Wanaoanza wanapokutana na tamthilia za vibonzo za AI, jambo wanalopenda zaidi kufanya mara nyingi si kuboresha hadithi, bali ni kutafuta kila mahali prompt zinazodaiwa kuwa za ulimwengu mzima.
Kuanzia maelezo ya kina ya wahusika, mtindo wa picha, vigezo vya mtazamo, ubora wa mwanga na vivuli, hadi injini ya uonyeshaji, wanataka kujaza kila kitu kwenye kisanduku cha uzalishaji kana kwamba ni insha ya mamia ya maneno.
Lakini jambo la kushangaza ni kwamba, hata baada ya kuhifadhi prompt nyingi, kurekebisha vigezo mara kwa mara na kupata picha zenye ubora mzuri, tamthilia ya vibonzo wanayoihariri mwishowe hakuna anayeitazama.
Idadi ya watazamaji huwa ndogo sana, na kiwango cha wanaomaliza kutazama huwa cha kusikitisha zaidi.
Tatizo liko wapi hasa?
Jibu ni rahisi: wamekadiria kupita kiasi umuhimu wa prompt, na pia hawajaelewa kabisa kizingiti halisi cha ushindani katika sekta ya tamthilia za vibonzo za AI.
Tamthilia za vibonzo za AI hazijawahi kuwa mashindano ya nani ana Prompt ndefu zaidi au vigezo tata zaidi. Kinachowatofautisha watayarishaji ni kama wana fikra za uongozaji zenye mfumo.
Watu wengi huzoea kuichukulia prompt kama fomula ya kihisabati, wakidhani kwamba wakifuata muundo wa “mhusika + kitendo + mazingira + mtindo + mwanga na vivuli”, wataweza kupata jibu kamili kama vile wanavyotatua swali la hesabu.
Hata hivyo, prompt si fomula, wala hakuna kiolezo cha ulimwengu mzima kinachofaa kila hali.
Mantiki yake ya msingi ina kanuni moja tu: kutafsiri kwa usahihi picha na hisia zisizoonekana zilizo akilini mwako kuwa vipengele halisi vya kuona vinavyoweza kueleweka na AI.
Wanadamu hutegemea sana maneno ya kidhahania wanapoeleza hisia, kama vile upweke, kukata tamaa, kukandamizwa na tamaa ya mafanikio.
Mtu anaposikia “mtu aliyepoteza matumaini amesimama katika usiku wa mvua”,
ubongo wake hutumia uzoefu wa maisha kujaza kiotomatiki macho matupu ya mtu huyo, mgongo wake uliojikunja, matone ya mvua yenye baridi na barabara ya usiku isiyoonekana mwisho.
Lakini modeli ya AI inayotegemea mgawanyo wa data na hesabu za uwezekano haiwezi kufanya hivyo.
Ukiipa tu neno la kidhahania, ni sawa na kuiagiza kamera inase “huzuni” moja kwa moja. Kamera haijui inapaswa kuelekezwa wapi.
Prompt yenye ufanisi wa kweli ni kama hati makini sana ya kupanga uongozaji wa eneo.
Ukitaka kueleza “upweke”, huwezi kuandika tu “mtu mpweke”,
bali unapaswa kutafsiri kuwa “barabara pana na tupu katikati ya usiku, mtu mmoja amesimama katikati ya duara la mwanga linaloundwa na taa ya barabarani, mgongo ukiielekea kamera, mabega yakiwa yameshuka kidogo, akizungukwa na giza kubwa”;
Ukitaka kuonyesha “kushindwa”, huwezi kuandika tu “anahisi kuvunjika moyo”,
bali unatafsiri kuwa “mipango imetapakaa juu ya meza ya ofisi iliyo katika vurugu, mwanamume ameunganisha mikono na kuegemeza paji la uso, mwili wake ukiwa umezama kwenye kivuli, mwanga mweupe baridi wa taa ya fluoresensi kutoka juu ukiangazia meza iliyochanganyika”;
Ukitaka kuonyesha “tamaa ya mafanikio”, huandiki tu “macho yaliyojaa tamaa ya mafanikio”,
bali unatafsiri kuwa “picha ya chini ikipigwa kuelekea juu, mhusika amesimama mbele ya ukuta wa kioo wa jengo refu akiangalia msongamano wa magari unaotiririka, mwanga wa nyuma wa pembeni ukichora silueti kali, mwili ukiwa wima na kidevu kikiwa kimeinuliwa kidogo”.
