Kan én person lage en KI-kortfilm? Storyboard, karakterkonsistens og klippoverganger
Ja. Men ikke hver enkelt del.
Jeg testet KI-filmproduksjon alene på en bevisst pyttliten historie: en mann finner en brettet lapp i lommen på en gammel frakk. Åtte skudd, én person, fra én setning til noe du kan se fra start til slutt. Under står hva som fungerte, hvor jeg stoppet, og hva det faktisk kostet.
Hva én person kan gjøre ferdig, og hva de ikke kan
Konklusjonene først, så du ikke leser videre med feil forventninger.
Hva én person nå klarer alene: storyboardet, karakterens utseende og karakterkonsistensen, bildet i hvert skudd, overgangene mellom skudd, stemme og leppesynkronisering. Arbeid som før krevde kameramann, lysmann, scenografi og skuespiller får i dag faktisk plass på ett skrivebord.
Hva som fortsatt ikke går: sammenhengende kompleks handling utover omtrent fem sekunder, spill timet presist til en replikk, hvert skudd med lesbar tekst i bildet (mer om det nedenfor), og alt som krever en virkelig location eller et virkelig menneske som reagerer.
Så det gode området for KI-filmproduksjon i dag er 30 sekunder til 2 minutter, satt sammen av flere korte skudd. Ikke forsøk et tre minutter langt ubrutt skudd — det er ikke et spørsmål om promptformulering, det er metodens nåværende tak.
Hvordan blir et avsnitt til et storyboard?
Storyboardet er steget du tar først, og det billigste i hele KI-filmproduksjonen. Det er raskt, koster nesten ingenting, og avdekker fortellingsproblemer før du bruker virkelige penger på ferdige bilder.
Metoden er enkel: skjær historien opp i én setning per skudd, og skriv tre ting i hver setning — bildestørrelse, handling, lys. Kjør deretter en runde blyantminiatyrer gjennom KI-bildegenerering.
Min inndeling: totalbilde som etablerer rommet → halvnær, frakken tas av kleshengeren → nærbilde, en hånd som glir inn i lommen → nærbilde, lappen brettet ut i en håndflate → halvnær, hodet som løftes mot vinduet → total, frakk på, han går mot døren → trappedøren som åpnes ut i morgenlys → vidt skudd, ryggen hans oppover gaten.
Et kontraintuitivt råd på dette trinnet: ikke prøv å tegne godt. Du sjekker bare tre ting — holder historien, varierer bildestørrelsene, er noe skudd overflødig. Jo grovere skissen, jo lettere er det å kutte. Første runde hadde 11 ruter; rytmen fungerte først ved åtte.
Hvordan holder man samme ansikt i hvert skudd?
Karakterkonsistens er stedet der KI-filmproduksjon brekker oftest, og trinnet som tok meg lengst tid.
Svaret er et karakterark: bygg ett, og referer så til det i hvert skudd i stedet for å beskrive ansiktet med ord. Konsistens kommer av å gjenbruke ett referansebilde, ikke av å skrive en mer detaljert beskrivelse.
Jeg genererte først ett rent frontbilde — grå bakgrunn, jevnt lys, ingen styling, ingen uttrykk, i praksis et castingbilde. Derfra bygget jeg trekvart, profil og rygg. De fire bildene er denne filmens «skuespiller», og hvert påfølgende skudd får dette arket med.
Tre praktiske merknader:
Ikke beskriv ansiktet i tekst. «Midt i trettiårene, kort svart hår, lett skjeggstubb» genererer hundre forskjellige mennesker. Overlat ansiktet til referansebildet; prompten bærer bare det som endres i dette skuddet.
Generer rygg og profil med én gang. Venter du til du står ved skuddet der han går bort, er det med stor sannsynlighet ikke lenger samme mann som forfra.
Skriv klærne i hver prompt. Karakterkonsistens er ikke bare ansiktet — la frakkens farge eller snitt gli, og publikum ser bruddet uansett. Får du de tre tingene riktig, er karakterkonsistensen i en KI-kortfilm i hovedsak løst.
Hvordan henger skudd sammen uten å hoppe?
Den minst arbeidskrevende metoden er å gjøre det siste bildet i ett skudd til det første bildet i det neste.
De to bildene er første og andre halvdel av samme takt: til venstre ser han på lappen, til høyre har hodet kommet opp mot vinduet. Utsnittet har ikke flyttet seg, lysretningen har ikke flyttet seg, graderingen har ikke flyttet seg — bare hodets vinkel og hvor han ser er endret. Klippet sammen leses det som én sammenhengende reaksjon.
Send begge inn i første og siste bilde til video som start- og sluttpunkt og la modellen fylle gapet. Det er langt stabilere enn å be en modell «spille» en hel handling, og det beskytter også karakterkonsistensen, siden du har låst begge endene.
