Vidéo extraite du texte : comment décrire une scène pour qu'elle corresponde à ce que vous vouliez

En bref sur l'essentiel (BLUF)

La première vidéo du texte pour presque tout le monde s'avère être un gâchis de trois secondes - car la description ne contient pas l'essentiel. Nous décomposons la scène en cinq niveaux : qui fait quoi, comment c'est filmé, la lumière et le style. Avec des exemples de « mauvais → bon » et une analyse des points où cela échoue le plus souvent.

La première vidéo du texte échoue pour presque tout le monde. Une personne écrit « une belle vidéo avec un chat », obtient un gâchis de trois secondes et conclut que les réseaux neuronaux sont surfaits.

Ce n'est pas une question de modèle. Le fait est qu'une description de scène n'est pas une requête de recherche, mais une petite tâche technique pour l'opérateur. Je vais vous dire en quoi cela consiste.

Cinq couches de description normale

Le modèle devine tout ce que vous n'avez pas dit. Moins on en dit, plus elle devine, et plus le résultat est éloigné de ce qu'elle avait en tête. Par conséquent, nous parlons en couches :

• Qui ou quoi est dans le cadre. Pas « chat », mais « un chat rouge est assis sur le rebord de la fenêtre ».
• Ce qui se passe. Une action, pas trois. "Tourne la tête vers la fenêtre."
• Où est la caméra et comment se déplace-t-elle. "Plan moyen, caméra zoomant lentement." Cette couche est le plus souvent ignorée, mais elle résout la moitié du problème.
• Lumière et heure de la journée. "Lumière chaude du coucher de soleil depuis la fenêtre, ombres douces."
• Ambiance ou style. « Calme, convivial, comme dans un documentaire. »

Nous collectons : "Le chat rouge est assis sur le rebord de la fenêtre et tourne lentement la tête vers la fenêtre. Plan moyen, la caméra zoome lentement. Lumière chaude du coucher du soleil, ombres douces, atmosphère calme et chaleureuse." Il s'agit d'une spécification technique, pas d'un souhait.

Mauvais → bon

Quelques paires issues de la pratique réelle :

• "Ville" → "Rue nocturne sous la pluie, néons reflétés dans les flaques d'eau, caméra avançant lentement à hauteur des yeux."
• « Beau café » → « Gros plan : le lait se déverse dans le café noir en un mince filet, le motif s'étend en cercles, une lumière latérale douce. »
• « La fille marche » → « Plan moyen de dos : un homme en long manteau marche le long d'un talus vide, le vent ébouriffe le bas du manteau, matin gris. »

Vous remarquez un motif ? Toutes les « bonnes » options comportent exactement une seule action. C'est la règle principale : quatre secondes, c'est un mouvement, pas une intrigue.

Où casse-t-il le plus souvent ?

Trois erreurs que je vois tout le temps.

Trop de choses. "Un homme quitte sa maison, monte dans une voiture, fait le tour de la ville et arrive à la mer" - ce n'est pas une vidéo, c'est un storyboard pour quatre vidéos. Le modèle essaiera de tout intégrer et ne fera rien.

Des abstractions au lieu d'images. "Atmosphérique", "élégant", "effet wow" - le modèle ne sait pas à quoi il ressemble. Mais il connaît « un faible contre-jour, de la fumée dans le cadre, de longues ombres ».

Texte dans le cadre. Le modèle dessine encore mal les inscriptions : les lettres ressortent tordues voire fictives. Si vous avez besoin de texte, ajoutez-le plus tard dans n'importe quel éditeur.

À propos du format

Décidez à l’avance où ira la vidéo. Vertical 9:16 - pour la cassette et les courts métrages, horizontal 16:9 - pour le site et la présentation. Il ne sera pas possible de refaire le format plus tard sans perdre les bords ; il est plus facile de le générer immédiatement selon les besoins.

Vous pouvez essayer d'écrire votre propre description dans la section génération vidéo, un court atterrissage pour cette tâche - vidéo à partir d'un texte. Si vous ne voulez pas partir de zéro, mais selon un modèle prêt à l'emploi, jetez un œil tendances, les scènes sont déjà décrites pour vous, il ne vous reste plus qu'à ajouter les vôtres.

D'ailleurs, si vous disposez d'une image adaptée, il est souvent plus rapide de lui donner vie que de décrire la scène avec des mots : analyse des moyens gratuits de générer des vidéos Et examen des modèles pour la vidéo vous aidera à choisir par où commencer.

Commencez par une action et une phrase sur la caméra. A partir de là, ça ira tout seul.

Questions fréquemment posées (FAQ)

Question : Comment obtenir le meilleur résultat d’un réseau de neurones ?
Réponse : Utilisez des invites détaillées (descriptions) en anglais, définissez le style et les détails de la scène.

Question : Ces matériaux peuvent-ils être utilisés à des fins commerciales ?
Réponse : Oui, le contenu généré vous appartient entièrement.