Umeona sasa?
Kuvunja hisia zisizoonekana kuwa “mkao wa mhusika, mtazamo wa kamera, maelezo ya mazingira na mgawanyo wa mwanga na vivuli” si mbinu ya prompt tu, bali ni uongozaji wa kuona unaofanywa na mkurugenzi katika eneo la tukio.
Zaidi ya hapo, hata ukifahamu tafsiri ya kuona na ukaweza kuzalisha picha moja ya kushangaza sana, hilo halimaanishi kwamba unaweza kutengeneza kipindi cha tamthilia ya vibonzo kitakachovuma.
Kwa sababu picha moja ni mchoro tuli,
lakini tamthilia ya vibonzo ni sanaa ya sauti na picha inayojengwa juu ya muda, sauti na mabadiliko ya kamera.
AI inapopunguza gharama ya kuchora na ya kuunda picha zenye mwendo hadi karibu sifuri, picha nzuri yenyewe haibaki kuwa mali adimu. Ushindani wa kweli tayari umehamia kwenye udhibiti wa lugha ya sauti na picha.
Kinachoamua ikiwa tamthilia ya vibonzo inaweza kuwabakisha watazamaji
kwanza ni ujenzi wa muundo wa kisanaa.
AI inaweza kukuchorea mara moja “kijana aliyeshindwa katika ujasiriamali”,
lakini watazamaji hawatabaki kwa sababu ya uso mzuri. Wanachotaka kujua ni kwa nini kijana huyo alishindwa? Nani alimlazimisha kufika kwenye mwisho wa kukata tamaa? Atapambana tena wakati gani?
Maudhui ya kawaida huonyesha tu mchakato wa matukio kwa njia ya kimakanika, lakini maudhui yanayovuma huendelea kuunda migogoro, utofauti na mashaka. Hapo ndipo tofauti kati ya kazi ya kitaalamu na isiyo ya kitaalamu ilipo; si lazima ujifunze maarifa mengi ya kitaalamu.
“Kijana alishindwa katika ujasiriamali” ni taarifa tulivu tu, lakini “baada ya kuhitimu chuo alirudi kijijini kufuga nguruwe na kudhihakiwa na kijiji kizima, kisha miaka mitatu baadaye akawafanya waliomdhihaki wapange foleni kuomba ushirikiano” ina mvuto wa kweli wa hadithi.
Kilichoamua idadi ya watazamaji si kama nguruwe amechorwa kwa uhalisia wa kutosha,
bali ni kama watazamaji wanataka kujua atafanya nini baadaye.
Pili ni upangaji wa lugha ya kamera.
Kosa ambalo wanaoanza hufanya kwa urahisi zaidi ni kujaribu kutumia picha moja pana iliyojaa taarifa kueleza kila kitu, na hivyo kufanya picha iwe ya kawaida, ya mstari mmoja na isiyo na msisimko.
Watayarishaji wanaoelewa lugha ya kamera hutumia mfululizo wa picha ili kuongeza hisia hatua kwa hatua:
Kwanza tumia picha ya mbali kuonyesha upana wa mazingira na udogo wa mhusika, hivyo kuunda hisia ya shinikizo; kisha kata kwenye picha ya kati kuonyesha mwingiliano wa wahusika na mgongano wa matukio, ukiendeleza hadithi; mwishowe tumia picha ya karibu kulenga mabadiliko madogo ya uso, vidole vinavyotetemeka au kifaa muhimu, na kuamsha mwitikio wa kihisia.
Kwa mfano, ili kuonyesha mhusika mkuu akifukuzwa kazi, tumia picha ya mbali ya ofisi, picha ya kati ya bosi akisukuma barua ya kufukuzwa kwake, kisha picha ya karibu ya mhusika mkuu akikunjakunja barua chini ya meza.
