Давайте сразу договоримся: любой вид изначально сгенерированного нейросетями контента сам по себе плох. Ну или как минимум не востребован. Тексты получаются скучными и бессмысленными, а изображения буквально вопиют о неоригинальности. Про видео и говорить не стоит. В большинстве случаев вы получите сон галлюцинирующего наркомана. Поиграться можно, но серьезным медиапроизводством тут и не пахнет.

Волшебство происходит, когда у нас есть собственная человеческой головой придуманная и представленная идея, а затем мы комбинируем несколько инструментов для ее воплощения. На этом этапе главное самому себе не понаставить палок в колеса. Чем проще задумка — тем легче будет дальше работать. Еще важно помнить: большинство нейросетей чувствительны к авторскому праву и умеют распознавать NSFW (нежелательный) контент, поэтому некоторые действия будут недоступны. Скажем, почти на всю музыку существует жесткий копирайт, а эротические изображения нередко блокируются скриптом самого ИИ.

На сегодняшний день нейросети умеют создавать музыку, изображения, писать тексты и кое-как анимировать объекты. В качестве примера попробуем использовать все эти функции для создания одного короткого клипа. Для работы нам понадобится chatGPT, Suno AI и Sora. Первые две делят одну подписку, поэтому платить за обе нейронки не придется. Sora же вообще бесплатна, хотя у нее есть платные улучшенные версии.

Для начала воспользуемся chatGPT, чтобы создать визуализацию идеи. Важно понимать: итоговый вариант персонажа в нашем клипе навряд ли будет выглядеть так же, как отобранный вами образ, но сделать это необходимо, чтобы приступить к следующему этапу. В обновленной версии GPT получил возможность не только генерировать изображения, но и точечно редактировать их. Поэтому, если у вашей русалочки выросли копыта вместо ног — всегда можно попросить изменить несколько деталей.

Для создания клипа нам понадобится несколько кадров, которые затем можно будет оживить в Sora. Это должны быть крупные, средние и общие планы. В моем случае сделать их оказалось непросто из-за ограничений GPT. Кровь и ссадины, а также частично обнаженное женское тело все время попадали под встроенные фильтры GPT, и алгоритм выдавал одну ошибку за другой. Тем не менее у меня получилось сделать несколько шаблонов для Sora.

Кстати, GPT может извлекать информацию из изображения, поэтому если вам понадобятся кадры интерьера или экстерьера для переходов — он сможет запросто сгенерировать их на основе оригинальной картинки.

Теперь пришло время анимации. Для этого нужно составить промпт для Sora, но зачем мучиться и самому придумывать теги и описания? Искусственный интеллект куда лучше человека объяснит другому ИИ, что от него требуется. Для каждого видеофрагмента я попросил GPT сделать отдельный промпт, в котором будет детальное описание происходящего, а также движения камеры и света.

Копируем, вставляем в Sora вместе с изображением и ждем результат. В отличие от GPT, Sora работает с пальцами, глазами и прочими ушами очень небрежно. Что-то можно залакировать на пост-продакшене, другое и так едва заметно, но ошибки будут наверняка. Чем больше мы сделаем генераций, тем выше получится качество итогового ролика. У меня на каждый кадр ушло около пяти генераций, и из получившегося материала я использовал всего 10%. Вероятно, в будущем нейросети смогут анимировать лучше, но пока реальность такова: мы не можем полностью контролировать процесс, и даже с очень точным промптом получается много брака.

Следующий шаг намного проще и приятнее. Для клипа необходим саундтрек, который бы не попадал под авторские права. В качестве автора песни опять используем GPT. Не забываем, текст будет петь SunoAI, и GPT должен об этом знать, чтобы написать его в правильном формате. Выглядеть все будет примерно так:

[Verse 1]  

Я шла сквозь ветер, пыль и сон,  

Где каждый шаг — как миллион.  

В глазах — закаты без огня,  

Но сердце шепчет: жди меня.

В самом SunoAI в окошке Styles указываем жанр и стиль. В принципе, туда можно написать полноценный промпт, что я и сделал. В окно сверху вставляем наш текст и нажимаем «создать».

(илл.7)

Теперь у нас есть фрагменты видео и саундтрек. На этом работа с нейросетями заканчивается. К сожалению, автоматический монтаж ролика им еще доверять рано. Особенно, если вы создаете сложную сцену, а не обыкновенное слайдшоу. Поэтому открываем любую монтажную программу и работаем дальше в ней. Это не обязательно должно быть что-то профессиональное вроде Final Cut или Adobe Premier. Обычного CapCut, в котором делают 90% сегодняшних тиктоков, вполне достаточно. Подставляем наш AI саундтрек так, чтобы он более-менее совпадал с видеорядом, добавляем переходов и экспортируем. У меня получилось вот так:

Если не считать шести пальцев в сцене с лужей, то выглядит вполне прилично. Я мог бы сделать больше генераций этой сцены и в итоге получить что-то более качественное.

Вся генерация в Sora и других похожих нейросетях – это чистой воды шаманство. Может получиться с первой попытки, но случается вместо шести пальцев нейронка отрастит бедной девушке еще одну голову или вообще превратит в мужика. Итоги работы с генерирующими видео-нейросетями обычно пропорциональны затраченному времени. И если вы хотите создать действительно качественный ролик, будьте готовы потратить на это как минимум день, большую часть которого займет генерация и кропотливый отбор подходящих кадров.