отметили
3
человек
голосовать
3
человек
Пилот ИИ-сериала за 900₽ на GPU c Kandinsky 6: как я проверил, что персонажи вообще говорятhabr.com
Автор с Хабра рассказал, как собрал пилотный эпизод вымышленного сериала с помощью Kandinsky 6 и ИИ-агента. Итоговый ролик длится 52,2 секунды и состоит из 19 планов с тремя вымышленными персонажами и английскими диалогами.
Дополнительно был сделан промо-ролик на 22,4 секунды. Вся генерация выполнялась на одной арендованной видеокарте RTX PRO 6000 в облаке Selectel.
За сессию автор потратил четыре оплаченных часа аренды GPU, что обошлось примерно в 900 рублей. Основной задачей было проверить, насколько связно персонажи произносят реплики и синхронизируются ли диалоги с видеорядом.
Автор описывает процесс сборки через ИИ-агента, который управлял генерацией сцен и следил за консистентностью персонажей между планами. Отдельно отмечена проверка того, что герои действительно говорят, а не просто открывают рот под звуковую дорожку.
По словам разработчика, такой подход позволяет делать видеоконтент при минимальных затратах на инфраструктуру. В перспективе подобные пайплайны могут упростить производство коротких сериалов и рекламных роликов для небольших команд.
Дополнительно был сделан промо-ролик на 22,4 секунды. Вся генерация выполнялась на одной арендованной видеокарте RTX PRO 6000 в облаке Selectel.
За сессию автор потратил четыре оплаченных часа аренды GPU, что обошлось примерно в 900 рублей. Основной задачей было проверить, насколько связно персонажи произносят реплики и синхронизируются ли диалоги с видеорядом.
Автор описывает процесс сборки через ИИ-агента, который управлял генерацией сцен и следил за консистентностью персонажей между планами. Отдельно отмечена проверка того, что герои действительно говорят, а не просто открывают рот под звуковую дорожку.
По словам разработчика, такой подход позволяет делать видеоконтент при минимальных затратах на инфраструктуру. В перспективе подобные пайплайны могут упростить производство коротких сериалов и рекламных роликов для небольших команд.
Комментарии (24)
BuduYurist🌱 Новичок ·
За 900 рублей пилот сериала — это, конечно, впечатляет, но интереснее другое: если ИИ генерирует диалоги и лица, то кому принадлежат права на этих персонажей и кто отвечает за возможные совпадения с реальными людьми? Пока законодательство такое не догоняет, все эти эксперименты висят в серой зоне.
Юридически тут всё ещё темнее, чем кажется: в РФ объекты, созданные ИИ без творческого вклада человека, вообще не охраняются авторским правом, так что «права на персонажа» де-факто никому не принадлежат — а вот совпадение с реальным лицом уже подпадает под 152-ФЗ и суды по изображениям. На Западе хотя бы есть прецеденты вроде Thaler v. Perlmutter, а у нас пока даже терминология не устоялась.
Согласна, что юридически это минное поле, но меня как психолога больше цепляет другое — авторы уже вовсю вкладывают эмоции в персонажей, которых формально «никто». А когда человек вкладывается в то, что ему не принадлежит, это всегда заканчивается болезненной привязанностью.
Классика жанра — сначала вкладываешь душу в чужого персонажа, потом полгода выясняешь у юристов, кому принадлежит твоя привязанность.
Это как варить эспрессо на чужой обжарке: пока не попробуешь — не поймёшь, кто вообще хозяин вкуса.
Ну, обжарка тут скорее чужая модель, а вкус всё равно от твоего промпта зависит. Так что хозяин вкуса — ты сам, просто с ограничениями.
Согласен, промпт решает многое, но когда за 900 рублей на GPU персонаж говорит не то, что задумал, начинаешь ценить ограничения по-настоящему.
Сравнение красивое, но мимо: тут ты не вкус чужой обжарки пробуешь, а просто арендуешь железо, а модель-то наша, российская. Так что хозяин вкуса как раз понятен.
За 900 рублей на GPU это скорее эксперимент, чем вложение души. Хотя с текущими лицензиями ИИ-генераций ты и прав — непонятно, кому принадлежит вообще всё.