Msisimko wa picha hizi tatu kwa pamoja ni bora zaidi kuliko picha yoyote moja nzuri.
Mwisho ni kasi ya uhariri na nafasi ya kimya.
Picha zinazozalishwa na AI zikisimulia kila kitu kwa mstari mmoja, ni rahisi sana kuleta hisia ya kuchelewesha na ya kimakanika.
Wataalamu wanajua kupunguza picha na kuongeza nguvu kupitia uhariri.
Ukitaka kuonyesha mhusika mkuu amefika kwenye mwisho wa kukata tamaa, huhitaji kabisa kumrekodi akilia kwa dakika kadhaa chumbani. Badala yake, kata kwa kasi picha tatu: salio la akaunti ya benki kwenye simu linaonyesha sifuri, baba yake mzee anaweka kwa siri kijitabu cha benki juu ya meza bila yeye kujua, kisha usiku wa manane anararua vipande vipande taarifa ya kujisalimisha aliyokuwa ameandika.
Hakuna hata moja ya picha hizi iliyo na neno “kukata tamaa”.
Hata hivyo, uzito wa hisia hiyo tayari humfikia mtazamaji moja kwa moja.
Leo uwezo wa modeli za AI ni mkubwa sana, na mpangilio wa viwango vya uwezo wa watayarishaji umebadilika kabisa.
Ngazi ya chini kabisa ni uwezo wa kujieleza kwa AI, yaani uandishi wa msingi wa Prompt na udhibiti wa uthabiti wa wahusika.
Juu yake ni uchakataji wa baada ya uzalishaji, unaojumuisha kuhariri kwa kufuata midundo, BGM na uundaji wa sauti za ziada.
Ngazi ya juu zaidi ni matumizi ya lugha ya kamera.
Na kilele kabisa daima ni uteuzi wa mada ya hadithi, usanifu wa migogoro na udhibiti wa hisia.
Yote haya ni upanuzi na udhihirisho wa fikra za uongozaji.
Ikiwa unaona kwamba nasema upuuzi, tafuta tu michoro ya mipangilio ya picha ya wakurugenzi maarufu.
Najua kuna watu watakuwa wavivu, kwa hiyo nimekutafutia mmoja; anwani iko hapa chini:
https://www.6pian.cn/news/7589.html
Michoro hii yote ya mipangilio ya picha inaonyesha jambo moja:
Mkurugenzi anaelewa wazi kabisa anachotaka kueleza, na ana picha zilizo wazi sana akilini.
Kuibuka kwa AI kumepunguza kizingiti cha kimwili cha uzalishaji wa picha, lakini hakujakusaidia kutatua maswali ya “upige nini”, “kwa nini upige hivyo” na “kwa nini mtazamaji aendelee kutazama”.
Zamani, mtayarishaji aliyekuwa na hadithi nzuri sana akilini angeweza kuacha kwa masikitiko kutengeneza animasheni kwa sababu hakujua kuchora au hakuwa na bajeti, kisha akaamua kuandika riwaya.
Leo, AI imeweka kamera, sanaa, waigizaji na zana za uhariri mikononi mwa kila mtu.
Usawa wa fursa katika kujieleza kwa kuona umetimizwa kwa urahisi na AI.
Lakini hata zana ikiwa na nguvu kiasi gani, bado unahitaji kujua kamera inapaswa kuwekwa wapi, mwanga utoke upande gani ili uendane zaidi na hisia, na ni wakati gani upaze sauti kwa uamuzi na kusema “Cut”.
La sivyo, hata ukikumbuka maelfu ya vigezo na violezo vya ulimwengu mzima, hutaweza kuuvunja ulimwengu ulio akilini mwako kwa usahihi kuwa picha zenye migogoro, kasi na uwezo wa kugusa mioyo.
Bila shaka, kwa wale wasiotaka kujifunza bali wanataka kunakili moja kwa moja, nimewaandalia pia zawadi.
Nimepata maktaba mpya kabisa ya prompt za Minimax H3.
Anwani: https://cheerselfai.com/prompts/minimax-h3