Video fra teksten: hvordan man beskriver en scene, så det bliver, som man havde tænkt sig
Kort om det vigtigste (BLUF)
Den første video fra teksten for næsten alle viser sig at være en tre-sekunders rod – for beskrivelsen indeholder ikke det vigtigste. Vi opdeler scenen i fem lag: hvem gør hvad, hvordan det er optaget, lys og stil. Med eksempler på “dårligt → godt” og analyse af, hvor det oftest går i stykker.
Den første video fra teksten er mislykket for næsten alle. En person skriver "en smuk video med en kat", får et rod på tre sekunder og konkluderer, at neurale netværk er overvurderet.
Det handler ikke om modellen. Faktum er, at en scenebeskrivelse ikke er en søgeforespørgsel, men en lille teknisk opgave for operatøren. Jeg vil fortælle dig, hvad den består af.
Fem lag af normal beskrivelse
Modellen gætter alt, hvad du ikke sagde. Jo mindre de siger, jo mere gætter hun, og jo længere er resultatet fra det, der var i hendes hoved. Derfor taler vi i lag:
- Hvem eller hvad er i rammen.Ikke "kat", men "en rød kat sidder i vindueskarmen."
- Hvad sker der.En handling, ikke tre. "Vender hovedet mod vinduet."
- Hvor er kameraet, og hvordan bevæger det sig."Mellembillede, kamera zoomer langsomt ind." Dette lag springes oftest over, men det løser halvdelen af problemet.
- Lys og tidspunkt på dagen."Varmt solnedgangslys fra vinduet, bløde skygger."
- Stemning eller stil."Rolig, hjemlig, som i en dokumentar."
Vi samler: "Den røde kat sætter sig i vindueskarmen og drejer langsomt hovedet mod vinduet. Medium skud, kameraet zoomer langsomt ind. Varmt solnedgangslys, bløde skygger, rolig hjemlig atmosfære." Dette er en teknisk specifikation, ikke et ønske.
Dårlig → god
Et par par fra rigtig praksis:
- "By" → "Nattegade i regnen, neon reflekteret i vandpytter, kamera bevæger sig langsomt fremad i øjenhøjde."
- "Smuk kaffe" → "Nærbillede: mælk hældes i sort kaffe i en tynd stråle, mønsteret spredes i cirkler, blødt sidelys."
- "Pigen går" → "Mellem skud bagfra: en mand i lang frakke går langs en tom dæmning, vinden pjusker i frakkekanten, grå morgen."
Lægger du mærke til et mønster? Alle "gode" muligheder har præcis én handling. Dette er hovedreglen: fire sekunder er én bevægelse, ikke et plot.
Hvor går den oftest i stykker?
Tre fejl ser jeg hele tiden.
For mange ting."En mand forlader sit hus, sætter sig ind i en bil, kører rundt i byen og kommer til havet" - dette er ikke en video, dette er et storyboard til fire videoer. Modellen vil forsøge at passe alt ind og gøre ingenting.
Abstraktioner i stedet for billeder."Atmosfærisk", "stilfuld", "wow-effekt" - modellen ved ikke, hvordan den ser ud. Men han kender "lavt baggrundslys, røg i rammen, lange skygger."
Tekst i ramme.Modellen tegner stadig inskriptioner dårligt: bogstaverne kommer skæve eller endda fiktive ud. Hvis du har brug for tekst, kan du tilføje den senere i en editor.
Om formatet
Beslut på forhånd, hvor videoen skal hen. Lodret 9:16 - til tape og shorts, vandret 16:9 - for webstedet og præsentationen. Det vil ikke være muligt at lave formatet om senere uden at miste kanterne; det er nemmere at generere det med det samme efter behov.
Du kan prøve at skrive din egen beskrivelse i afsnittetvideogenerering, en kort landing for denne opgave -video fra tekst. Hvis du ikke vil have fra bunden, men efter en færdig skabelon, så tag et kigtendenser, scenerne er allerede beskrevet for dig, alt du skal gøre er at tilføje dine egne.
Hvis du har et passende billede, er det i øvrigt ofte hurtigere at bringe det til live end at beskrive scenen med ord:analyse af gratis måder at generere videoer påOggennemgang af modeller til videohjælper dig med at vælge, hvor du skal starte.
Start med én handling og én sætning om kameraet. Derfra går det af sig selv.
Ofte stillede spørgsmål (FAQ)
Spørgsmål: Hvordan får man det bedste resultat fra et neuralt netværk?
Svar: Brug detaljerede prompter (beskrivelser) på engelsk, indstil stilen og detaljerne for scenen.
Spørgsmål: Kan disse materialer bruges til kommercielle formål?
Svar: Ja, det genererede indhold er helt dit.