To detaljer i overgangen blir oversett, og de koster mer i KI-filmproduksjon enn ved virkelig opptak, fordi de ikke kan rettes på settet. Lysretningen må stemme. Kom lyset fra venstre i ett skudd, kan det ikke komme fra høyre i det neste — publikum kan ikke sette ord på hva som er galt, men de kjenner det. Graderingen må stemme. Alle mine åtte skudd bærer «kald morgengry» i selve prompten; jeg regnet ikke med å berge det etterpå.
Hvordan går man gjennom alle skudd på én gang og gjør bare de dårlige om?
Å åpne bilder ett om gangen lyver for deg. Hvert enkelt ser greit ut alene; bare i rekkefølge merker man at ansiktet gled i skudd tre.
Jeg legger alle åtte ut på det generative lerretet, i rekkefølge, på én rad, og trer tilbake. Problemer med karakterkonsistens fanges lettest i en rad — et glidd ansikt eller feil lys hopper fram i én bevegelse. Denne ene vanen fjernet mesteparten av etterarbeidet fra min KI-filmproduksjon: jeg kjører bare den ødelagte cellen om igjen istedenfor å bygge sekvensen på nytt.
Dette er mine endelige åtte. Hånden i skudd tre ble kjørt om to ganger; motlyset i skudd sju fikk én eksponeringsjustering.
Hva med lyden?
Bildene er ferdige på dette punktet, men en KI-kortfilm uten lyd holder ingen forbi 30 sekunder.
Min har ingen dialog, så den trengte bare atmosfære. Med dialog er rekkefølgen: generer stemmen med tekst til tale, eller klon en fast klangfarge med stemmeklon, og kjør deretter leppesynkronisering for å få munnen til å passe.
Ikke snu den rekkefølgen. Lager du bildene først, oppdager du at munnbevegelser og repliklengder ikke stemmer; låser du lydens varighet først og genererer bilder til den, etterarbeider du langt mindre. Lyd til sist er den vanligste rekkefølgefeilen i KI-filmproduksjon.
Hvor er grensen for å få et bilde til å bevege seg?
De fem sekundene kommer fra skuddet over: åndedrettet, ett blink, blikket som flytter seg litt, en lett sammentrekning i pannen.
Jeg ba tre ganger om at han skulle «snu seg og gå mot døren», og det deformerte hver gang — to skritt inn og det er ikke lenger ham. Grensen er dermed klar: små reaksjoner på stedet er pålitelige; å be en karakter forflytte seg eller utføre kompleks handling er det ikke ennå. Til skudd som krever bevegelse genererer jeg sluttbildet først og interpolerer, istedenfor å la modellen spille det.
Tre tabber, ærlig rapportert
Tekst i bildet er falsk. Zoom inn på nærbildet mitt av lappen, og «håndskriften» på papiret er volapyk — genereringsmodeller produserer ikke lesbar tekst, noe som stilltiende utelukker en hel kategori skudd i KI-filmproduksjon. Enten filmer du det ikke skarpt (ute av fokus, halvt dekket), eller du setter inn ekte tekst etterpå.
Hender må fortsatt sjekkes én for én. I skuddet med hånden i lommen satt et knokkelledd feil i første versjon; det krevde to gjentakelser. Hvert skudd med hender i bildet blir zoomet inn på.
Sammenhengende handling mister ansiktet. Som over — bevegelse utover to eller tre sekunder brekker nesten alltid, og karakterkonsistensen er det første som faller.
Den kopierbare åtte-skuddlisten
Jobb i denne rekkefølgen, så trenger du ikke tilbake:
- Skjær historien opp i én setning per skudd, hver med bildestørrelse, handling, lys
- Generer et grovt storyboard og kutt ned til bare de nødvendige skuddene
- Bygg karakterarket for å låse konsistensen: forfra, trekvart, profil, rygg
- Generer skudd for skudd etter boardet, gi arket med hver gang, med graderingen skrevet i hver prompt
- Der skudd skal henge sammen: lag sluttbildet først, deretter det første bildet
- Legg alt ut på lerretet og sammenlign på raden; kjør bare det ødelagte om igjen
- Lås lydens varighet, og tilpass deretter bildene til lyden
- Zoom inn på hender, ører og enhver tekst i bildet
Hele forløpet med åtte skudd tok meg rundt tre timer, mest på å skrive prompter og velge tagninger framfor å vente på generering. Karakterkonsistens og overganger går omtrent dobbelt så raskt når du har gjort det noen ganger.
Dette holder allerede til titler, konseptfilmer og pitsjmateriale. Til en ferdig kommersiell leveranse ville jeg fortsatt filmet virkelig og brukt KI til å fylle inn skudd. Vil du gå gjennom forløpet i KI-filmproduksjon selv, er KI-videogenerering stedet å begynne — én setning er alt du trenger.