Tworzenie materiałów audiowizualnych z AI: co można, a czego wciąż nie da się zrobić profesjonalnie

19 i 20 listopada 2024 roku w Maladze odbyła się Upscale Conf 2024, jedna z najmocniejszych konferencji poświęconych AI, jakie pamiętam w skali światowej.

Można się było tego spodziewać, patrząc na prelegentów i firmy, z których przyjechali (Freepik, Google, Microsoft, GitHub, ElevenLabs, Magnific AI, Founderz…).

Poza możliwością zobaczenia znajomych twarzy z technologicznej czołówki Malagi wydarzenie pozwoliło mi poznać nowych ludzi. Nie codziennie ma się okazję porozmawiać z dziennikarzem Business Insider, jednego z moich ulubionych codziennych newsletterów.

Przydało mi się również do czegoś jeszcze: zobaczyć obecny stan AI i zrozumieć globalny wpływ, jaki JUŻ wywiera na branże kreatywne.

I właśnie o tym jest ten wpis: ma dać przegląd wystąpień i wyjaśnić, na jakim etapie już jesteśmy. Od razu uprzedzam, że rozwój zaszedł dalej, niż oczekiwałem przed konferencją.

Zanim jednak przejdę do rzeczy, muszę powiedzieć, że bardzo pozytywnie zaskoczyły mnie obiekty SOHRLIN Andalucía, położone bardzo blisko innego ciekawego miejsca na wydarzenia, La Térmica, starszego i bardziej znanego.

Widać, że za projektem stoi Antonio Banderas, bo poziom audiowizualny i komfort obiektu były bardzo wysokie.

Ponad 500 osób uczestniczących w wydarzeniu miało bardzo wygodne warunki, a powiedziałbym, że zajęliśmy zaledwie połowę miejsc.

Dobrze, wstęp za nami, więc przejdźmy do konkretów: omówię kolejno wszystkie wystąpienia i powiem, co wyniosłem z każdego z nich.

Martin LeBlanc – Freepik

Zaczęliśmy mocno.

Ze wszystkich wystąpień to spodobało mi się najbardziej.

Notowałem jak szalony, a przy tym bez przerwy robiłem zdjęcia i nagrywałem filmy.

Dlaczego?

Ponieważ Martin, szef produktu we Freepik, wyjaśnił, jak wiele można zrobić z AI, i przygotował wszystkie materiały potrzebne wokół fikcyjnego projektu energii odnawialnej o nazwie Solar Nomad.

Kiedy mówię wszystkie, mam na myśli:

#1. Projektowanie stron internetowych

Zgodnie z takim procesem:

1. Sketch to Image (idealne na początek, gdy mamy już coś w głowie).
2. Reimagine (warianty ze zmianą konkretnego elementu).
3. Expand (rozszerzanie marginesów).
4. Retouch (retusz konkretnych elementów, jak w Photoshopie, tylko łatwiej).
5. Scale (zwiększanie rozdzielczości i poprawianie dłoni w tym samym procesie).

Martin pokazał, jak w kilka minut stworzyć landing page z hero bannerem i copy dla projektu.

Oczywiście wszystkie wymienione wyżej narzędzia, których używał podczas demonstracji, należą do Freepik, gdyby ktoś się zastanawiał.

Jeśli jednak wolisz inne narzędzia, proces wyglądałby tak samo.

To było dobre, ale nic w porównaniu z tym, co nastąpiło później…

#2. Reklama wideo

W tym momencie wszystkim oglądającym demo opadły szczęki. Oto końcowy rezultat, w całości wygenerowany przez AI:

Aby go uzyskać, Martin zastosował taki workflow:

Storyboard

Tego AI nie robi, przynajmniej AI Freepik… jeszcze nie.

Dostarczamy go sami. I tak, oczywiście możesz wspomóc się ChatGPT przy jego tworzeniu.

LoRAs

AI Freepik potrafi natomiast zachować spójność pomiędzy różnymi potrzebnymi klipami:

Aby film, reklamowy czy jakikolwiek inny, działał, trzeba stale zachować tę samą osobę lub postać.

Aby to osiągnąć, proces wygląda tak:

1. Tworzymy lub przesyłamy różne obrazy tej samej osoby
2. Piszemy prompty dla różnych sytuacji.
3. W rezultacie otrzymujemy obraz dla każdego klipu, a wszystkie pozostają ze sobą spójne.
4. Na koniec montujemy wszystko w dowolnym edytorze wideo. Na razie AI nie wykonuje tego etapu.

