Kan én person lave en AI-kortfilm? Storyboard, karakterkonsistens og klipsammenhæng
Ja. Men ikke hver enkelt del.
Jeg testede AI-filmproduktion alene på en bevidst lillebitte historie: en mand finder en foldet seddel i lommen på en gammel frakke. Otte shots, én person, fra én sætning til noget man kan se fra start til slut. Herunder er hvad der virkede, hvor jeg gik i stå, og hvad det faktisk kostede.
Hvad én person kan færdiggøre, og hvad de ikke kan
Konklusionerne først, så du ikke læser videre med de forkerte forventninger.
Hvad én person nu kan gøre alene: storyboardet, karakterens udseende og karakterkonsistensen, billedet i hvert shot, sammenhængen mellem shots, stemme og læbesynkronisering. Arbejde der før krævede en kameramand, en lysmand, en scenografiafdeling og en skuespiller passer i dag reelt på ét skrivebord.
Hvad der stadig ikke virker: sammenhængende kompleks handling ud over omkring fem sekunder, spil timet præcist på en replik, ethvert shot med læsbar tekst i billedet (mere om det nedenfor), og alt der kræver en rigtig location eller et rigtigt menneske der reagerer.
Så sweet spottet for AI-filmproduktion i dag er 30 sekunder til 2 minutter, samlet af flere korte shots. Forsøg ikke et tre minutter langt ubrudt shot — det er ikke et spørgsmål om promptformulering, det er metodens nuværende loft.
Hvordan bliver et afsnit til et storyboard?
Storyboardet er det skridt man tager først, og det billigste i hele AI-filmproduktionen. Det er hurtigt, koster næsten intet, og afdækker historieproblemer før du bruger rigtige penge på færdige billeder.
Metoden er kontant: skær historien op i én sætning per shot, og skriv tre ting i hver sætning — billedstørrelse, handling, lys. Kør derefter en runde blyants-thumbnails gennem AI-billedgenerering.
Min opdeling: totalbillede der etablerer rummet → halvnær, frakken tages af bøjlen → nærbillede, en hånd der glider ind i lommen → nærbillede, sedlen foldet ud i en håndflade → halvnær, hovedet der løftes mod vinduet → total, frakke på, han går mod døren → trappedøren der åbnes ud i morgenlys → vidt shot, hans ryg op ad gaden.
Et kontraintuitivt råd på dette trin: prøv ikke at tegne godt. Du tjekker kun tre ting — holder historien, varierer billedstørrelserne, er et shot overflødigt. Jo grovere skitsen, jo lettere er det at skære. Min første runde havde 11 felter; rytmen fungerede først ved otte.
Hvordan holder man samme ansigt i hvert shot?
Karakterkonsistens er stedet hvor AI-filmproduktion oftest brister, og det trin der tog mig længst tid.
Svaret er et karakterark: byg ét, og referér derefter til det i hvert shot i stedet for at beskrive ansigtet med ord. Konsistens kommer af at genbruge ét referencebillede, ikke af at skrive en mere detaljeret beskrivelse.
Jeg genererede først ét rent frontalbillede — grå baggrund, jævnt lys, ingen styling, intet udtryk, i praksis et castingfoto. Derfra byggede jeg trekvart, profil og ryg. De fire billeder er denne films "skuespiller", og hvert efterfølgende shot får det ark med.
Tre praktiske noter:
Beskriv ikke ansigtet i tekst. "Midt i trediverne, kort sort hår, let skægstubbe" genererer hundrede forskellige mennesker. Overlad ansigtet til referencebilledet; prompten bærer kun det der ændrer sig i dette shot.
Generér ryg og profil med det samme. Venter du til du står ved shottet hvor han går væk, er det med stor sandsynlighed ikke længere samme mand som forfra.
Skriv tøjet i hver prompt. Karakterkonsistens er ikke kun ansigtet — lad frakkens farve eller snit skride, og publikum ser stadig bruddet. Får du de tre ting rigtigt, er karakterkonsistensen i en AI-kortfilm i alt væsentligt løst.
Hvordan hænger shots sammen uden at hoppe?
Den mindst besværlige metode er at gøre det sidste billede i et shot til det første billede i det næste.
De to billeder er første og anden halvdel af samme beat: til venstre ser han på sedlen, til højre er hovedet kommet op mod vinduet. Beskæringen har ikke flyttet sig, lysretningen har ikke flyttet sig, graderingen har ikke flyttet sig — kun hovedets vinkel og hvor han ser hen er ændret. Klippet sammen læses det som én sammenhængende reaktion.
Send begge ind i første & sidste billede til video som start- og slutpunkt og lad modellen udfylde hullet. Det er langt mere stabilt end at bede en model "spille" en hel handling, og det beskytter også karakterkonsistensen, fordi du har fastlåst begge ender.
