คนเดียวทำหนังสั้นด้วย AI ได้ไหม? สตอรีบอร์ด ความคงที่ของตัวละคร และการต่อช็อต

ได้ แต่ไม่ใช่ทุกส่วน

ผมลองทำหนังด้วย AI คนเดียวกับเรื่องที่ตั้งใจให้เล็กที่สุด: ผู้ชายคนหนึ่งเจอกระดาษพับอยู่ในกระเป๋าเสื้อโค้ตเก่า แปดช็อต คนเดียว จากประโยคเดียวจนเป็นงานที่ดูได้ตั้งแต่ต้นจนจบ ด้านล่างคือสิ่งที่ใช้ได้ จุดที่ผมติด และต้นทุนจริง

คนเดียวทำอะไรจบได้ และทำอะไรไม่จบ

สรุปก่อน เพื่อไม่ให้คุณอ่านต่อด้วยความคาดหวังที่ผิด

สิ่งที่คนเดียวทำเองได้แล้ววันนี้: สตอรีบอร์ด รูปลักษณ์ตัวละครและความคงที่ของตัวละคร ภาพของแต่ละช็อต การต่อระหว่างช็อต เสียงพูดและการลิปซิงก์ งานที่เมื่อก่อนต้องมีตากล้อง คนไฟ ฝ่ายศิลป์ และนักแสดง วันนี้อยู่บนโต๊ะทำงานตัวเดียวได้จริง

สิ่งที่ยังทำไม่ได้: การเคลื่อนไหวซับซ้อนต่อเนื่องเกินราวห้าวินาที การแสดงที่ต้องลงจังหวะบทพูดอย่างแม่นยำ ช็อตที่มีตัวหนังสืออ่านออกอยู่ในเฟรม (จะพูดถึงข้างล่าง) และทุกอย่างที่ต้องใช้สถานที่จริงหรือคนจริงที่โต้ตอบ

ดังนั้นช่วงความยาวที่เหมาะกับการทำหนังด้วย AI ตอนนี้คือ 30 วินาทีถึง 2 นาที ประกอบจากช็อตสั้นหลายช็อต อย่าไปลองลองเทกสามนาทีต่อเนื่อง — นี่ไม่ใช่ปัญหาการเขียนพรอมป์ แต่เป็นเพดานของวิธีนี้ในปัจจุบัน

เปลี่ยนย่อหน้าให้เป็นสตอรีบอร์ดอย่างไร?

สตอรีบอร์ดคือขั้นที่ควรทำก่อน และถูกที่สุดในกระบวนการทำหนังด้วย AI ทั้งหมด มันเร็ว แทบไม่มีต้นทุน และเผยปัญหาของเรื่องก่อนที่คุณจะเสียเงินจริงกับภาพสำเร็จ

วิธีตรงไปตรงมา: ตัดเรื่องเป็นหนึ่งประโยคต่อหนึ่งช็อต และเขียนสามอย่างในแต่ละประโยค — ขนาดภาพ การกระทำ แสง แล้วรันภาพย่อสไตล์ดินสอผ่าน การสร้างภาพด้วย AI

การตัดของผมออกมาแบบนี้: ภาพกว้างปูห้อง → ภาพกลาง หยิบเสื้อโค้ตออกจากไม้แขวน → ภาพใกล้ มือสอดเข้ากระเป๋า → ภาพใกล้ กระดาษคลี่อยู่ในฝ่ามือ → ภาพกลาง เงยหน้าไปทางหน้าต่าง → ภาพกว้าง สวมโค้ตแล้วเดินไปที่ประตู → ประตูบันไดเปิดออกรับแสงเช้า → ภาพไกล หลังของเขาเดินขึ้นถนน

คำแนะนำที่สวนความรู้สึกในขั้นนี้: อย่าพยายามวาดให้สวย คุณตรวจแค่สามอย่าง — เรื่องอยู่ได้ไหม ขนาดภาพเปลี่ยนไหม มีช็อตไหนเกินไหม ยิ่งร่างหยาบ ยิ่งตัดใจตัดได้ง่าย รอบแรกผมมี 11 ช่อง จังหวะลงตัวตอนเหลือแปด

รักษาหน้าเดิมในทุกช็อตอย่างไร?

ความคงที่ของตัวละครคือจุดที่การทำหนังด้วย AI พังบ่อยที่สุด และเป็นขั้นที่ผมใช้เวลามากที่สุด

คำตอบคือการ์ดตัวละคร: ทำขึ้นมาหนึ่งใบ แล้วอ้างอิงมันในทุกช็อตแทนการบรรยายหน้าด้วยคำพูด ความคงที่มาจากการใช้ภาพอ้างอิงเดียวซ้ำ ๆ ไม่ใช่จากการเขียนคำบรรยายให้ละเอียดขึ้น

ผมสร้างภาพตรงหน้าที่สะอาดก่อน — พื้นเทา แสงสม่ำเสมอ ไม่แต่งตัว ไม่มีอารมณ์ พูดง่าย ๆ คือรูปแคสติ้ง แล้วจากภาพนั้นสร้างสามส่วนสี่ ด้านข้าง และด้านหลัง สี่ภาพนี้คือ "นักแสดง" ของเรื่องนี้ และทุกช็อตต่อจากนี้ได้รับการ์ดใบนี้

