Pokušao sam AI-ju za generiranje videa dati jednostavnu pre-vizualizaciju napravljenu od kutija i lutaka. Pre-vizualizacija je gruba snimka kojom se unaprijed određuju raspored likova, pokreti i rad kamere.

Zaključak je da je prilično korisna. Ipak, ne reproducira svaki detalj točno onako kako je zadan. Naprotiv, kada joj se zada okvirna režija, dobro nadopuni ono što nedostaje. Pokazala se praktičnom kao nacrt za to.

Usporedba pre-vizualizacije i generiranih rezultata

U svim je videozapisima gore AI-generirana snimka, a dolje izvorna pre-vizualizacija. Svaki traje otprilike 15 sekundi. Testirao sam koliko se tijek scene može prenijeti bez detaljne izrade pozadine i likova.

Kafić uz more

Od jednostavnog rasporeda stola i likova do kafića u suton. Pokreti poput prinošenja pića ustima prikazani su kao snimka nalik stvarnoj.

再生

Šetnja noćnim gradom

Pre-vizualizacijom su zadani položaji likova i smjer hodanja. Jednostavan gradski prizor svijetao poput dana promptom je pretvoren u noćni grad.

再生

Morska kornjača pod vodom

Od okvirnog morskog dna i kretanja kornjače do prizora s podvodnim svjetlom i koraljima. Ovo je primjer na kojem se jasno vidi nadopunjavanje izgleda.

再生

Trčanje uz obalu

Zadani su lik koji trči i pokret kamere koja ga prati. Gruba pozadina zamijenjena je šetnicom uz more.

再生

Kišni grad i tramvaj

Na temelju položaja lika s kišobranom i tramvaja dodana je atmosfera kišne noći.

再生

Izrada je jednostavna

U ovoj sam izradi slijedio ovaj postupak.

1. Uz Python i Blender 4.2 izradio sam pre-vizualizaciju od kutija i jednostavnih oblika. Za pokrete likova koristio sam i Mixamo.
2. Pomoću Codexova generiranja slika pripremio sam referentne slike, primjerice likova.
3. U MiniMax-H3 Ref2VA unio sam pre-vizualizaciju, referentne slike i referentni zvuk te generirao snimku od oko 15 sekundi.
4. Dijalozi su pripremljeni u HiggsAudio v3, zvučni efekti u Stable Audio 3 Medium, a glazbena podloga u ACE-Step 1.5; miksanje i montažu napravio sam u ffmpeg. Za produkcijske skripte i upravljanje izvođenjem koristio sam Claude Code.

Ključ je u razdvajanju uloga referenci. Potrebno je dati do znanja da se iz „slika uzimaju lice i odjeća”, a iz „pre-vizualizacije raspored, pokreti i kretanje kamere”, te da se izgled lutaka i kutija ne preuzima. Završnu obradu, poput noći, kiše i osvjetljenja, zadao sam tekstom.

Korisna je, ali se detalji znatno mijenjaju

Položaji likova, smjer kretanja, redoslijed radnji i općenito kretanje kamere lako se prenose, ali precizne upute poput „stani nakon koliko sekundi” ili „koliko zumirati” znale su odstupati ili se uopće ne bi primijenile. Detalje nije moguće potpuno čvrsto zadati.

Također, treperenje svjetla u pre-vizualizaciji ili previše pravilno posložena pozadina ponekad su ostajali vidljivi u generiranom rezultatu. Zato je pre-vizualizaciju vjerojatno najbolje zadržati jednostavnom, i po osvjetljenju i po oblicima, te se usredotočiti na pokret koji želite prenijeti.

Unatoč tome, vrlo je praktično što od grubih uputa može nadopuniti snimku do dojmljivog rezultata. Detalji se mogu znatno promijeniti, ali za prenošenje glavnog okvira režije sasvim je upotrebljiva. Ne treba je izraditi savršeno; čak i ako je gruba, pre-vizualizaciju se isplati koristiti — to je moj dojam nakon ovog pokušaja.