Większość narzędzi AI do wideo działa jak automat do gry. Wpisujesz prompt, pociągasz za dźwignię i bierzesz to, co wypadnie. Jeden raz może dać ci coś pięknego. Złóż z tego cały film, a dostaniesz coś innego: zestaw klipów, które nigdy do siebie nie pasują, styl dryfujący od sceny do sceny, historię, która się nie trzyma. Li Lian, doświadczony reżyser, który założył Versatile Media, nazywa problem wprost: „Wiele narzędzi AI po prostu daje ci narzędzie. Wpisujesz coś, ono generuje treść. W dużej mierze to AI kontroluje ciebie.”
MOKE (墨客) został zbudowany, aby odwrócić tę relację. To węzłowy, kompleksowy workflow generatywnego wideo, który przywraca reżyserowi miejsce w fotelu dyrektora, zmieniając serię szczęśliwych trafień w pipeline, który twórca może faktycznie sterować od scenariusza do finalnego montażu.
Co twórca może z tym zrobić
Versatile Media produkuje około 30 krótkich dramatów miesięcznie za pomocą MOKE. Twórca, który nigdy nie miał styczności z platformą, może być produktywny po jednym do trzech dni wdrożenia i wyprodukować gotowy dwuminutowy film za około 250 ¥. Ten sam workflow wyprodukował kampanie reklamowe AIGC dla krajowych marek, w tym Laoxiangji i Haidilao. To działająca linia produkcyjna, a nie demo.
MOKE działa na nieskończonym płótnie. Po lewej stronie znajdują się panele funkcji i węzłów; przestrzeń robocza to miejsce, gdzie powstaje film. Twórca upuszcza węzeł, aby wygenerować scenariusz, używa innego, aby podzielić go na segmenty, a następnie steruje klatkami kluczowymi i ujęciami w dół strumienia, każdy krok zasila następny w jednym połączonym workflow. Gdy pipeline działa, można go powielić i udostępnić, więc wygląd, który wymagał prawdziwego wysiłku, aby go dopracować, staje się szablonem, z którego może korzystać cały zespół. Materiał filmowy można przeskalować do wysokiej rozdzielczości w tym samym przepływie.
Struktura pipeline ma znaczenie, ponieważ gotowy film to nie jeden problem AI, ale wiele: scenariusz i lista ujęć, storyboardy i klatki kluczowe, ruchome ujęcia, scenografie i ruchy kamery w przestrzeni, muzyka i projekt dźwięku. Narzędzia typu „wpisz i módl się” traktują każdą generację jako osobny hazard. MOKE traktuje je jako etapy jednej produkcji, więc decyzje podjęte wcześnie obowiązują przez cały czas.
Smak to teraz praca
Usunięcie hazardu nie usuwa twórcy, ale go awansuje. Gdy narzędzie przestaje cię kontrolować, osąd staje się rzadkim składnikiem. Li ujmuje to jasno:
„Twój smak staje się tylko ważniejszy. Powiedzmy, że generuję 100 różnych sześciosekundowych klipów. Który jest najlepszy? Ostatecznie to smak decyduje.”
Li Lian (李鍊), założyciel Versatile Media i reżyser stojący za MOKE.
Szerokość jest tym, co daje smakowi pole do popisu. MOKE konsoliduje swoje wywołania modeli o dużej objętości na jednym API inference Atlas Cloud, więc zespół nie jest przywiązany do jednego modelu na zadanie. Ponieważ Atlas oferuje wiele modeli w ramach każdego rodzaju pracy, a nie jeden, twórcy MOKE mogą dopasować model do ujęcia i wybrać to, które jest faktycznie najlepsze. Pipeline z jednym narzędziem nie daje reżyserowi wyboru. Pipeline z prawdziwą szerokością za sobą zamienia smak w gotową pracę.
Li jest szczery, że narzędzia wciąż mają luki, dlatego kontrola na całym pipeline ma znaczenie. „Największą przeszkodą AI jest obecnie to, że nie może bardzo precyzyjnie kontrolować osi głębi. Ruch w głębi jest wciąż słabym punktem i prawdopodobnie nadal będzie wymagał technik pomocniczych, takich jak zoom, panoramowanie i jazda.” Ale co do podstaw jest jednoznaczny: „Jeśli chodzi o światło i cień, wiele modeli jest już bardzo dobrych. Potrafią bardzo precyzyjnie opisać światło.” MOKE jest zbudowany tak, aby opierać się na tym, co modele robią dobrze, i dać twórcy uchwyty tam, gdzie tego nie robią.
Własność, którą twórca może udowodnić
Dla pracującego twórcy film nie jest skończony, gdy się renderuje, jest skończony, gdy jest chroniony. MOKE wbudowuje prawa autorskie w workflow. Twórca może wziąć pracę wykonaną na platformie i złożyć wniosek o poświadczenie bezpośrednio: zaufany znacznik czasu, dowód na blockchainie i certyfikat, ze ścieżką do cyfrowego identyfikatora praw autorskich DCI oraz certyfikatu zarejestrowanej pracy z China Copyright Protection Center. Narzędzie, które pomaga ci stworzyć film, pomaga również udowodnić, że jest twój.