Dobrze, została jeszcze jedna mała rada.

I jest kluczowa.

Image to Video

Poza pomocą przy wpisywaniu i ulepszaniu promptów jednym z kluczy do generowania wysokiej jakości filmów jest przesyłanie wysokiej jakości obrazów.

Czyli takich o dobrej rozdzielczości.

Dlatego wykonujemy upscaling obrazu przed wygenerowaniem filmu. Między innymi po to kupili kiedyś Magnific.AI 😉

Choć nie widać tego na nieruchomym obrazie, różnica jakości pomiędzy filmami wygenerowanymi z jednego i drugiego zdjęcia jest wyraźna.

Dźwięk do filmu

Na tym etapie mamy dwa elementy:

1. Głos lektora.
2. Muzykę w tle.

Freepik ma narzędzia do obu:

Freepik Tunes

Aby wygenerować głos, wystarczy przesłać tekst i wybrać najlepiej pasujący głos.

Jeśli korzystałeś z ElevenLabs, znasz ten proces.

Video Match

Po przygotowaniu głosu trzeba dodać muzykę w tle.

W tym celu przesyłam film, a narzędzie proponuje mi różne opcje muzyki i dodatkowo integruje głos.

Rezultat jest po prostu rewelacyjny.

Czas i zasoby potrzebne w procesie

Martin powiedział nam, że cały film reklamowy zajął mu 10 godzin.

A wszystko to zrobiła jedna osoba..

Nie wiem, czy kiedykolwiek brałeś udział w plenerowej sesji filmowej, ale zapewniam, że nie jest to szybkie, a samo rozstawienie i złożenie sprzętu pochłania mnóstwo czasu.

A to dopiero efekt końcowy: wcześniej trzeba znaleźć i ustalić lokalizacje oraz przeprowadzić casting aktorów.

Rezultat jest więc niesamowity i pozwala małym i średnim firmom tworzyć reklamy o jakości zbliżonej do produkcji wielkich marek.

Nie oszacowałem kosztu w euro narzędzi Freepik potrzebnych do wykonania tego wszystkiego, ale spodziewam się, że jest on około 100–1000 razy niższy niż nakręcenie reklamy w „normalny” sposób.

Powtarzam: od 100 do 1000 razy mniej niż koszt jednej z tych reklam, które musisz oglądać przed każdym filmem na Prime Video.

Skoro zakończyłem podsumowanie tego wystąpienia — tego, które zrobiło na mnie największe wrażenie i dlatego chciałem opisać je szczegółowo — podsumuję resztę konferencji, skupiając się na najważniejszych punktach każdej prezentacji.

Nick Coronges – R/GA

Nick pokazał przykłady tego, jak technologia zmusza firmy do zmiany kierunku. Freepik wie o tym najlepiej: w rekordowym czasie musiał przejść od marketplace’u obrazów do platformy AI.

Skupił się też na wykorzystaniu AI przez marki. Musimy na nowo przemyśleć nasz kreatywny pipeline.

Dzięki AI możemy dziś nadal robić to, co robiliśmy, ale robić to lepiej.

Nick sugeruje jednak odwrócenie tego podejścia i zastanowienie się, co możemy zrobić dzięki AI, czego wcześniej nie mogliśmy.

Jako przykład podał rebranding Androida przeprowadzony w tym roku przez agencję oraz to, jak AI pomogła im stworzyć nieskończoną liczbę wariantów robota po wytrenowaniu modelu.

Ilustruje to coś, co uważa za agencję brandingową opartą od podstaw na AI..

Hugo Barbera – HumAInmade

Hugo jest kreatywny.

Widać to od pierwszej minuty. Opowiada o swoim doświadczeniu z AI, które nie zaczęło się wczoraj: pracuje z nią od kilku lat. Widać to w jego pracach:

Ponadto na rynku luksusowym, na którym skupia się jego agencja, jego futurystyczne kreacje — nazwijmy je tak — zawsze opowiadają historię. I to jest klucz do ich sukcesu.

Oto dwa przykłady:

Mnie osobiście mocno przypominały komiksy z Métal Hurlant które czytałem prawie 30 lat temu i które na szczęście wróciły do życia dzięki Kickstarterowi, ale to inny temat.

Laia Grassi

Wystąpienie Laii było pełne konkretów.