ข้อสังเกตเชิงปฏิบัติสามข้อ:

อย่าบรรยายหน้าด้วยข้อความ "อายุกลางสามสิบ ผมสั้นดำ เคราบาง" จะสร้างคนออกมาร้อยคนที่ไม่เหมือนกัน ปล่อยหน้าให้เป็นหน้าที่ของภาพอ้างอิง พรอมป์เก็บแค่สิ่งที่เปลี่ยนในช็อตนี้

สร้างด้านหลังและด้านข้างตั้งแต่ต้น ถ้ารอถึงช็อตที่เขาเดินจากไปแล้วค่อยสร้าง โอกาสสูงที่จะไม่ใช่คนเดียวกับภาพตรงหน้า

เขียนเสื้อผ้าลงในทุกพรอมป์ ความคงที่ของตัวละครไม่ใช่แค่หน้า — ถ้าปล่อยให้สีหรือทรงของโค้ตเลื่อน คนดูก็ยังเห็นรอยต่อ ทำสามข้อนี้ได้ ความคงที่ของตัวละครในหนังสั้น AI ก็แก้ได้เกือบหมด

ต่อช็อตอย่างไรไม่ให้กระตุก?

วิธีที่ใช้แรงน้อยที่สุดคือให้เฟรมสุดท้ายของช็อตหนึ่งเป็นเฟรมแรกของช็อตถัดไป

สองเฟรมนี้คือครึ่งแรกและครึ่งหลังของจังหวะเดียวกัน: ซ้ายคือเขามองกระดาษ ขวาคือเงยหน้าไปทางหน้าต่าง การจัดองค์ประกอบไม่ขยับ ทิศแสงไม่ขยับ โทนสีไม่ขยับ — เปลี่ยนแค่มุมของหัวและทิศทางที่มอง ตัดต่อเข้าด้วยกันแล้วอ่านเป็นรีแอ็กชันเดียวต่อเนื่อง

ป้อนทั้งสองเข้า เฟรมแรกและเฟรมสุดท้ายเป็นวิดีโอ เป็นจุดเริ่มและจุดจบ แล้วให้โมเดลเติมช่องว่างตรงกลาง วิธีนี้นิ่งกว่าการขอให้โมเดล "แสดง" การกระทำทั้งหมดมาก และยังปกป้องความคงที่ของตัวละครด้วย เพราะคุณตรึงหัวท้ายไว้แล้ว

รายละเอียดสองข้อของการต่อมักถูกมองข้าม และในการทำหนังด้วย AI มันแพงกว่าการถ่ายจริง เพราะแก้ที่หน้ากองไม่ได้ ทิศแสงต้องตรงกัน ถ้าช็อตก่อนแสงมาจากซ้าย ช็อตต่อไปจะมาจากขวาไม่ได้ — คนดูบอกไม่ถูกว่าอะไรผิด แต่รู้สึกว่าผิด โทนสีต้องตรงกัน แปดช็อตของผมเขียน "ฟ้าสางโทนเย็น" ไว้ในพรอมป์ทุกอัน ไม่ได้หวังจะแก้ทีหลัง

ดูทุกช็อตทีเดียวและแก้แค่ช็อตที่เสียอย่างไร?

การเปิดดูภาพทีละใบจะหลอกคุณ แต่ละใบดูดีเมื่ออยู่เดี่ยว ๆ เห็นเป็นลำดับเท่านั้นจึงรู้ว่าหน้าในช็อตสามเลื่อนไป

ผมกางทั้งแปดลงบน ผ้าใบเจนเนอเรทีฟ เรียงตามลำดับเป็นแถวเดียว แล้วถอยออกมามอง ปัญหาความคงที่ของตัวละครจับได้ง่ายที่สุดเมื่อเรียงเป็นแถว — หน้าที่เลื่อนหรือแสงที่ผิดจะโดดออกมาในการกวาดตาครั้งเดียว นิสัยข้อนี้ข้อเดียวตัดงานแก้ออกจากกระบวนการทำหนังด้วย AI ของผมไปเกือบหมด: รันใหม่แค่ช่องที่เสีย ไม่ต้องสร้างลำดับใหม่ทั้งชุด

นี่คือแปดช็อตสุดท้ายของผม มือในช็อตสามรันใหม่สองครั้ง แสงย้อนในช็อตเจ็ดปรับค่าแสงหนึ่งครั้ง

เสียงทำอย่างไร?

