качественные подробные эпитеты. Разумеется, не стоит перебарщивать и писать романы на три страницы, машина просто проигнорирует хвост текста. Оптимальный объём обычно колеблется от пятидесяти до ста пятидесяти слов. Тем более, что именно в этот лимит легко укладываются все необходимые постулаты хорошей сцены.
Анимационный стиль
Задача не из лёгких. Ведь мультипликация тяготеет к стилизации, которую нужно чётко и недвусмысленно обозначить. В противном случае картинка получится слишком пластиковой и безжизненной. Безусловно, спасательный круг здесь — упоминание конкретных студий или художественных техник. Например:
пушистый рыжий котёнок в огромных очках пилота летит на самодельном кукурузнике сквозь пушистые облака, стиль трёхмерной анимации, мягкое освещение, тёплая цветовая гамма.
Впрочем, любители двухмерной классики могут попробовать нечто совершенно иное. Девушка-самурай с блестящей катаной стоит на краю обрыва на фоне кроваво-красной луны, сильный ветер развевает её волосы, стиль японского аниме девяностых годов, выраженное плёночное зерно. Внести свою лепту в создание правильного антуража поможет точное указание цветовой палитры.
Скрытые нюансы
Отдельно стоит упомянуть работу с освещением. Плохой свет способен загубить даже самую гениальную идею, превратив её в плоскую невыразительную кашу. Профессиональные операторы всегда начинают с определения источника света. Освещённый мягкими лучами закатного солнца объект выглядит совершенно иначе, чем залитый резким студийным светом человек. К слову, добавление таких терминов, как «контровое освещение» или «золотой час», творит чудеса с восприятием объёма. В представлении многих новичков свет существует сам по себе, но на практике именно он лепит нужную форму. А если ещё вспомнить про глубокие тени, отбрасываемые объектами на неровные поверхности, картинка становится поистине живой. Естественно, машине нужно прямо указывать на эти детали, иначе она выберет самый скучный, равномерный вариант по умолчанию.
Композиция
Центрирование объекта работает далеко не всегда. Слишком симметричные кадры отдают искусственностью, выдавая машинное происхождение с головой. Куда интереснее смотрится применение правила третей или золотого сечения. Не забывайте описывать расположение элементов в пространстве более скрупулёзно. Например, на переднем плане размытые ветви векового дуба, в среднем плане — уставший путник у костра, а на заднем фоне виднеются заснеженные пики гор. Выстроить глубину резкости довольно просто, достаточно указать фокус на конкретном элементе. Заслуживает истинного уважения способность алгоритма имитировать боке, размывая огни ночного города в мягкие разноцветные круги. Да и динамика кадра выигрывает, если объектив медленно выплывает из-за препятствия, создавая стойкий эффект присутствия.
Динамика в кадре
Движение оживляет статичный мир. Устав от повседневной суеты, зритель хочет погрузиться в плавное течение виртуального времени. Как заставить объекты двигаться естественно? Секрет кроется в использовании точных глаголов и обстоятельств образа действия. Не «человек идёт», а «высокий измождённый мужчина в плаще тяжело ступает по лужам, преодолевая порывы шквального ветра». Разница получается колоссальная. Тем более, что сложные взаимодействия всё ещё даются сетям с трудом. Ветер, раздувающий полы одежды, летящий крупный снег, мелкая рябь на поверхности воды — всё это добавляет текстуры. Стоит отметить, что искусственный интеллект отлично справляется с макросъёмкой. Трудолюбивый муравей, тащащий каплю росы по зелёному листу, снятый крупным планом с частотой сто двадцать кадров в секунду, приковывает внимание намертво.
Подводные камни
Идеальных систем пока в природе не существует. Ощутимая ложка дёгтя кроется в обработке сложной физики и контактном взаимодействии объектов. Часто нарисованные персонажи проходят сквозь бетонные стены или предметы внезапно растворяются в воздухе без видимых причин. Это связано с тем, что модель не понимает физический мир по-настоящему, она лишь предсказывает расположение цветных пикселей на основе гигантской обучающей базы. Поэтому лучше отказаться от сцен с активным поеданием пищи или сложными махинациями с мелкими деталями. Не перегружайте кадр десятками быстро движущихся и пересекающихся элементов. Лучше сосредоточиться на плавной проводке камеры и выразительных эмоциональных портретах. И всё-таки, несмотря на эти мелкие изъяны, инструмент остаётся невероятно мощным и гибким.
Оправданы ли траты?
Серьёзное вложение времени и средств всегда вызывает здоровый скепсис. Доступ к передовым нейросетям редко бывает бесплатным, и кошелёк станет легче на вполне ощутимую сумму. Стоит ли оно того? Для опытных профессионалов, работающих в сфере рекламы или независимого кино, это настоящий кладезь возможностей, позволяющий экономить долгие недели съёмочного процесса. А вот для обычного вечернего развлечения цена может показаться слишком кусачей. Однако цифровые технологии развиваются невероятно стремительно. Вполне вероятно, что через пару лет создание подобных видео не сильно ударит по кошельку обычного рядового пользователя. Ну а пока смелым первопроходцам приходится платить за привилегию первыми прикасаться к технологиям будущего.
Мир генеративного контента открывает двери, о которых раньше не смели даже шептаться. Освоение новых цифровых инструментов всегда требует терпения, насмотренности и готовности к неизбежным ошибкам. Но каждая удачная генерация, каждый оживший на экране кадр с лихвой окупают затраченные на эксперименты усилия. Удачи в создании собственных кинематографичных шедевров, пусть ваши слова бьют точно в цель, а итоговый результат порадует даже самых взыскательных зрителей.