Na początek zwróciła uwagę na ogromną liczbę obszarów, na które wpływa pojawienie się AI — znacznie większą, niż wydaje się na pierwszy rzut oka.

Oczywiście pokazała liczby dotyczące szacowanej liczby miejsc pracy w 2025 roku związanych z AI, w obu kierunkach, i były one oszałamiające:

• 97 milionów nowych miejsc pracy.
• 85 milionów miejsc pracy zastąpionych przez AI.
• Dodatnie saldo 12 milionów miejsc pracy.

I to tylko w 2025 roku.

Zastanów się, po której stronie chcesz być… i działaj.

Po przedstawieniu kontekstu zaczęła wyjaśniać różnice między tym, jak kreatywność działa w ludzkim umyśle, a tym, jak zarządza nią AI.

Pokazała nam też kilka prawdziwych kampanii wykorzystujących AI.

Pierwsza miała odtworzyć sesję zdjęciową w idyllicznych sceneriach dla firmy, której nie było stać na prawdziwą realizację:

To analogiczne do reklamy z pierwszego wystąpienia, o której opowiadałem, ale zastosowane do sesji zdjęciowej.

Drugim przykładem były reklamy dla sklepu internetowego, w których produkt łączono z obiektami wygenerowanymi przez sztuczną inteligencję — przepraszam za jakość filmu, ale musiałem użyć zoomu:

Na zakończenie przytoczyła świetny cytat, który chyba należał do Steve’a Jobsa:

„Kreatywność to umiejętność dostrzegania połączeń tam, gdzie inni ich nie widzą, przełamywania ustalonych schematów i tworzenia nowych rozwiązań”.

Pau García Mila – Founderz

Pau wygłosił bardzo zabawne wystąpienie, pełne ciągłych żartów, ale też konkretnej treści.

Mogliśmy więc na żywo zobaczyć słynny mit o stworzeniu startupu w 15 minut — z zegarkiem w ręku — za pomocą AI.

Proces wyglądał tak:

• Poprosił Copilot, by zaczął od biznesplanu startupu.
• Następnie o rozpisanie planu finansowego w tabelach.
• Teksty do mediów społecznościowych.
• Filmy — być może najmniej udany element, ale miał tylko 15 minut na wszystko.
• Prezentację dla inwestorów.
• I landing page

Chodziło nie o stworzenie startupu, który zadziała za pierwszym razem, lecz o pokazanie nam, jak szybko można go uruchomić.

I uświadomienie, że AI pozwala ponosić porażki „faster and cheaper”, dzięki czemu możemy uruchamiać wiele, naprawdę bardzo wiele pomysłów niemal natychmiast i testować je, by sprawdzić, które mogą zadziałać, a następnie rozwijać właśnie te.

To ta sama metodologia, którą stosują inwestorzy early stage w startupach, ale zastosowana do tworzenia samej firmy.

Jeśli jesteś niespokojnym duchem, pomysł jest niezwykle kuszący…

Poza swoim wystąpieniem Pau był także moderatorem konkursu startupów opartych na AI podczas wydarzenia.

Wybrano cztery:

• Journo: treści dla dziennikarzy tworzone z AI, do SEO, social mediów…
• Brandfy: tworzenie całej marki z AI.
• ConsistentCharacter: storytelling wizualny.
• PiktID: tworzenie modeli do sesji zdjęciowych.

Wygrał ten ostatni projekt, gdybyś chciał mu się przyjrzeć.

George Eid – AREA 17

Przechodząc na bardziej metafizyczny poziom, George wyjaśnił na przykładach, dlaczego historie działają i jakim regułom podlegają sukcesy.

W przypadku AI możemy powiązać ją z siłą i magią.

Justin Hackney – ElevenLabs

Szczerze mówiąc, jako fan narzędzia miałem bardzo wysokie oczekiwania wobec tego wystąpienia. Prawda jest jednak taka, że można je streścić jednym zdaniem:

„Historie, które opowiadamy, kształtują naszą rzeczywistość”.

Nerea Luis

Nerea miała trudne zadanie utrzymać nas w stanie czujności po obiedzie. I udało jej się.

Skupiła się na czterech zastosowaniach, w których AI może pomóc nam komunikować się szybciej i inteligentniej. Według niej są to:

• Personalizacja UX.
• Copywriting i treści sprzedażowe.
• Testowanie interfejsów konwersacyjnych (chatboty i QA).
• Prototypowanie i konceptualizacja.

