Наткнулся на разбор ребят, которые собирают вертикальный мультсериал "Лесная улица" цел...
Наткнулся на разбор ребят, которые собирают вертикальный мультсериал "Лесная улица" целиком из нейросетей - картинки, видео, голоса, монтаж. И там прям живая сцена, как они воюют с моделями. Дают Kling первый запрос с обычным описанием сдержанной мимики - лица выходят плоские, как маски. Переписывают запрос построчно, с секундами и репликами: кто на кого смотрит, где пауза, где раскрывается поднос. И тут модель как будто просыпается - взгляды, брови, реакции слушающих, все на месте. Дальше смешнее. В одном дубле заданный по сценарию запрет произносят сразу два героя, хотя говорить должен был только один. Поднос в другом дубле вообще телепортируется со стола в руки героя между кадрами. Доходит до того, что в запрос к Kling пишут буквально "ровно пять реплик, каждая произносится один раз, без эха, без смеха, слушающий никогда не повторяет слова говорящего" - и только с третьего захода все пять реплик распознаются нормально, без дублей. А с надписями на картинках вообще отдельный цирк. Просят Seedance нарисовать табличку "агитация запрещена" - а она выдает "ПИРОКИЙ АГИТАЦИЯ". Kling вместо текста заполняет доску псевдострочками, просто имитацией букв. В итоге правило простое: на видео все таблички чистые, а смысл несут голос и действие, а не текст в кадре. И вот читаешь это все и понимаешь, что ИИ в моменте генерит кино почти с первого раза, если сцена расписана по секундам, но стоит дать слабину в запросе - и он тут же дорисует тебе лишнюю Зину или напишет дичь на заборе. Грустно немного, что без человека, который сидит и тридцать раз пересматривает дубль, до сих пор никак. https://habr.com/ru/articles/1102098/?utm_campaign=1102098&utm_source=habrahabr&utm_medium=rss
Канал в каталоге Максиметера
1 231 подписчиков · IT и технологии