To detaljer i sammenhængen bliver overset, og de koster mere i AI-filmproduktion end ved rigtig optagelse, fordi de ikke kan rettes på settet. Lysretningen skal passe. Kom lyset fra venstre i det ene shot, kan det ikke komme fra højre i det næste — publikum kan ikke sætte ord på hvad der er galt, men de fornemmer det. Graderingen skal passe. Alle mine otte shots bærer "kold morgengry" i selve prompten; jeg regnede ikke med at rette det bagefter.
Hvordan gennemgår man alle shots på én gang og laver kun de dårlige om?
At åbne billeder ét ad gangen lyver for dig. Hvert enkelt ser fint ud alene; kun i rækkefølge bemærker man at ansigtet skred i shot tre.
Jeg lægger alle otte ud på det generative lærred, i rækkefølge, på én række, og træder tilbage. Problemer med karakterkonsistens fanges lettest i en række — et skredet ansigt eller forkert lys springer frem i én bevægelse. Alene den vane fjernede størstedelen af efterarbejdet fra min AI-filmproduktion: jeg kører kun den defekte celle igen i stedet for at bygge sekvensen om.
Det er mine endelige otte. Hånden i shot tre blev kørt om to gange; modlyset i shot syv fik én eksponeringsjustering.
Hvad med lyden?
Billederne er færdige på dette punkt, men en AI-kortfilm uden lyd holder ingen forbi 30 sekunder.
Min har ingen dialog, så den krævede kun atmosfære. Med dialog er rækkefølgen: generér stemmen med tekst til tale, eller klon en fast klangfarve med stemmeklon, og kør derefter læbesynkronisering for at få munden til at passe.
Byt ikke om på den rækkefølge. Laver du billederne først, opdager du at mundbevægelser og replikkers længde ikke stemmer; låser du lydens varighed først og genererer billeder til den, efterarbejder du langt mindre. Lyd til sidst er den mest udbredte rækkefølgefejl i AI-filmproduktion.
Hvor er grænsen for at få et billede til at bevæge sig?
De fem sekunder kommer fra shottet ovenfor: åndedrættet, ét blink, blikket der flytter sig en smule, en let sammentrækning i panden.
Jeg bad tre gange om at han skulle "vende sig og gå mod døren", og det deformerede hver gang — to skridt inde er det ikke længere ham. Grænsen er altså klar: små reaktioner på stedet er pålidelige; at bede en karakter om at flytte sig eller udføre kompleks handling er det ikke endnu. Til shots der kræver bevægelse genererer jeg slutbilledet først og interpolerer i stedet for at lade modellen spille det.
Tre fejl, ærligt rapporteret
Tekst i billedet er falsk. Zoom ind på mit nærbillede af sedlen, og "håndskriften" på papiret er volapyk — generationsmodeller producerer ikke læsbar tekst, hvilket stiltiende udelukker en hel kategori af shots i AI-filmproduktion. Enten filmer du det ikke skarpt (ude af fokus, halvt dækket), eller du sætter rigtig tekst ind bagefter.
Hænder skal stadig tjekkes én for én. I shottet med hånden i lommen sad et knoglled forkert i første version; det krævede to gentagelser. Hvert shot med hænder i billedet bliver zoomet ind på.
Sammenhængende handling mister ansigtet. Som ovenfor — bevægelse ud over to eller tre sekunder brister næsten altid, og karakterkonsistensen er det første der falder.
Den kopierbare otte-shotliste
Arbejd i denne rækkefølge, så skal du ikke tilbage:
- Skær historien op i én sætning per shot, hver med billedstørrelse, handling, lys
- Generér et groft storyboard og skær ned til kun de nødvendige shots
- Byg karakterarket for at fastlåse konsistensen: forfra, trekvart, profil, ryg
- Generér shot for shot efter boardet, giv arket med hver gang, med graderingen skrevet i hver prompt
- Hvor shots skal hænge sammen: lav slutbilledet først, derefter det første billede
- Læg alt ud på lærredet og sammenlign på rækken; kør kun det defekte igen
- Lås lydens varighed, og tilpas derefter billederne til lyden
- Zoom ind på hænder, ører og enhver tekst i billedet
Hele forløbet med otte shots tog mig omkring tre timer, mest på at skrive prompts og vælge takes frem for at vente på generering. Karakterkonsistens og sammenhæng går omtrent dobbelt så hurtigt, når man har gjort det et par gange.
Det er allerede godt nok til titler, konceptfilm og pitchmateriale. Til en færdig kommerciel leverance ville jeg stadig optage rigtigt og bruge AI til at udfylde shots. Vil du selv gennemgå forløbet i AI-filmproduktion, er AI-videogenerering stedet at begynde — én sætning er alt hvad der skal til.