В сети представлено множество роликов, сгенерированных нейросетями, но львиная доля из них до сих пор грешит отвратительной физикой и мыльной картинкой. Устав от пластиковых лиц и дёргающихся конечностей, многие профессионалы переходят на новые движки, надеясь на чудо. Буквально год назад приемлемый результат требовал танцев с бубном, но сейчас алгоритмы шагнули далеко вперёд. Однако чуда не происходит, если скармливать машине обрывочные, лишённые всякой логики фразы. А начать стоит с полного переосмысления того, как мы описываем сцену для этого мощного китайского видеогенератора.
Архитектура запроса
С объекта в фокусе начинается любая грамотная генерация. Ведь именно он солирует в кадре. Сначала прописывается субъект, наделённый чёткими физическими характеристиками, одетый в конкретную одежду, помещённый в строгие пространственные рамки. Далее следует описание действия, где глаголы определяют вектор движения и характер взаимодействия с окружением. Третьим слоем накладывается операторская работа, заданная через фокусное расстояние объектива, направление пролёта камеры и скорость панорамирования. Отдельно стоит упомянуть освещение, проработанное через тип источника, цветовую температуру и направление лучей. Последним в списке идёт рендеринг и стиль, закрепляющие общее визуальное восприятие. Процесс не сложный, но кропотливый. К слову, если пропустить хотя бы один этап, наляпистость в кадре гарантирована. Дело в том, что алгоритм заполняет смысловые пустоты совершенно случайным цифровым шумом.
Как управлять камерой?
Движение объектива творит чудеса. Стоит ли оставлять статику? Вовсе нет. Статичный кадр выглядит удручающе скучно, поэтому грамотная динамика просто необходима. Настоящий рай для монтажёра начинается там, где чётко прописан маршрут виртуального оператора. Нужно отметить, что Клинг отлично понимает сложные кинематографические термины. Рабочий добротный пример для создания эффекта присутствия выглядит так:
Cinematic tracking shot, camera moving slowly forward, hyper-realistic, 35mm lens, shallow depth of field, 8k resolution
А вот для высокоскоростных сцен лучше использовать совершенно другой подход.
Ваш личный ИИ-отдел маркетинга, который работает 24/7 📈
Ускорьте создание контента в 10 раз! Этот мульти-ИИ сервис позволяет писать безупречные продающие посты, генерировать уникальные фото для соцсетей, создавать рекламные промо-ролики с нуля и писать для них музыку в пару кликов. Идеальное решение для предпринимателей, маркетологов и SMM-специалистов. Всё в едином удобном интерфейсе — больше не нужно переключаться между десятком вкладок.
Делегируйте рутину искусственному интеллекту и увеличивайте продажи. Начните работу здесь 👉 https://clck.ru/3RNCRL
FPV drone flying through a dense cyberpunk city, neon lights reflecting on wet asphalt, high speed, severe motion blur, dynamic angle
Безусловно, машина может ошибаться на сложных виражах (особенно при резких разворотах), но правильная формулировка минимизирует брак. Да и самим зрителям комфортнее смотреть на плавные, предсказуемые пролёты.
Свет и антураж
Свет формирует объём. И всё же многие пользователи упорно игнорируют этот важнейший нюанс. Мягкий заполняющий свет, пробивающийся сквозь густую листву, создающий глубокие тени на лице персонажа, задаёт правильный тон всей сцене. К первой группе удачных промтов относится описание естественного освещения. Например:
Golden hour lighting, soft sun rays piercing through dusty air, warm cinematic colors, highly detailed environment
Следующий важный критерий — жёсткий контраст. Если нужна гнетущая, напряжённая атмосфера, стоит обратиться к направленному свету. Готовый вариант для мрачного триллера:
Low key lighting, harsh shadows, single spotlight from above, cool blue color grading, thick volumetric fog
Разумеется, не стоит перебарщивать с эффектами. Ведь излишняя контрастность часто бьёт по бюджету времени, заставляя переделывать генерацию из-за потери деталей в тенях. Впрочем, иногда именно такой колоритный мрачный антураж спасает изначально неудачную композицию.
Сложно ли контролировать физику?
Задача не из лёгких. Нейросетям до сих пор тяжело даются сложные взаимодействия объектов между собой. С одной стороны, базовая гравитация работает сносно, с другой — вода или струящаяся ткань часто ведут себя абсолютно непредсказуемо. Чтобы обуздать этот хаос, лучше отказаться от абстрактных, обтекаемых глаголов. В представлении многих обывателей слово «бежит» достаточно для генерации движения. На самом деле алгоритм требует жесточайших уточнений. Отличный пример точного запроса:
A heavy medieval knight wearing battered steel armor running heavily through thick mud, mud splashing under metal boots, slow motion 120 fps, highly detailed textures
Здесь каждое слово имеет свой вес. Тем более что физика жидкости требует отдельного, скрупулёзного внимания.
Macro shot of hot coffee pouring into a ceramic cup, splashing drops, swirling steam rising slowly, cinematic studio lighting
К тому же, если физика ломается, всегда всплывут жуткие артефакты в виде лишних пальцев или сливающихся воедино текстур.
