Zvuk je už hotový: AI video, které nepotřebuje zvukovou postprodukci

Kdo někdy dělal krátké video, ví, že video je jen první půlka. Pak přijde ta druhá: vyexportovat, otevřít střihový program, hledat hudbu, která sedí a jde použít, sehnat pár ruchů, srovnat je s obrazem, zjistit, že časování je trochu vedle, spravit to, vyexportovat znovu. Běžně to zabere víc času než výroba samotného materiálu.

Tahle půlka sem nepatří. Klip z Fellowi Video se vrací se zvukem už uvnitř, vytvořeným ve stejnou chvíli jako obraz a pro tutéž scénu.

Co doopravdy přijde

Jeden MP4, ve kterém je obrazová a zvuková stopa už spojená. Ne video a zvlášť soundtrack k zarovnání, ne sada stop k mixu. Jeden soubor, který se se zvukem přehraje v každém přehrávači, nahraje na každou platformu a pošle komukoli bez návodu.

Přepínač je ve studiu ve výchozím stavu zapnutý a cenu nemění. Náklad je model krát rozlišení krát délka; zvuk v té aritmetice není nikde. Čtyři sekundy 720p turbo stojí 500 mincí se zvukem a 500 mincí bez, takže nechat ho zapnutý je zdarma a vypnout ho neušetří nic.

Stojí za to říct to naplno, protože reflex z jiných nástrojů velí předpokládat opak: žádné samostatné kredity na zvuk, žádný zvláštní krok generování zvuku, na který se čeká, a žádný druhý render.

Prompt je mixážní pult

Protože zvuk vzniká pro tutéž scénu, řídí ho tatáž věta. Náš průvodce videoprompty uvádí zvuk jako pátou věc, na kterou dobrý prompt odpovídá, a právě proto: věta o tom, co má být slyšet, má stejnou cenu jako věta o tom, co se hýbe.

Neřeknete nic a model vybere něco pro scénu pravděpodobného, což je často v pořádku a občas ne to, co jste měli na mysli. Řeknete jednu věc a obvykle poslechne:

• „rain against the window, muffled traffic below“
• „a quiet room, a clock ticking, nothing else“
• „wind through pines, distant water“
• „low ambient music, no percussion“
• „a busy cafe behind her, cups and conversation, no music“

Dva návyky stojí za převzetí z obrazové strany. Pojmenujte jedno, ne pět: zvuková krajina má stejný rozpočet pozornosti jako obraz a seznam šesti zvuků vám vrátí kalný průměr ze všech. A pojmenujte nepřítomnost, když na ní záleží, protože „no music“ a „nothing else“ jsou ty vzácné případy, kdy říct, co nechcete, funguje: ticho je skutečný stav zvukové stopy, ne předmět, který je třeba nakreslit.

Kdy ho vypnout

Jsou tři poctivé případy a žádný z nich není o kvalitě.

Ozvučujete si to sami. Pokud klip jde do střihu s vlastní hudbou, vygenerovaná atmosféra pod ním se bude jen prát se stopou, kterou jste vybrali. Vypněte a nechte časovou osu čistou.

Potřebujete konkrétní hudbu. Zvuková identita značky, licencovaná skladba, píseň, kolem které je celek postavený. Nic vygenerovaného nenahradí konkrétní nahrávku a ani by se o to nemělo pokoušet.

Nikdo to neuslyší. Svislé video na sítích se přehrává ztlumeně a většina diváků zvuk nikdy nezapne. Náš text o svislém videu na sítě říká totéž z druhé strany: pokud první vteřina musí fungovat potichu, utraťte prompt za pohyb, ne za zvuk.

Co to nenahrazuje

Berte to, co přijde, jako vlastní zvuk scény, ne jako herce pracujícího podle vašeho textu. Pokud klip závisí na přesných slovech v přesných okamžicích nebo na střihu, který padne přesně na dobu, pořád to děláte ve střižně, a správně. Poctivý popis téhle funkce zní: ubírá rutinní půlku práce se zvukem, ne celou.

I tak z ní ubírá většinu. Pro obrovské množství klipů, které jen nemají být němé, krok, který dřív stál hodinu, teď nestojí nic a proběhne, zatímco se nedíváte.

Dají vám ho obě cesty: popsat scénu od nuly textem, nebo rozhýbat snímek, který už máte. Pokud si nejste jistí, srovnání to vyřeší jednou větou. Celá sada ovládacích prvků včetně čtyř modelů a délek až třicet sekund je v článku o ovládací ploše. Tak či tak si výsledek pusťte se zapnutým zvukem, než se rozhodnete cokoli měnit.