از بیشتر آدمها بپرسید ویدیوی هوش مصنوعی را از کجا تشخیص میدهند، چیزی مبهم دربارهٔ چهرهها میگویند. در عمل بهندرت چهرههاست. پیوستگی است، فیزیک است و صداست — و هر سه مسئلهٔ تولیدند، نه مسئلهٔ مدل.
تصویر مصنوعی کجا لو میرود
پیوستگی. تعداد دکمههای یک کت بین دو پلان عوض میشود. اتاقی صاحب پنجره میشود. مدلها هر کلیپ را مستقل تولید میکنند؛ هیچچیز مجبورشان نمیکند پلان چهارم، پلان دوم را به یاد بیاورد.
فیزیک. وزن، سختترین چیز برای جعل کردن است. مایعی که خیلی کند ریخته میشود، پارچهای که نمینشیند، دستی که دو میلیمتر از دستگیره رد میشود. مخاطب همیشه نمیتواند اسمش را بگذارد، اما ثبتش میکند.
صدا. همان چیزی که هیچکس برایش بودجه نمیگذارد. تصویر تولیدشده بیصدا یا با صدای عمومی میرسد، و یک پلان زیبا با صدای قدمهای نادرست، بلافاصله جعلی خوانده میشود.
ما واقعاً چه میکنیم
پیش از تولید هر چیزی، لوک را قفل میکنیم. اول فریمهای سبک و شیت کاراکتر میسازیم — پالت، زبان لنز، گرین، لباس، و دقیقاً همان لوکیشن. بعد هر پرامپت به یک هدف بصری ثابت ارجاع میدهد بهجای اینکه خودش یکی بسازد. این پرثمرترین قدم است و در ابزار طراحی انجام میشود، نه در مدل.
خیلی بیشتر از نیازمان تولید میکنیم. نرخ یک پلان قابلاستفاده از هر پانزدهتا طبیعی است و برایش برنامه داریم. کیفیت از انتخاب میآید؛ خط تولیدی که مجبور است اولین خروجیاش را بپذیرد، اصلاً کنترل کیفیت ندارد.
مدل را برای هر پلان انتخاب میکنیم، نه برای کل پروژه. مدلها در چیزهای متفاوتی خوباند — حرکت دوربین، حرکت انسان، بافت، وفاداری به پرامپت. چسبیدن به یک مدل برای کل تیزر یعنی پذیرفتن ضعیفترین دستهٔ آن.
طوری تمام میکنیم که انگار فیلمبرداری شده. افزایش رزولوشن، پایدارسازی، حذف آرتیفکت، اصلاح رنگ تا یک لوک واحد، و بعد طراحی صدا: آمبیانس، فولی، و موسیقی نوشتهشده روی تدوین. این مرحله معمولاً از خود تولید طولانیتر است و همان چیزی است که بیشتر ویدیوهای هوش مصنوعی کم دارند.
کجا از آن استفاده نمیکنیم
محصولات واقعی که مردم در دست میگیرند. کارکنان واقعی. و هر چیزی که بیننده بتواند تصویر را با خودِ چیز مقایسه کند و تفاوت را ببیند. ویدیوی تولیدی راهحل چیزهای ناممکن، ناایمن، هنوز-ساختهنشده و غیراقتصادی است — نه جایگزین ارزانتر یک دوربین که به چیزی موجود گرفته شده.
و به تجربهٔ ما، همین شفافیت دربارهٔ این مرز است که کارفرما را با استفاده از آن راحت میکند.
نتیجهٔ عملی
اگر ویدیوی هوش مصنوعیتان مصنوعی به نظر میرسد، راهحل تقریباً هیچوقت یک پرامپت بهتر نیست. یک مرجع بصری قفلشده است، نرخ رد بالاتر، و یک مرحلهٔ پست واقعی همراه با صدا. مدلها همین حالا هم از فرایندی که دورشان چیده شده بهترند.