Jak psát popisy pro AI video: popisuj pohyb, ne obrázek

Tady je jedna myšlenka, která opraví většinu špatných popisů pro video: u videa z obrázku udělal obrázek už půlku práce. Cokoli nahraješ do Fellowi Video, určuje, kdo je v záběru, co má na sobě, kde stojí, jak padá světlo. Model to všechno vidí. Takže když popis utratí třicet slov na zopakování téhož, máš výchozí bod popsaný dvakrát a následující čtyři sekundy vůbec. Obrázek řeší co. Popis řeší jak se to hýbe.

Pokud znáš našeho průvodce psaním popisů pro obrázky, všimni si, jak jiný je to úkol. Popis obrázku staví scénu z ničeho, takže detail je spojenec. Popis videa dostane hotovou scénu a přidá čas. Detail o scéně je teď šum; detail o pohybu je signál.

Pět věcí, na které by měl popis videa odpovídat

Nepotřebuješ všech pět v každém popisu. Ale dobrý popis odpovídá alespoň na dvě nebo tři, slabý většinou na žádnou.

1. Kamera: hýbe se, a jak?

Statická, pomalý nájezd, pomalý odjezd, jemná panoráma vlevo nebo vpravo, lehké chvění „z ruky“. Pojmenuj jedno. Pomalu se pohybující kamera je nejjednodušší způsob, jak ze statického snímku udělat záběr, i kdyby se nic jiného neměnilo.

2. Pohyb postavy: co dělá člověk nebo předmět?

Otočení hlavy, nádech, úsměv, který přichází, vlasy zvednuté vánkem, prsty svírající hrnek. Malé a konkrétní poráží velké a mlhavé. „Zvedne oči a usměje se“ zabere; „pohybuje se přirozeně“ nechá model hádat.

3. Tempo: jak rychle se to všechno děje?

Zpomalený záběr, reálný čas, líné plynutí, rychlý pohled. Tempo rozhoduje, zda čtyři sekundy působí jako okamžik nebo jako sestřih. Když váháš, napiš „pomalu“. Pomalé se čte jako záměr, rychlé jako chaos.

4. Nálada a prostředí: co se mění ve světě kolem?

Blikající světlo, záclony, které se pohnou, déšť, který začíná, pára nad kávou, prach ve slunečním paprsku. Jediný detail prostředí dá scéně tep a zabrání tomu, aby pozadí vypadalo jako přilepené.

5. Zvuk: co máme slyšet?

Fellowi Video generuje ke každému klipu zvuk a právě v popisu ho řídíš. Tichý déšť, vzdálený provoz, tichý pokoj s hodinami, vítr v listí, tlumená hudba v pozadí. Když neřekneš nic, vybere model. Když řekneš jednu věc, obvykle poslechne.

Před a po

V každé dvojici stejný startovní obrázek. Mění se jen popis.

Portrét u okna

Před: „Krásná žena s dlouhými tmavými vlasy v bílé košili stojí u okna ve světlém bytě.“

To je popisek k obrázku. Model už zná každé slovo a nic tady neříká, co se děje.

Po: „Pomalý nájezd. Otočí hlavu k oknu a tiše vydechne; pramen vlasů zvedne lehký vánek. Záclona se zavlní. Tichý pokoj, venku slabý šum města.“

Kamera, pohyb postavy, prostředí a zvuk na jeden nádech, a nic z obrázku se neopakuje.

Horské jezero za soumraku

Před: „Epický filmový západ slunce nad jezerem s horami, dramatické světlo, 4K, hyperrealistické.“

Přídavná jména o kvalitě pohybu nijak nepomůžou a „4K“ není nic, čím by se klip v 720p mohl stát.

Po: „Statická kamera. Po vodě se pomalu šíří kruhy; mraky plují doprava; poslední světlo na vrcholcích trochu pohasne. Vítr nad vodou, jediný vzdálený pták.“

Fotka vygenerovaná v záložce Fotka

Před: „Rozpohybuj to. Realisticky. Projde pokojem, vezme telefon, sedne si na sofa, zasměje se a zamává na kameru.“

Čtyři akce ve čtyřech sekundách. Model zkusí všechny a nedokončí žádnou.