ภาพจบตรงนี้ แต่หนังสั้น AI ที่ไม่มีเสียงจะดึงคนไว้ไม่เกิน 30 วินาที

เรื่องของผมไม่มีบทพูด จึงใช้แค่เสียงบรรยากาศ ถ้ามีบทพูด ลำดับคือ: สร้างเสียงด้วย การแปลงข้อความเป็นเสียงพูด หรือโคลนน้ำเสียงคงที่ด้วย การโคลนเสียง แล้วรัน การลิปซิงก์ เพื่อให้ปากตรงกับเสียง

อย่าสลับลำดับนี้ ถ้าทำภาพก่อน คุณจะพบว่าการขยับปากกับความยาวบทพูดไม่ลงกัน ล็อกความยาวเสียงก่อนแล้วสร้างเฟรมให้พอดีกับเสียง จะแก้งานน้อยลงมาก ปล่อยเสียงไว้ท้ายสุดคือความผิดพลาดด้านลำดับงานที่พบมากที่สุดในการทำหนังด้วย AI

ขอบเขตของการทำให้ภาพขยับอยู่ที่ไหน?

ห้าวินาทีนี้มาจากช็อตด้านบน: การหายใจ การกระพริบตาหนึ่งครั้ง สายตาที่เลื่อนไปเล็กน้อย หน้าผากที่ขยับเข้าหากันเบา ๆ

ผมลองขอให้เขา "หันตัวแล้วเดินไปที่ประตู" สามครั้ง เสียรูปทุกครั้ง — เดินสองก้าวก็ไม่ใช่เขาแล้ว ขอบเขตจึงชัด: รีแอ็กชันเล็ก ๆ อยู่กับที่เชื่อถือได้ ส่วนการขอให้ตัวละครเคลื่อนย้ายหรือทำการกระทำซับซ้อน ยังไม่ได้ ช็อตที่ต้องมีการเคลื่อนไหว ผมสร้างเฟรมสุดท้ายก่อนแล้วให้ระบบเชื่อมช่วงกลาง ไม่ปล่อยให้โมเดลแสดงเอง

ความผิดพลาดสามจุด เล่าตามจริง

ตัวหนังสือในเฟรมเป็นของปลอม ซูมเข้าไปในภาพใกล้ของกระดาษ "ลายมือ" บนกระดาษเป็นตัวอักษรเลอะเทอะ — โมเดลสร้างภาพเขียนตัวหนังสือที่อ่านออกไม่ได้ ซึ่งตัดช็อตทั้งหมวดออกจากการทำหนังด้วย AI อย่างเงียบ ๆ ทางเลือกคือไม่ถ่ายให้ชัด (เบลอ ปิดครึ่งหนึ่ง) หรือแปะตัวหนังสือจริงทีหลัง

มือยังต้องตรวจทีละภาพ ในช็อตมือสอดเข้ากระเป๋า เวอร์ชันแรกข้อนิ้วอยู่ผิดตำแหน่ง ต้องรันซ้ำสองครั้ง ทุกช็อตที่มีมืออยู่ในเฟรมต้องซูมดู

การเคลื่อนไหวต่อเนื่องทำให้หน้าหลุด อย่างที่บอกไว้ข้างบน — การเคลื่อนย้ายเกินสองสามวินาทีพังแทบทุกครั้ง และความคงที่ของตัวละครเป็นสิ่งแรกที่หลุด

เช็กลิสต์แปดช็อตที่ก๊อปไปใช้ได้

ทำตามลำดับนี้แล้วจะไม่ต้องย้อนกลับ:

1. ตัดเรื่องเป็นหนึ่งประโยคต่อช็อต แต่ละประโยคมีขนาดภาพ การกระทำ และแสง
2. สร้างสตอรีบอร์ดหยาบ แล้วตัดจนเหลือเฉพาะช็อตที่จำเป็น
3. ทำการ์ดตัวละครเพื่อตรึงความคงที่: ตรงหน้า สามส่วนสี่ ด้านข้าง ด้านหลัง
4. สร้างทีละช็อตตามบอร์ด ป้อนการ์ดทุกครั้ง และเขียนโทนสีลงในทุกพรอมป์
5. จุดที่ช็อตต้องต่อกัน สร้างเฟรมสุดท้ายก่อนแล้วจึงสร้างเฟรมแรก
6. กางทั้งหมดบนผ้าใบและเทียบเป็นแถว รันใหม่แค่อันที่เสีย
7. ล็อกความยาวเสียง แล้วปรับเฟรมให้ตรงกับเสียง
8. ซูมดูมือ หู และตัวหนังสือทุกอย่างในเฟรม

แปดช็อตทั้งชุดใช้เวลาราวสามชั่วโมง ส่วนใหญ่หมดไปกับการเขียนพรอมป์และเลือกเทก ไม่ใช่การรอสร้าง ความคงที่ของตัวละครและการต่อช็อตจะเร็วขึ้นราวเท่าตัวเมื่อทำไปหลายรอบ

ระดับนี้พอสำหรับไทเทิล งานคอนเซปต์ และวัสดุสำหรับเสนอลูกค้าแล้ว ส่วนงานเชิงพาณิชย์ที่ต้องส่งมอบจริง ผมยังถ่ายจริงและใช้ AI เติมช็อตที่ขาด ถ้าอยากลองเดินกระบวนการทำหนังด้วย AI ด้วยตัวเอง เริ่มที่ การสร้างวิดีโอด้วย AI ได้เลย — ใช้ประโยคเดียวก็เริ่มได้