好的 AI 视频工作流在第一次生成之前就开始了:一个粗略的想法变成对方能想象出来的方向,方向再变成下一位制作者可以照着执行的计划。生成是昂贵又缓慢的环节,所以会改变成品的决定应该放在前面。下面是用 Bald Rhino 完成的两个真实制作项目,从第一句话一直跟到成片。
1. 怎么把粗略的想法变成视频计划?
从对方带来的东西出发:一个目标、一句话、一个参考、一段录音、一种感觉。用对方能做出反应的具体建议来发展它,用平常的话推荐其中一个,只问那些答案会改变成品的问题。不确定答案的人,可以直接对推荐做出反应。下面是一条需求,按输入时的原文(英文)展示:
1 · 需求
“I want to make instagram discussion about socrates and Aristoteles choosing a trendy common topic and discuss in a philosophical way with humor, can we can use thinking orbs and the hairline lib and the other tools a professional, entertaining video”
2 · 智能体问了什么
-
话题 我选了“凌晨两点刷手机停不下来”作为热门话题。保留,还是换一个?
- 凌晨两点刷手机停不下来 推荐 (已选) 脚本已经起草好;人人都有共鸣
- AI 帮我写了作业 苏格拉底对上 ChatGPT 式的回答:这算知识吗?
- 给前任发消息 欲望、美德,以及连发两条消息的中庸之道
-
角色 两位哲学家以什么形式出现?
- A:静止的大理石胸像 + Thinking Orbs 推荐 (已选) 用光球代表他们的声音;简洁、有设计感,而且便宜得多
- B:会说话的动画胸像 大约四句关键台词做口型同步,媒体成本要高出好几倍
-
语言 配音和字幕用哪种语言?
- 英语 推荐 (已选)
- 其他(请输入)
3 · 创意方向
The Unexamined Scroll
- 创意
- 凌晨两点,亚里士多德停不下来地刷着浣熊视频。苏格拉底撞见了他,一个接一个地问看似天真的问题,直到亚里士多德承认自己感觉糟透了;亚里士多德用中庸之道反击,还引错了自己的话。
- 开头钩子
- 黑暗中发光的 “02:00”,以及开头几秒里的 “Why are you still scrolling?”(你怎么还在刷?)。
- 结尾回报
- 现场核查一句著名的引言,以及一句为截图转发而写的结尾台词。
- 画面风格
- 暗色杂志风,两尊风格统一的大理石胸像;每尊头顶有一个光球,说话时亮起来,代替口型同步。
- 声音
- 两个选定的声音:年长狡黠的苏格拉底和干脆、处处防守的亚里士多德;一段安静的深夜背景音乐,在笑点处停下;每次提问时一声轻柔的铃音。
4 · 计划中的段落,在成片里
选择一个段落,从那里开始播放成片。
这条需求说了工具和语气,却没有说话题、画面风格或语言,所以这些就成了要问的问题。每个问题都给出了真实的备选项,各自说明意味着什么,并给出一个推荐。注意哪些没有被问到:用哪个语音模型、哪个图像模型、哪种字体。这些由智能体来选,只有当解释能帮助对方做选择时才去解释。第二个问题关乎体验(静止的胸像加会动的光球,还是会说话的胸像),成本差异也是答案的一部分。
接着,创意方向按观众会遇到的方式来描述这部作品:开头钩子、转折、结尾回报、画面和声音,每一项都对应一个时刻。大部分段落都按计划进了成片;事实核查换了形式,但保留了它的作用。计划是一份工作文档,而不是和第一个想法签下的合同。
2. 创意方向里应该写什么?
写有代表性的时刻,描述发生了什么、观众看到什么、听到什么,以及这个时刻为什么带来变化。开头、重要的转场和结尾,按这个想法的需要来展开,而不是把每份需求都塞进同一个结构。
把参考转化成选择。“电影感”、某个频道的名字或之前用过的配色,都没有说明任何具体的东西;与某个具体时刻绑定的构图、对比、图形密度、运动、节奏和声音才是具体的。既要决定在哪里用剪切或运镜,也要决定在哪里用静止或不间断的表演。剪切频率没有硬性要求。
选择画面的同时就要考虑声音:谁来承载这一段(本人、旁白、对白,还是场景本身),音乐或环境声应该让观众感知到什么,又应该在哪里停下。对于笑点或揭晓,要决定藏住什么、何时放出来,就像苏格拉底这个计划让音乐在 “Raccoons…”(浣熊……)和 “Asleep”(睡着了)处停下。
在分享创意方向之前,先检验一下:对方能想象出一个具体的开场吗?画面能支撑观点吗?用现有的素材和工具做得出来吗?如果把主题换成一个毫不相关的主题,同样的方案还能原封不动地成立吗?如果能,它就是可以随便套用的;要把它写得具体。
3. 根据素材选择制作路径
先看看对方提供了什么,再提出它的用途,然后逐段选择制作路径。这些路径可以出现在同一支视频里:
| 这一段需要 | 能做到的方向 | 要尽早确定的 |
|---|---|---|
| 本人出镜或亲自演示 | 指导一次录制,或者围绕对方已有的素材来做 | 对方能拍吗?构图有没有给后期图形留空间?这条素材能用吗? |
| 本人出现在画面里,但不拍摄 | 在模型支持的情况下,用对方的照片和声音生成表演 | 相似度、发音、手势和同步能否同时保住 |
| 证明某个界面、文档或结果 | 真实的屏幕或结果,构图要让细节看得清 | 必须让人看到什么、必须保密什么、它能否支撑这个说法 |
| 一种关系、数量或过程 | 用变化来讲解的图解或设计动画 | 事实本身,以及观众需要它们的顺序 |
| 无法实拍的场景或地点 | 生成的场景,从动作、视角和声音来展开 | 哪些东西必须在各镜头中重复出现,以及一个能保住场景目的的备选方案 |
给每一段的表现形式一个理由:一个反应可能需要说话人占满画面,一段讲解可能需要让图解接手。在制作任何依赖参考素材的东西之前,先分配好每个参考素材的任务,并说明它不应该强加什么。参考素材不是保证:要确认所选的工具支持这种用法。
4. 分镜和镜头清单有什么区别?
