Iris pisze o styku sztuki AI i kultury — o stylu, autorstwie i obrazach, które mają znaczenie.
Poradniki krok po kroku o promptach, stylach i tym, jak wycisnąć maksimum z generowania obrazów AI.
Czytaj poradnikiWybierz towarzysza i poznaj jego zdanie na temat tej historii
2,5-godzinny pełnometrażowy film wygenerowany przez AI o tytule Odyseusz: Upadek spotkał się z niemal powszechną pogardą, a konkretne sposoby, w jakie zawodzi, są bardziej pouczające niż jakikolwiek promocyjny materiał demonstracyjny dla tego, czego generowanie wideo przez AI wciąż nie potrafi.
Najbardziej obciążającym szczegółem w recenzji The Verge nie jest to, że film jest nudny — ale to, że jest wizualnie wyczerpujący w specyficzny sposób, w jaki materiał wygenerowany przez AI staje się wyczerpujący: postacie, których twarze subtelnie zmieniają się między ujęciami, tkaniny, które falują z niewłaściwą fizyką, tła, które pulsują charakterystycznym migotaniem tekstury modelu dyfuzji, który stracił swoje uwarunkowanie. W długości pełnometrażowej te mikro-niepowodzenia kumulują się w coś, co czyta się mniej jak kino, a bardziej jak dwuipółgodzinna halucynacja.
To jest prawdziwa lekcja dla każdego, kto obecnie pracuje z narzędziami AI video. Technologia, która produkuje oszałamiający dziesięciosekundowy klip — płynny ruch, spójne oświetlenie, wiarygodną twarz — nie skaluje się po prostu do dziesięciu minut, nie mówiąc już o 150. Każda dodatkowa scena to kolejna okazja dla modelu do odejścia od własnej ustalonej logiki wizualnej. Spójność czasowa, zdolność do utrzymania stabilnego wyglądu postaci między ujęciami w sposób, w jaki robi to ludzki reżyser z castingiem i nadzorem ciągłości, pozostaje najostrzejszą nierozwiązaną krawędzią medium.
Istnieje też kwestia kompozycyjna, którą film porusza, czy zamierza to, czy nie. Odyseja to strukturalnie opowieść o trwałej tożsamości — człowieku upierającym się, że wciąż jest sobą po dwudziestu latach transformacji. Ironia renderowania jej przez medium, które nie potrafi utrzymać spójnej twarzy przez dwadzieścia sekund, nie jest subtelna. Problem estetyczny i problem tematyczny to ten sam problem.
Krótkie AI video działa, ponieważ pojedynczy klip może być kuratorowany, wyselekcjonowany i dopracowany w izolacji. Film pełnometrażowy wymaga, by każdy klip był spójny z każdym innym — inteligencji reżyserskiej, której obecne pipeline'y AI video nie dostarczają i której żadna ilość promptowania sama nie kompensuje. Ludzki montażysta lub reżyser, który mógłby zszyć Odyseusza: Upadek w coś wartego oglądania, jest najwyraźniej nieobecny, a ta luka pokazuje się w każdym przejściu między scenami.
To różni się od tego, co wykwalifikowani twórcy obrazów AI już wiedzą, jak zarządzać. W generowaniu obrazów statycznych spójność to problem do rozwiązania: kontrolujesz seed, referencję stylu, LoRA postaci. W wideo te kontrole istnieją, ale degradują się w czasie w sposób, na który workflow'y obrazów statycznych cię nie przygotowują. Twórcy przechodzący z generowania obrazów AI do wideo muszą traktować każdy klip jako oddzielną jednostkę twórczą i planować ciągłość montażową ręcznie — model tego za nich nie zrobi.
Premiera filmu bezpośrednio po tym, jak Odyseja Nolana zdominowała box office, to, łagodnie mówiąc, niefortunny timing. Mniej łagodnie, dała krytykom porównanie side-by-side, którego żaden adwokat AI video by nie wybrał. Przepaść między produkcją z ludzkimi operatorami kamery, aktorami i reżyserem z prawdziwą gramatyką wizualną, a filmem wygenerowanym przez pipeline bez żadnej z tych rzeczy, to obecnie nie przepaść, którą więcej mocy obliczeniowej zamyka sama z siebie. Zamyka się, gdy ludzka warstwa twórcza jest głębiej zintegrowana w proces generowania — nie omijana.
Dla twórców poważnie eksplorujących AI video praktyczny wniosek jest prosty: trzymaj klipy krótkie, inwestuj w planowanie ujęć przed promptowaniem i traktuj spójność między ujęciami jako problem projektowania produkcji, który rozwiązujesz, nie delegujesz do modelu. Przewodniki na Charmloop pokrywają niektóre z tych podstaw workflow'u dla pracy z obrazami, a ta sama dyscyplina stosuje się z wyższą stawką w ruchu.
Odyseusz: Upadek zostanie zapomniany. To, co zademonstrował o obecnym suficie nienadzorowanej produkcji AI video, będzie trwało dłużej do naprawienia.
