Jak pisać opisy do wideo AI: opisuj ruch, nie obraz

Oto jedna myśl, która naprawia większość słabych opisów do wideo: przy wideo z obrazu obraz zrobił już połowę roboty. To, co wgrywasz do Fellowi Video, ustala, kto jest w kadrze, w co jest ubrany, gdzie stoi, jak pada światło. Model to wszystko widzi. Więc gdy opis zużywa trzydzieści słów na powtórzenie tego, punkt wyjścia jest opisany dwa razy, a kolejne cztery sekundy ani razu. Obraz odpowiada za co. Opis odpowiada za jak to się porusza.

Jeśli znasz nasz przewodnik po pisaniu opisów do obrazów, zwróć uwagę, jak inne to zadanie. Opis obrazu buduje scenę od zera, więc szczegół jest sprzymierzeńcem. Opis wideo dostaje gotową scenę i dodaje czas. Szczegół o scenie to teraz szum; szczegół o ruchu to sygnał.

Pięć pytań, na które powinien odpowiadać opis wideo

Nie potrzebujesz wszystkich pięciu w każdym opisie. Ale dobry opis odpowiada przynajmniej na dwa lub trzy, a słaby zwykle na żadne.

1. Kamera: czy się porusza i jak?

Nieruchoma, powolny najazd, powolny odjazd, łagodna panorama w lewo lub w prawo, delikatne drżenie „z ręki”. Nazwij jedno. Powoli poruszająca się kamera to najprostszy sposób, by nieruchomy kadr wyglądał jak nagranie, nawet gdy nic innego się nie zmienia.

2. Ruch postaci: co robi osoba lub przedmiot?

Obrót głowy, oddech, uśmiech, który się pojawia, włosy unoszone przez wiatr, palce zaciskające się na kubku. Małe i konkretne wygrywa z dużym i mglistym. „Podnosi wzrok i się uśmiecha” zadziała; „porusza się naturalnie” zostawia model ze zgadywaniem.

3. Tempo: jak szybko to wszystko się dzieje?

Zwolnione tempo, czas rzeczywisty, leniwy dryf, szybkie spojrzenie. Tempo decyduje, czy cztery sekundy będą chwilą czy montażem. W razie wątpliwości pisz „powoli”. Powolne czyta się jako zamiar, szybkie jako chaos.

4. Nastrój i otoczenie: co zmienia się w świecie wokół?

Migotanie światła, drgające zasłony, zaczynający padać deszcz, para nad kawą, pył w smudze słońca. Jeden szczegół otoczenia daje scenie puls i nie pozwala tłu wyglądać jak przyklejone.

5. Dźwięk: co powinno być słychać?

Fellowi Video generuje dźwięk do każdego klipu, a opis to miejsce, w którym nim sterujesz. Cichy deszcz, daleki ruch uliczny, cichy pokój z zegarem, wiatr w liściach, przyciszona muzyka w tle. Jeśli nic nie napiszesz, model wybierze sam. Jeśli wskażesz jedną rzecz, zwykle słucha.

Przed i po

W każdej parze ten sam obraz startowy. Zmienia się tylko opis.

Portret przy oknie

Przed: „Piękna kobieta z długimi ciemnymi włosami w białej koszuli stoi przy oknie w jasnym mieszkaniu”.

To podpis pod obrazem. Model zna już każde słowo, a nic tu nie mówi, co się dzieje.

Po: „Powolny najazd. Odwraca głowę ku oknu i cicho wydycha powietrze; pasmo włosów unosi lekki wiatr. Zasłona się kołysze. Cichy pokój, za oknem ledwie słyszalny szum miasta”.

Kamera, ruch postaci, otoczenie i dźwięk na jednym oddechu, bez powtarzania czegokolwiek z obrazu.

Górskie jezioro o zmierzchu

Przed: „Epicki, kinowy zachód słońca nad jeziorem z górami, dramatyczne światło, 4K, hiperrealizm”.

Przymiotniki o jakości nic nie dają ruchowi, a „4K” nie jest czymś, czym można kazać stać się klipowi 720p.

Po: „Nieruchoma kamera. Po wodzie powoli rozchodzą się kręgi; chmury suną w prawo; ostatnie światło na szczytach lekko gaśnie. Wiatr nad wodą, pojedynczy daleki ptak”.