分镜用画面展示关键时刻,用来就视频的样子达成一致。镜头清单描述每一个镜头:构图、唯一的主要动作、声音和时长,用来就要制作什么达成一致。短作品往往只需要镜头清单加两三张关键帧。Low Tide 的计划是六个镜头,每个五秒,每个镜头一个主要动作,分成三个段落:散步、休息、空出来的位置。一支 30 秒的视频需要多少个镜头?有多少值得展示的变化,就需要多少个;一个不间断的镜头可能是对的答案,十二个也可能是。
对于环环相扣的制作(相互依赖的场景、录音、图形、声音、多个交付物),要在大规模制作之前把整个推进想清楚,并在真实素材到来时及时更新计划。单张图片或一次小修改则不需要共享计划。
5. 花钱之前,怎么测试一个想法?
当某个选择的不确定性大到足以改变处理方式时,就找到解决它的最小办法:检查一条已有的素材、勾勒出那个难做的构图、粗剪一段,或者用真实的参考素材生成一段简短的测试。说清楚这次测试要决定什么。下面是 Low Tide 从一句话到一部片的每一步:
-
需求方
提出需求:“a 30 second sad short film, an old man and his dog on a beach at sunset, realistic”(一部 30 秒的悲伤短片,日落时海滩上的老人和他的狗,写实风格)。
0% -
智能体
询问画幅、声音和确认节点。得到的回答是:宽屏;无对白,有环境声和稀疏的配乐;在制作任何东西之前,先看脚本,再看计划和费用。
0% -
需求方
补充:“love it, but make the dog a golden retriever”(很喜欢,不过把狗换成金毛寻回犬)。
0% -
需求方 已批准
批准脚本:三个段落,六个镜头,没有台词。
0% -
需求方 已批准
批准计划:一次 30 秒的多镜头生成,让整部片保持连续的环境声,最多预留三次生成。
0% -
需求方 未采纳
没有采纳完整的 30 秒草稿探路测试,要求更便宜的方案:只做一段短的测试片段。
0% -
智能体 已完成
以草稿画质做了一段 4 秒的测试片段。
2% -
需求方 已批准
再次没有采纳 30 秒的探路测试,选择以草稿画质做两段 15 秒的半段,第二段从第一段的尾帧开始。
2% -
视频服务商 被拒绝
以内容为由拒绝了第一个半段,改写后的请求也被拒绝。没有产生任何费用。
2% -
智能体 通过
怀疑原因是画面中可见的写实人脸(服务商没有确认原因),于是测试了一个 4 秒的剪影镜头。
4% -
需求方 已完成
选择做三段不露脸的 10 秒片段。智能体以草稿画质制作,只带环境声,钢琴单独制作。
17% -
需求方 已完成
看过草稿剪辑后要求出全画质终版,只批准了中间那段的终版,另外两段则从草稿放大画质。
26%
有三点值得注意。那条昂贵的一次性完整生成从来没有做过:便宜的测试先找到了障碍。被拒绝没有花一分钱,而且在第二次被拒之后,智能体不再改写措辞,而是去测试怀疑的原因:因内容被拒,靠改时长或尺寸是解决不了的。当制作路径改变时(三段片段代替一次生成,并且不露脸),故事却没有变:脚本里的段落都保住了,因为每一段都写明了自己的作用。
任何要花钱的测试,每一次都要经过对方授权。用已有素材做的常规工作则不需要这些程序。
6. 先呈现方向,再按反馈修改
用几句清楚的话推荐一个方向,讲的是体验。只有当另一个选项会在画面、感受、成本或可行性上带来实质差别时,才提供它。说明费用和尚未解决的决定,估算要标明是估算。对方应该能在不同的体验之间做选择,而不必比较模型名称或指挥每一个剪切。
收到反馈时,找出它改变的那个时刻或决定,只修改这些部分,保留仍然有效的内容。“Make the dog a golden retriever”(把狗换成金毛寻回犬)改变的是角色,而不是故事。然后把每个部分交给负责它的那门手艺:脚本、场景、图片、动态设计以及音乐与声音。