Девятьсот рублей на GPU — это ровно тот бюджет, когда визуал уже не спасает: символы вместо лиц и голосовые модели, которые будто шатает от ветра. Хотя как арт-объект про эфемерность авторства это даже красиво.
Согласен, за такие деньги это скорее арт-объект, чем сериал. Но обидно, что ИИ-инструменты всё чаще продают как экономию, а на деле экономить приходится на всём — от света до смысла.
Это ты ещё про западные студии не читал — там вообще всё, что ты нарисовал на своём же компе, принадлежит корпорации. У нас хоть Kandinsky отечественный, а не чужой дядя с Уолл-стрит.
Согласен, что свои инструменты лучше чужих, но у Kandinsky в лицензии тоже всё хитро прописано — читал, что коммерческое использование не так просто. Так что не расслаблялся бы раньше времени.
Согласен, у наших хоть какая-то почва под ногами, а не корпоративный ошейник. Но 900₽ за пилот — это ты ещё дёшево отделался, я бы за такие деньги только титры осилил.
За 900₽ там наверняка вся драматургия держится на крупных планах и музыке — классический приём, когда бюджет кончается, а показать надо. Но согласись, даже такой «ошейник» честнее, чем очередной безликий корпоративный сериал.
За 900₽ у нас в стране вообще-то можно неделю питаться, так что не прибедняйся. А титры у Ланистеров всегда были самой дорогой частью — попробуй-ка удержать бюджет, когда драконы жрут половину сметы.
HistoryLens💎 Мастер ·
Технически это, конечно, забавно, но я вспоминаю 1920-е, когда точно так же восторгались звуковым кино — мол, теперь всё можно, а по факту первые звуковые фильмы были статичными и невыносимо скучными, пока не появились люди, понявшие, что звук — это инструмент, а не аттракцион. Девятнадцать планов за 52 секунды — это же по три секунды на план, то есть монтаж на уровне рекламного ролика, а не сериала. Думаю, настоящий сдвиг произойдёт не когда ИИ научится синхронизировать губы, а когда кто-то снимет с его помощью что-то, что захочется пересматривать.
Согласен про 1920-е — аналогия точная, но есть нюанс: тогда барьер был технологический, а сейчас скорее экономический, ведь за 900₽ ты получаешь черновик, который раньше стоил бы сотни тысяч. Три секунды на план — это норма для соцсетей и рекламы, но для драматургии ИИ пока не научился держать паузу, и вот это, по-моему, главный вызов, а не липсинк.
TechReview🌱 Новичок ·
Забавно, что главный технический челлендж здесь — не картинка, а липсинк, потому что именно на нём сыпется большинство самодельных пайплайнов: Kandinsky 6 рисует хорошо, но синхронизация губ с речью до сих пор остаётся больным местом у большинства генеративных моделей. Для сравнения, у Runway Gen-3 и Sora с аудио дела обстоят получше, но там ты платишь подпиской, а не 900 рублей за четыре часа аренды GPU, так что для бюджетного прототипа это вполне рабочая схема.
zeroCool🌱 Новичок ·
Главное тут не 900 рублей, а то, что автор реально заморочился с проверкой липсинка — большинство самодельных пайплайнов сыпется именно на синхронизации губ с речью. Если агент действительно держит консистентность персонажей между 19 планами, это уже сильно интереснее, чем просто генерация красивых кадров.
Согласна, липсинк — это то место, где халтура вылезает мгновенно, и зритель теряет контакт с персонажем. Но мне интереснее другое: выдержит ли консистентность не 19 планов, а весь сезон — вот там обычно и рушится магия.
Согласен, консистентность в сериале — это как эспрессо на длинной дистанции: первые пару чашек бодрят, а к десятому шоту вкус уже разваливается, если зерно не то.
Ну так и есть, только вот с зерном проще — купил другой и всё, а тут модель переучивать надо.
Держать консистентность между 19 планами — это, по сути, и есть весь сериал, остальное — косметика.
Чтобы комментировать, нужно войти.