A csokibéka-kártya, ami életre kel
Harry Potterben a csokibéka-kártyán a híres varázslók képe él: kilépnek a keretből, rád néznek, aztán elsétálnak.
Gyerekként ezt tartottam a film egyik legjobb ötletének. Miért várjuk el, hogy az avatarunk ott álljon egész nap? Amikor bemutatkozó képet kerestem az oldalunkra, ugyanez jutott eszembe: miért ne mozoghatna a profilkép? Miért legyen ott egy sima profilkép, mint minden weboldalon, ha ennél tudunk többet is?
A profilvideó, ami a Bemutatkozás oldalon is látható
A videót a Grok készítette egyetlen fotómból és egy rövid leírásból. A kép életre kel: köszöntöm a látogatót, rád nézek, majd kisétálok, és az üres szoba marad. A weboldalunkon ugyanez a videó fut. Egyszer játszódik le, a névtábla melletti zöld pötty jelzi, hogy „bent vagyok”, és szürkére vált, amikor kisétáltam.
Hogyan készült?
- ÖtletMozgó portré, mint a csokibéka-kártya. Egy mondatban leírható ötlet kell, különben az AI találgat. A jó prompt mindenképpen fontos, ugyanis nem akarjuk, hogy plusz dolgok is kerüljenek a videóba, vagy olyan történjen, amit nem szeretnénk. Egyre fontosabb, és a jövőben még fontosabb lesz, hogy spóroljunk a tokenekkel.
- Kiinduló képEgy jó minőségű, jól megvilágított fotó. De az sem okoz nagy problémát, ha van 4-5 olyan fotó, ahol az AI fel tudja mérni, ki is kerül nagyjából a képre. Ezt szöveggel tudjuk tovább részletezni.
- Leírás (prompt)Mi történjen, milyen sorrendben, milyen hangulatban. Rövid és konkrét leírás működik a legjobban.
- VálogatásTöbb változatot generáltatunk, és kiválasztjuk a legjobbat. Az első próbálkozás ritkán a legjobb.
Egy hely sok videómodellhez
A Higgsfield egy platform, amelyen több AI képi és videós modellt is el lehet érni egy helyről. Akkor használjuk, ha egy képet szeretnénk mozgatni, kameramozgást adni egy jelenethez, vagy ugyanazt az ötletet több modellel kipróbálni.
Nem kell eszközök között ugrálni, és a végeredményeket könnyű összehasonlítani.
3D szkennelés és szemkövetés
A videógenerálás csak az egyik irány. Kísérletezünk azzal is, hogy a kamera képéből 3D modell készüljön, és a gép követi a szemet és a fej mozgását. A képernyő így olyan lehet, mint egy ablak: ahogy elmozdulsz, a 3D tárgy más oldalról látszik.
Itt tartunk most
Két felvétel a 3D szkennelés és mozgáskövetés kísérleteinkből.
Mire figyelj, ha te is videót generálnál?
- Szabályok: csak olyan arcot és hangot használj, amihez joggal hozzáférsz. A sajátodat nyugodtan, másét csak hozzájárulással.
- Jelölés: ha a nézők számára fontos, jelezd, hogy a videó AI-val készült.
- Rövid videó: pár másodperces videók a legstabilabbak, a hosszú jelenetekben gyakrabban csúszik el a részlet. Bár ez már a használt modellen múlik, jelenleg bizonyos modellek már egészen hosszú videókat is képesek generálni. Bátran állíthatom, hogy ez azon múlik, mennyi pénzt szánunk egy adott videóra.
- Utómunka: a legjobb eredményhez általában kell egy kis vágás és hang.
Gyakori kérdések
Mennyibe kerül egy AI-videó?
Ez sok mindentől függ: a rendelkezésre álló adatoktól és a minta videóktól kezdve addig, hogy milyen hosszú videót szeretnénk létrehozni. Nem kihagyható szempont az sem, hogy milyen igényes és milyen minőségű videót készítünk.
Mennyi ideig tart elkészíteni?
Egy egyszerűbb videó elkészítése utómunkák nélkül 30 perc.
Kell-e hozzá szakértelem?
Különösebb szakértelemre szerintem nincs szükség. Érdemes képben lenni a különböző modellekkel, és azzal, hogy azokat mivel érdemes összekötni.
Hanyadik próbálkozásra lesz jó egy videó?
Mindenképpen kalkulálnunk kell 3–4 próbálkozással. Gyakran nem a rossz eredmény miatt generálunk újra, hanem mert elkezdjük látni, mi mindent lehet még megcsinálni, és egyre többet és többet akarunk.
Mi ment rosszul, mit csinált az AI váratlanul?
Két részre bontanám. Az első a bemutatkozós videóm: a promptban Harry Potteres példát kértem, és egy varázsvilágos hátteret kaptam csillogással. Nem nézett ki rosszul, de nem ezt vártam eredménynek. Én terveztem félre a promptot. A másik a szkennelés, ahol nem feltétlenül elég a prompt, hanem előkészületek kellenek. Gondolok itt a megjeleníteni kívánt képi eszközökre: nem árt előtte már egy 3D modellező AI-val legenerálni a megjeleníteni kívánt tárgyat.
Egy fotóból mozgó profilvideó
Egy fotóból és pár mondatból ma már mozgó profilvideó készíthető, amit be lehet építeni a weboldalba is. A Grok és a Higgsfield erre jó kiindulópont, a 3D szkennelés és a szemkövetés pedig megmutatja, merre mehet tovább.
Megtanítjuk
Oktatás keretein belül bármilyen korosztálynak megtanítjuk a videógenerálás alapjait azon a területen, ahol a tudást hasznosítani szeretné.
ChatGPT, Claude vagy Grok? Saját tapasztalataim →
Írj, és megmutatjuk, mit lehet kihozni a te fotódból vagy termékedből.