Stworzone dla jednego filmowca lub dwóch
Większą zmianą, do której dąży MOKE, jest to, kto w ogóle może zrobić film. „W przeszłości złożoność rzemiosła oznaczała, że nie każdy był wykwalifikowany lub zdolny do tworzenia” – mówi Li. Spędził dziesięciolecia w tradycyjnym modelu i znał jego pułap od środka. „Kiedy reżyserowałem, połowę czasu spędzałem na czekaniu, aż inni będą gotowi. To projekt zbiorowy. Jeśli jedna osoba ma problem, wszystko zwalnia.”
MOKE to redukuje. „Jeśli chodzi o samo tworzenie, daje to wielu ludziom możliwość. Nawet jedna lub dwie osoby mogą teraz ukończyć historię” – mówi Li. Kontrola przenosi się z wielu działów w ręce samego twórcy. „Stylizacja będzie silniejsza. W przeszłości styl był kształtowany przez wiele działów. Teraz będzie coraz bardziej nachylony w stronę jednostki.” To, czego zawsze chciał, to to, co MOKE ma dostarczyć: tworzenie wolne od przeszkód, gdzie technika i środki wykonania nigdy nie stoją między twórcą a pomysłem.
Zmiana jest zarówno ekonomiczna, jak i kreatywna. Przez większą część historii branży twardym ograniczeniem tego, kto mógł coś stworzyć, nie był talent, ale pieniądze. Produkcja kosztowała zbyt dużo, aby ktokolwiek ryzykował na nieznane nazwisko, więc praca i finansowanie trafiały do garstki bankowalnych. Gdy dwuminutowy film kosztuje 250 ¥ zamiast fortuny, ta matematyka się załamuje. Twórca nie musi już być sprawdzony, aby być wart szansy. Więcej osób z prawdziwym pomysłem i bez CV może zrobić coś i pozwolić, by praca mówiła sama za siebie.
Żadne z tego nie oznacza, że narzędzie myśli. Li jest też w tym szczery:
„Każdy, kto jest dobry w używaniu AI, jest dobry, ponieważ już wie, jak fotografować, filmować, rysować i pisać. AI jest jak lustro. Jeśli jesteś głupi, ono jest głupie.”
MOKE to narzędzie dla ludzi, którzy mają coś do powiedzenia. Po prostu usuwa prawie wszystko, co kiedyś stało między nimi a powiedzeniem tego.
Napędzane przez Atlas Cloud
Pipeline obejmujący tak wiele rodzajów generacji mógłby łatwo stać się bałaganem dostawców: inne API dla każdego etapu, inny klucz, inny rachunek, inny zestaw limitów i trybów awarii oraz stały podatek od przenoszenia plików między narzędziami, które nigdy nie były zaprojektowane do komunikacji. MOKE unika tego, uruchamiając swoje wywołania modeli o dużej objętości przez pojedyncze API inference Atlas Cloud. Jeden klucz, jeden endpoint, jeden rachunek i dostęp do głębokiego katalogu modeli wideo, obrazu, języka i audio przez to samo połączenie. Gdy pojawi się lepszy model, jest dostępny bez ponownej integracji czegokolwiek. Ten pojedynczy kręgosłup jest częścią tego, co pozwala jednej lub dwóm osobom w ogóle zrobić film.
O Versatile Media
Versatile Media (浙江博采传媒), założona w 1993 roku, z siedzibą w Hangzhou i biurami w Pekinie i Vancouver, działa w obszarze treści filmowych i telewizyjnych, wirtualnej produkcji i reklamy. Studio posiada 15 patentów wynalazczych i prowadzi około 100 000-metrową bazę wirtualnej produkcji AI w Deqing, Zhejiang, będącą domem dla laboratorium innowacji AI i wirtualnego filmowania prowadzonego we współpracy z China Film Science & Technology Research Institute. MOKE to węzłowa platforma wideo generatywnego studia.
Li widzi, dokąd to zmierza. „W przyszłości niektóre filmy staną się filmami autorskimi. Jedna osoba może zrobić film i podzielić się nim z przyjaciółmi. Może już nie trafić do kin, a być dystrybuowana przez prywatne kanały.” Versatile Media buduje workflow właśnie dla tej przyszłości, na Atlas Cloud.
O Atlas Cloud
Atlas Cloud to ujednolicona, wielomodalna platforma inferencji AI: ponad 400 modeli wideo, obrazu, języka i audio, przez jeden klucz API, jeden endpoint i jedno konto rozliczeniowe, zgodne z OpenAI dla modeli językowych.
