跳到正文

怎样让 AI 视频看起来真实:导出前的审片

先审作品,再审像素;检查动态和衔接,而不是静帧;在动态画面里读文字;听人声,也听整个混音;把测量的结果和判断的结论分开;检查你真正交付的那个文件。附一个通过了自动检查的真实缺陷,以及修复时附上的报告。

更新于

1. 为什么 AI 视频看起来很假?

很少是因为某一帧。暴露生成视频的,通常在动态里、在衔接处、在声音里:脚在地上打滑,物体转动时变了形,字迹融化,声音停了嘴还在动,环境声在剪切处重新开始,一个角色上一个镜头还被困住、下一个镜头就自由了,中间什么都没发生。一张看起来合理的静帧会把这些全部藏起来。所以要按观众的方式去审:完整的剪辑,按顺序,正常速度,带着声音。然后再仔细看你注意到的地方。

生成、渲染或自动检查成功,只说明文件存在并符合被测量的属性,并不说明这场戏讲清了故事,也不说明声音听起来是对的。

2. 先审作品,再审像素

让审片与阶段相匹配:粗剪需要对结构和表演做决定;最终导出还需要检查画面、声音、文字和交付。先从观众跟随的东西开始:

  • 故事:动机、动作、反应、升级和结果。观众能看出角色是如何从一个状态走到下一个状态的吗?结尾完成了动作,还是停在了模型时长用完的地方?
  • 讲解或课程:承诺的内容真的演示出来了吗?图解让关系更清楚了吗,有没有时间看懂变化后的状态?标签、说出口的说法和证据是否一致?
  • 推广:按这个节奏,主体、好处、证明和下一步都能看懂吗?

安静的段落、静止的构图或一次硬切,并不因为检测器发现活动很少或变化突兀就成了缺陷。剪得更多,也救不了一个乏力的开头或一个不清楚的论点。

3. 画面要检查什么?

看动态的片段,并检查每个衔接处的两侧:

方面 要找什么
连贯性 身份、服装、道具、损伤;地点、光线、视线、画面方向;谁拿着什么
生成的动作 手、脸、接触、始终是同一个物体的物体、在空间中的移动、所要求的事件及其结果
续接 衔接处的姿势和运动、机位方向、质感、两侧的人声和原生声音
设计的动态 清晰可读的推进、贴住对象的标签、停留、该遮住什么就遮住什么的转场
构图 整个镜头里(而不只是第一帧)脸、手、证据和字幕空间的位置
一致性 相邻镜头和图层之间的曝光、肤色、白平衡和质感

怎么修复手、文字和脸?先定位缺陷,再选择能保留好内容的最小修复:在缺陷周围修剪、换一条,或者只用能修正它的参考素材重新生成那一个镜头。不要让模型去画必须准确的文字:标题、标签和字幕都在剪辑时添加。

下面是一个通过了自动检查的缺陷。一支一分钟的甲骨文讲解片,第一次完整渲染已经完成合成、测量,并通过了平台的技术审核。智能体逐帧查看时,发现在四个字形自己画出来之前,甲骨上有一些小黑点。选一个字,对比两次渲染:

第一次渲染与修正版
第一次渲染:通过了自动检查
修正后的渲染
查看
第一次渲染:通过了自动检查
修正后的渲染

原因是动画代码里的一个细节:每一笔在开始画之前,都会先显示成一个黑点。修复方法是在每一笔开始之前把它隐藏,然后先渲染这一段的简短测试,再重新渲染整部片,最后审看新文件:针对旧文件的通过报告,不能为新文件放行。一个原因,四处症状,一次修复。

4. 在动态画面中读文字

对照已确认的文案和实际的语音,检查措辞、人名、数字、单位、拼写、必需的字形和语言。按实际尺寸、实际裁切、在实际的动态背景上读文字:检查对比度,看它是否压住了脸或应用的按钮,以及入场动画结束后它还能清楚停留多久。一个只在屏幕上出现两秒、大部分时间都在入场的标题,几乎不给人阅读的时间。还要确保字幕不会把一句台词带进下一个场景,也不会提前剧透笑点。

5. 听表演,也听整个混音

把每个声音和相邻的台词放在一起听:语言和口音、重要的名字、完整的音节、谁在说话、语域,以及情绪是否随场景变化。语音可以被完美地转写出来,听起来却依然紧绷,或者和场景不搭。

怎么检查口型同步?在动态中对照声音看嘴型:词的开头、重读音节、停顿和放松的地方,以及短语中间,还有最后一个词一直到嘴巴闭上。词级对齐或时长一致都无法证明同步;几张静帧也不能。

然后听整个混音:掩蔽、刺耳、失真、一抽一抽的压缩、在剪切处突然改变的背景声、脱离了画面起因的音效、被切掉的尾音、房间底噪中的空洞。响度和峰值的测量只能确定响度和峰值,不能确定平衡。一段没有台词的内容可能承载着一个反应、一次变化或音乐:在把它判为冷场之前,先和预期的节拍对比一下。

6. 把测量的和判断的分开

审片报告应该说明实际检查了什么、怎么检查的,以及哪些没有检查。下面是修正后的甲骨文短片附带的报告,按它的时间轴排列。点击任意一条发现即可播放:

修正版成片的审片报告

在导出文件上测量

尺寸
1080 × 1920
帧率
30 fps
时长
62.5 秒
响度
−14.1 LUFS
真峰值
−1.1 dBTP
字幕
音效
刻字 雷声 灼烧、爆裂 刻字 轰鸣 笔刷 ×4 轰鸣
火
火 火
音乐
古筝与祭祀鼓
✓
0:00 0:10 0:20 0:30 0:40 0:50 1:00

每种证据回答的问题不同。测量能确定尺寸、帧率、时长和响度。抽样的帧能发现版式或连贯性问题,却可能漏掉一闪而过的画面。转写能定位词语,却无法判断发音:这里转写出的 “Jia kuwen”,可能是识别错误,也可能是真的读错了,只有听才能确定。一个没有发现任何问题的自动检查,仍可能漏掉看得见的缺陷,那些黑点就是例子。检查还在进行或检查失败,也不能证明媒体有问题。只报告真正通过的内容,并说明哪些没法检查。

7. 修复原因,再检查后果

把每条发现描述得可以据此行动:准确的版本和时刻、能观察到什么、它对这支视频为什么重要,以及最小的有效修正。把必须的修复和创意上的可选项分开。几个症状往往共用一个原因,一个时间不对的素材窗口、一个调色错误的图层、一笔画得太早的笔画:修正原因,而不是到处去补偿。

然后在相同的时间窗口里,把修改过的段落和上一版对比,包括前后的镜头、声音尾音、字幕和依赖于它的图形。更长的替换台词可能修好了一个发音,却盖住了下一句回应;更好的裁切可能把引出某个图形的那只手藏了起来。既要确认缺陷消失了,也要确认它周围的内容依然没问题。

8. 检查你真正交付的文件

检查导出的文件,而不是它的源文件或之前的预览:根据测量到的属性检查画幅比例、尺寸、时长、帧率、音轨和格式;在预期的观看环境中检查方向、裁切、色彩、是否带字幕,以及开头和结尾的瞬间。每个改编后的画幅比例都需要单独检查构图,目标平台自己的要求(编码、安全区、响度)来自需求说明,而不是习惯。然后按顺序把成片再看一遍,感受它现在带来的体验。

修复常常会引出剪辑工作,请参阅如何剪辑 AI 视频。