Po: „Lehké chvění kamery z ruky. Pohlédne do kamery a pomalu se rozzáří úsměvem. Měkké domácí světlo bliká. Tlumená hudba z jiného pokoje.“

Jedna akce se začátkem a koncem, která se do klipu pohodlně vejde. Pokud chceš i cestu k sofa, je to druhý klip s jiným startovním obrázkem, ne delší věta. V článku o rozpohybování AI fotek ukazujeme, jak takhle skládat sekvenci.

Tři chyby, které zkazí klip

Znovu popsat obrázek

Nejčastější a nejodpustitelnější, protože popisy pro obrázky učí dělat přesně toto. Otestuj se: zakryj obrázek a přečti si popis. Pokud by mohl sloužit jako popisek ke statickému snímku, popis videa ještě napsaný nemáš. Vyškrtej každé slovo, které model už vidí, a utrať ho za pohyb.

Příliš mnoho akcí na čtyři sekundy

Otočení hlavy trvá asi sekundu. Úsměv další. Krok nebo dva zbytek. To je celý klip. Cokoli nad dva jasné pohyby se slisuje do rozmazané šmouhy nebo se potichu vypustí. Vyber jedno gesto, o kterém ten okamžik je, a nech kameru a prostředí nést zbytek.

Odporovat obrázku

Když člověk sedí, nechtěj, aby běžel. Když je noc, nechtěj ostré slunce. Když stojí zády, nechtěj detail očí. Model musí respektovat startovní snímek, takže popis, který s ním bojuje, vyrobí deformace, „rozpouštění“ nebo tvář, která přestane vypadat jako ta nahraná. Pracuj s tím, co na obrázku je: pohyb, o který žádáš, by měl věrohodně vyplývat právě z tohoto snímku.

Malá šablona pro začátek

Vyplň, co se hodí, zbytek smaž:

• Kamera: statická / pomalý nájezd / pomalý odjezd / jemná panoráma / chvění z ruky
• Postava: jedno gesto se začátkem a koncem
• Tempo: pomalu / reálný čas
• Prostředí: jedna věc, která se hýbe v pozadí
• Zvuk: jedna nebo dvě zvukové nápovědy

Vcelku: „Pomalý odjezd. Odloží knihu a zadívá se na déšť za oknem. Světlo lampy bliká. Déšť na skle, šustění stránek.“ To je asi dvacet slov a je to hotový popis pro video.

Časté otázky

Jak dlouhý má být popis pro video?

Jedna až tři krátké věty. Pokud máš přes čtyřicet slov, nejspíš popisuješ obrázek nebo vršíš akce. Škrtej, dokud nezůstane jen pohyb, tempo a zvuk.

Mám zmiňovat, jak člověk vypadá?

Jen když je to součást pohybu („její vlasy se zvednou“, „jeho šála se vlní“). Vzhled je daný obrázkem; opakovat ho nic nezmění a jen vytlačí užitečná slova.

Co když render selže?

Neúspěšný render se nikdy neúčtuje: coiny se vrátí a místo z kvóty plánu Director se vrátí také. Obvyklý lék je zjednodušit: méně akcí, pomalejší tempo a žádný pokyn, který se hádá se startovním obrázkem. Zkus to znovu se stejným obrázkem.

Můžu chtít explicitní obsah?

Fellowi je platforma 18+ a obsah pro dospělé mezi dospělými je povolen. Cokoli týkající se nezletilých nebo bez souhlasu je odmítnuto bez výjimky. Pravidla výše platí úplně stejně: popisuj pohyb, drž se jednoho či dvou taktů a neodporuj záběru.

Kde si to vyzkoušet?

Otevři studio přes ikonu kouzelné hůlky v záhlaví, nebo jdi rovnou na fellowi.com/video. Vyber startovní obrázek, vlož popis a sleduj, co dokáže dvacet dobře zvolených slov.