Podała przykład Netflix: algorytmy na nowo zdefiniowały sposób korzystania z aplikacji wideo, przez co niemal przestaliśmy używać wyszukiwarki, choć jakiś geek taki jak ja nadal robi to od czasu do czasu.

Poleciła nam również dać szansę NotebookLM, ponieważ jej zdaniem jest to kolejny krok po ChatGPT: zwiększa identyfikowalność treści dzięki „bubbles”, czyli podpowiedziom pokazującym więcej informacji po najechaniu kursorem.

Dyskusja panelowa, moderator: Andrés Torrubia – Medbravo

Następnie odbyła się dyskusja panelowa na temat obecnego stanu AI w generowaniu wideo.

Oto najważniejsze wnioski wniesione przez poszczególnych uczestników:

• Stacie Chan: odnosząc się do ośmiu sekund wideo, które potrafi stworzyć jej aplikacja, powiedziała, że ograniczenia sprzyjają kreatywności, bo zmuszają nas do lepszego myślenia. I nie mógłbym się z tym bardziej zgodzić, przynajmniej do pewnego momentu. Wystarczy obejrzeć „wersje rozszerzone” lub „director’s cut” dowolnego filmu Ridleya Scotta, by zobaczyć, jak dobrze robi mu producent, który przycina mu skrzydła.
• Mike Ramos: ten producent audiowizualny powiedział, że trzeba być świadomym ograniczeń i zmienić sposób myślenia i tworzenia przed użyciem narzędzia. Być może nie da się zrobić dokładnie tego samego co wcześniej, ale można odkrywać nowe możliwości.
• Javi López: na koniec współzałożyciel Magnific.AI powiedział, że podczas tworzenia wideo z AI poświęca mnóstwo czasu na badania i testy, aż uzyska coś przyzwoitego. Wskazał również spójność jako kluczowy czynnik umożliwiający tworzenie za pomocą AI filmów dłuższych niż kilka sekund czy minut. Bez niej jest to niemożliwe.

Elizabeth Laraki – wcześniej w Google

Zaczęła od pokazania, jak możemy nauczyć się promptingu:

• Metodą prób i błędów.
• Analizując feedback oferowany przez narzędzia.
• Korzystając z promptów udostępnianych przez innych użytkowników na forach i portalach („spróbuj tego…”).
• Prompting odwrotny: na platformach AI takich jak generatory obrazów, gdzie możemy zobaczyć prompt, który stworzył daną grafikę, i odtworzyć rezultat.

W ten sposób doszła do kolejności elementów w prompcie do tworzenia profesjonalnych obrazów, która wygląda następująco:

Podaję ją w formie tekstowej:

[Subject] + [Action/Pose] + [Setting/Environment] + [Lighting] + [Camera Angle] + [Style] + [Atmosphere] + [Technical Specifications] + [Aspect Ratio]

Nie wiem, czy znałeś tę strukturę — ja nie — więc zapisuję ją, by od razu wypróbować.

David Jensenius – GitHub

Na koniec nie do końca zrozumiałem sens tego wystąpienia. Kilka ciekawych przykładów, ale niewiele rzeczy możliwych do zastosowania w prawdziwych projektach.

Albo po prostu nie potrafiłem tego docenić, częściowo z powodu tego, o czym opowiem za chwilę.

Wnioski

I tyle przyniosła Upscale Conf 2024.

A właściwie tyle udało mi się zobaczyć, zanim zabójcze przeziębienie wysłało mnie do domu i położyło do łóżka na pełne dwa dni.

Oznacza to, że choć nie mogłem uczestniczyć w wystąpieniach drugiego dnia, te opisane tutaj dają moim zdaniem bardzo dobry obraz tego, gdzie jesteśmy w tworzeniu z AI i w jakim kierunku wkrótce pójdzie rozwój.

Jako anegdotę, która zarazem służy za wniosek, dodam, że oglądałem prezentacje z dyrektorem największej agencji komunikacji i reklamy w Maladze. Patrzył na to, co nadchodziło, z mieszaniną radości i niepokoju w oczach..

Mądrej głowie dość dwie słowie.

I trudno się dziwić, patrząc na to, co nadciąga nad nas wszystkich.

Na koniec artykułu zapytam: lubisz AI? Tutaj znajdziesz więcej artykułów o sztucznej inteligencji.

Po ich przeczytaniu, jeśli chcesz co czwartek otrzymywać emailem jeden tekst o AI i cyfrowym biznesie, zapisz się tutaj..