Реалистичные AI-видео: референсы и живые детали

Что в ролике
Если AI-видео выглядят слишком гладкими, дело обычно не в модели, а в референсах и промпте, и автор показывает это на трёх сценах. Для динер-сцены он сначала генерирует в GPT Image 2 листы персонажей: официантка с седыми корнями и асимметричным лицом, уставший дальнобойщик с щетиной и обветренной кожей, каждый на трёх панелях (фас, спина, крупный план). Тот же подход применяется к среде: придорожная закусочная с протёртыми сиденьями и кругами от кофе, двор перед детским днём рождения с просевшими шарами и забытым шлангом, кухня с царапинами на доске и подпалиной на плите. Дальше он сравнивает генерации в SeaDance 2.5 по обычному промпту из общих слов качества и по промпту с прикреплёнными референсами и описанием человеческих недостатков, света от реальных источников и звуков комнаты. В динере вторая версия даёт лица с дефектами, свет от витрины с пирогами и парковки, гул ламп и звук проезжающего грузовика, тогда как первая выглядит как слишком гладкий фильм. Сцена дня рождения снята как телефонное видео: автор описывает оператора как персонажа — где он стоит, как поёт в микрофон, как его толкают, из-за чего фокус ловит свечи и палец попадает в кадр. В кухне он прикрепляет четыре панели одних и тех же рук, чтобы кожа продавливалась ножом, масло брызгало, а лук падал с весом, и одна и та же рука держалась во всех четырёх кадрах. Вывод: одна и та же модель дала разный результат только за счёт референсов и промпта, а не качества слов.
Практика
- Что получишь
- Пошаговый метод: как готовить листы персонажей с недостатками, собирать референсы среды и рук, а затем писать промпты, которые дают естественный свет, звук и поведение камеры.
- Первый шаг
- Сгенерировать в GPT Image 2 лист персонажа с тремя панелями (фас, спина, крупный план) и явно перечислить его недостатки, избегая шляп, очков и украшений.
- Цифры
- —15 секунд — длина каждой финальной генерации во всех трёх сценах
- —1080p — разрешение финальных видео, референсы персонажей генерируются в 4K
- —3 панели — столько ракурсов в листе персонажа (фас, спина, крупный план)
- —4 панели — столько ракурсов рук для кухонной сцены
- Честно
- Ролик спонсирован платформой Higgsfield, ссылка в описании, а полные промпты и воркфлоу лежат там же — в видео показаны только фрагменты и настройки. Для повторения нужен аккаунт Higgsfield с подпиской, цены в ролике не называются.
Если слова незнакомы — 2 терминов
- промпттекстовое описание, по которому модель генерирует изображение или видео
- референсизображение, которое модель использует как образец для сохранения внешности или места
Связки из этого ролика
1 шт.- GPT Image 2 + SeaDance 2.5
Компоненты
3 шт.Формат: пошаговый урок · для новичков · уверенность разметки 0.85 · источник