Zdjęcie wygenerowane na karcie Zdjęcie

Przed: „Ożyw to. Realistycznie. Idzie przez pokój, bierze telefon, siada na sofie, śmieje się i macha do kamery”.

Cztery akcje w cztery sekundy. Model spróbuje wszystkich i nie skończy żadnej.

Po: „Delikatne drżenie kamery z ręki. Zerka w kamerę i powoli rozpromienia się w uśmiechu. Miękkie domowe światło migocze. Stłumiona muzyka z innego pokoju”.

Jedna akcja z początkiem i końcem, która spokojnie mieści się w klipie. Jeśli chcesz też przejścia na sofę, to drugi klip z innym obrazem startowym, a nie dłuższe zdanie. W artykule o ożywianiu zdjęć AI pokazujemy, jak w ten sposób budować sekwencję.

Trzy błędy, które psują klip

Ponowne opisywanie obrazu

Najczęstszy i najbardziej wybaczalny, bo opisy do obrazów uczą właśnie tego. Sprawdź się: zasłoń obraz i przeczytaj opis. Jeśli mógłby być podpisem pod nieruchomym kadrem, to jeszcze nie jest opis wideo. Wytnij każde słowo, które model i tak widzi, i wydaj je na ruch.

Za dużo akcji na cztery sekundy

Obrót głowy zajmuje około sekundy. Uśmiech kolejną. Krok lub dwa resztę. To cały klip. Wszystko ponad dwa wyraźne ruchy zostaje ściśnięte w rozmazaną plamę albo po cichu pominięte. Wybierz jeden gest, o którym jest ta chwila, i pozwól kamerze oraz otoczeniu ponieść resztę.

Zaprzeczanie obrazowi

Jeśli osoba siedzi, nie proś, by biegła. Jeśli jest noc, nie proś o jasne słońce. Jeśli stoi tyłem, nie proś o zbliżenie oczu. Model musi uszanować kadr startowy, więc opis, który z nim walczy, daje zniekształcenia, „rozpływanie” albo twarz, która przestaje przypominać tę wgraną. Pracuj z tym, co jest na obrazie: ruch, o który prosisz, powinien wiarygodnie wynikać właśnie z tego kadru.

Mały szablon na start

Wypełnij, co pasuje, resztę usuń:

• Kamera: nieruchoma / powolny najazd / powolny odjazd / łagodna panorama / drżenie z ręki
• Postać: jeden gest z początkiem i końcem
• Tempo: powoli / czas rzeczywisty
• Otoczenie: jedna rzecz, która porusza się w tle
• Dźwięk: jedna lub dwie wskazówki dźwiękowe

W całości: „Powolny odjazd. Opuszcza książkę i patrzy na deszcz za oknem. Światło lampy migocze. Deszcz na szybie, szelest kartek”. To około dwudziestu słów i kompletny opis do wideo.

Najczęstsze pytania

Jak długi powinien być opis do wideo?

Jedno do trzech krótkich zdań. Jeśli przekraczasz czterdzieści słów, prawdopodobnie opisujesz obraz albo nakładasz na siebie akcje. Tnij, aż zostaną tylko ruch, tempo i dźwięk.

Czy wspominać, jak wygląda osoba?

Tylko jeśli to część ruchu („jej włosy się unoszą”, „jego szal powiewa”). Wygląd jest ustalony przez obraz; powtarzanie go nic nie zmienia i wypycha przydatne słowa.

Co jeśli render się nie uda?

Nieudany render nigdy nie jest płatny: monety wracają, a miejsce z puli planu Director zostaje zwrócone. Zwykłe lekarstwo to uproszczenie: mniej akcji, wolniejsze tempo i żadnych poleceń, które kłócą się z obrazem startowym. Spróbuj ponownie z tym samym obrazem.

Czy mogę prosić o treści dla dorosłych?

Fellowi to platforma 18+, a treści dla dorosłych między dorosłymi są dozwolone. Wszystko, co dotyczy osób niepełnoletnich lub braku zgody, jest odrzucane bezwzględnie. Powyższe zasady działają dokładnie tak samo: opisuj ruch, trzymaj się jednego lub dwóch taktów i nie zaprzeczaj kadrowi.

Gdzie to wypróbować?

Otwórz studio ikoną magicznej różdżki w nagłówku albo wejdź prosto na fellowi.com/video. Wybierz obraz startowy, wklej opis i zobacz, co potrafi dwadzieścia dobrze dobranych słów.