Стилистика: реализм против графики
Обычная фотография быстро приедается. Когда-то предел мечтаний ограничивался запросом на скучный фотореализм, но сейчас бомонд ИИ-режиссёров тяготеет к сложным, многоуровневым стилизациям. Изысканный винтажный стиль можно получить довольно просто.
1920s vintage film style, black and white, heavy film grain, scratches on film, a woman in a flapper dress smoking a cigarette, nostalgic mood
А если нужно окунуться в качественную трёхмерную анимацию, потребуется совершенно иной лексикон.
Pixar style 3D animation, a cute fluffy ginger cat wearing tiny aviator goggles flying a cardboard plane, vibrant colors, soft studio lighting, masterpiece
Нельзя не упомянуть японскую анимацию. Запросы в духе:
Makoto Shinkai style, breathtaking anime scenery, a train passing by a blooming cherry blossom tree at sunset, pink sky, highly detailed
работают практически безотказно. Естественно, каждая стилистика требует своего набора специфических слов-триггеров.
Работа с портретами
Морщины на лице рассказывают историю. С них и начинается создание глубокого, драматичного образа. Лицо, покрытое глубокими бороздами, освещённое тусклым светом керосиновой лампы, смотрящее прямо в душу зрителя, приковывает внимание моментально. Чтобы получить такой результат, не нужно писать длинные графоманские поэмы. Достаточно точечных, выверенных характеристик.
Extreme close-up portrait of an old tired fisherman, weathered skin, deep wrinkles, rain drops on face, intense look, dark moody atmosphere, Arri Alexa 65, 85mm lens
Кстати, глаза — это настоящая изюминка любого цифрового портрета. Они часто получаются безжизненными и стеклянными (даже у самых продвинутых моделей). Чтобы избежать жуткого эффекта зловещей долины, стоит добавить блики и отражения.
Close-up of a young woman’s eye, neon city lights reflecting in the iris, macro photography, sharp focus, hyper-detailed
Подобные текстовые махинации творят настоящие чудеса.
Ошибки: подводные камни генерации
Идеальных генераций не существует. Всегда есть ложка дёгтя. Многие считают, что простыня текста гарантирует грандиозный успех, но на самом деле перегруженный промт сводит вычислительную систему с ума. Запутанные фразы алгоритм просто проигнорирует. Откажитесь от лишних эпитетов. Лучше сосредоточиться на жёсткой структуре. Внести лепту в улучшение результата может отрицательный промт или чёткое указание того, чего в кадре быть категорически не должно. Рабочий шаблон:
Clean modern kitchen, minimalist design, no people, sunlight coming from a large window, white marble countertops
Если прописать просто «кухня», в кадре обязательно оседает куча ненужного, отвлекающего мусора. Само собой, создание сложных многофигурных композиций часто серьёзно бьёт по бюджету токенов, ведь переделывать сцену приходится десятки раз. Поэтому лучше разбивать сложные задумки на крупные, понятные планы. Это надёжно. Потому что проверено. Временем.
Стоит ли писать длинные тексты?
Золотая середина существует. Слишком короткий запрос выдаёт банальный, серый результат, а сверхдлинный полностью размывает фокус внимания алгоритма. Оптимальный объём составляет от тридцати до семидесяти английских слов. Именно в этот лимит укладывается львиная доля успешных коммерческих генераций. Ну и, конечно же, язык имеет колоссальное значение. Родные для нас слова система переваривает значительно хуже, поэтому английский остаётся главным, безальтернативным инструментом. Разложить по полочкам идеальную формулу можно так. Корпус текста, усиленный техническими терминами, отлитый в строгую последовательность, снабжённый указаниями на оптику камеры. Пример:
A sleek black sports car drifting on a snowy mountain road, snowflakes flying around, dynamic low angle shot, cinematic teal and orange color grading, 8k resolution
Ничего лишнего. Всё строго по делу. Однако не стоит забывать про смелые эксперименты. Ведь иногда случайная опечатка выдаёт грандиозный, самобытный шедевр, о котором создатель изначально даже не грезил.
Динамика: контроль скорости
Скорость решает всё. Плавно плывущие облака вызывают зевоту, если сцена требует экшена. Управление временем внутри видеоряда требует жёстких команд, прописанных в самом конце запроса. Медленное движение отлично задаётся фразами вроде:
slow motion, 240 fps, elegant movement, floating gracefully
А вот для стремительной погони нужен совершенно другой ритм.
Fast paced action, shaky cam, intense camera shake, motion blur, fast zoom in
Такие команды заставляют нейросеть смазывать фон, создавая полную иллюзию бешеной скорости на экране. К тому же таймлапсы генерируются через отдельный набор тегов.
Timelapse photography, day to night transition, fast moving clouds, city lights turning on, hyper-lapse, 4k
Ну а если кадр начинает безбожно сыпаться при высоких скоростях, нет смысла переплачивать токенами за бесконечные попытки. Лучше немного снизить градус безумия в тексте.
Обуздать китайскую нейросеть с первого раза практически невозможно, но каждая вдумчивая попытка неумолимо приближает к нужному результату. Не скупитесь на тестирование нестандартных операторских приёмов и самых смелых световых схем. Глубокое понимание кинематографической терминологии обязательно принесёт свои щедрые плоды. Удачных рендеров, и пусть каждый сгенерированный кадр бьёт точно в цель, поражая воображение самых придирчивых зрителей!