Jeden krátký klip, od prázdné stránky k hotovému souboru

Chtěl jsem jeden desetisekundový klip: žena na balkoně v noci, za ní město, takový záběr, kterým by něco začínalo. Nic ambiciózního. Zabralo to asi čtyřicet minut a 3150 mincí, a sepsat, kam se poděly, je užitečnější než jakýkoli uklizený návod, protože většina těch čtyřiceti minut nepadla na psaní.

Nejdřív volba cesty, kde jsem se málem spletl

První popud byl popsat všechno textem a nechat model vymyslet. To by byla špatná volba a důvod je ta jediná věc, kterou je dobré vědět předem: text na video vymýšlí i toho člověka, a pokaždé jiného.

Protože jsem chtěl konkrétní vzhled, který přežije celý klip, odpověď zněla: nejdřív udělat snímek a ten rozhýbat. Kdybych chtěl vlny na vlnolamu nebo noční provoz, text by stačil a ušetřil bych krok. Celé tohle rozhodnutí je na jednu větu a srovnávací článek ji dává.

Snímek: čtyři obrázky, 160 mincí

Standardní kvalita, po 40 mincích. První byl příliš světlý, na druhém se dívala do objektivu, ale já ji chtěl s pohledem stranou, třetí byl správný, jen moc zeširoka, čtvrtý byl ten pravý.

Jednu věc jsem udělal záměrně, protože jsem se ji naučil draze: napsal jsem ten snímek jako počáteční, ne jako dobrou fotografii. To znamená, že postava je v klidu, a ne uprostřed gesta, protože snímek, který už vypadá jako střed pohybu, nenechává videomodelu kam jít. A pozadí je rozostřené, protože drift se nejdřív projeví právě tam.

První klip: čtyři sekundy, 500 mincí, mimo

Skica na čtyři sekundy a 720p na turbo modelu, nejlevnější použitelná kombinace, jaká existuje. Můj prompt popisoval scénu: balkon, světla města, vlasy, náladu.

Vrátilo se to, jako by někdo snímkem mírně zatřásl. Pohybu skoro žádný, a ten, co byl, působil bezcílně.

Chyba je zpětně zřejmá a dělám ji pokaždé, když jsem týden nesáhl na video. Snímek už řekl, jak scéna vypadá. Opakovat to v promptu znamenalo utratit celý rozpočet pokynů za informaci, kterou model už měl. Videoprompt má být o tom, co se hýbe.

Druhý klip: čtyři sekundy, 500 mincí, skoro

Přepsal jsem to jen na pohyb: pomalý nádech, vlasy se lehce zvedají ve větru, světla města za ní měkce mění ostrost, kamera statická. Čtyři věty, všechny o změně v čase.

Obrovský rozdíl. Teď to byl záběr, a ne roztřesená fotografie. Pořád ale ne ono: statická kamera způsobila, že to působilo jako záznam z bezpečnostní kamery. Což bylo užitečné zjistit, protože to znamenalo, že proměnnou je kamera, a té jsem se nedotkl.

Třetí klip: čtyři sekundy, 500 mincí, tenhle

Změnil jsem přesně jednu věc. Statická kamera se stala „very slow push in“. Všechno ostatní stejné.

To byl ten záběr. Nepatrný pohyb k postavě dělá s pozorností něco, co nic uvnitř rámu samo nesvede, a stálo to jednu větu.

Stejná kázeň jako u obrázků: jedna proměnná na pokus. U videa je důležitější, ne méně, protože každý pokus stojí dvanáctkrát tolik.

Odhodlání k délce: deset sekund, 1250 mincí

Teprve teď, s vyřešeným pohybem a kamerou, jsem to pustil znovu na deset sekund. Stejný prompt, stejný počáteční snímek, delší doba.

Tohle je ta část postupu, která opravdu šetří peníze. Deset sekund je 1250 mincí v 720p turbo; pokusy jsem hnal po 500 a desetisekundovou cenu zaplatil jednou, na konci. Udělat to obráceně je způsob, jak jeden klip sní velký balíček, a žebřík cen je dost strmý na to, aby se ta kázeň vyplatila okamžitě.

Poctivá poznámka: delší verze není prostě natažená čtyřsekundová. Generuje se znovu, takže pohyb je podobný, ale ne totožný. Občas je delší záběr horší a pustíte ho znovu. Počítejte s tou možností, místo abyste se jí nechali překvapit.

Zvuk: nic

Doslova není co dělat. Klip přišel jako jeden MP4 se zvukovou stopou už uvnitř, vytvořenou pro tutéž scénu, a cena se nezměnila. Do promptu jsem napsal „distant traffic, wind“ a zhruba to tam bylo.

Tohle je krok, který dřív býval polovinou práce, a teď je to krok, který neexistuje. Víc v článku o generovaném zvuku.

Konečné vyúčtování

• 4 snímky po 40 mincích: 160
• 3 skicovité klipy po čtyřech sekundách: 1500
• 1 finální klip na deset sekund: 1250
• Celkem: 3150 mincí, asi čtyřicet minut

Z těch čtyřiceti minut bylo psaní možná šest. Zbytek bylo čekání na rendery, které běží minuty, ne sekundy, a přecházení kolem s rozhodováním, jestli byl ten poslední dost dobrý. Tenhle rytmus je ten skutečný rozdíl oproti práci s obrázky: nejde iterovat rychle, takže každý pokus musí stát za to.

Co bych si řekl před začátkem: piš snímek jako počáteční, popisuj jen pohyb, měň jednu proměnnou a nesahej na délku, dokud čtyřsekundová verze nebude ten záběr, který chceš. Všechno ostatní je trpělivost. Děje se to ve Fellowi Video a průvodce videoprompty je zhuštěná verze těch dvou klipů, které jsem promarnil.