เครื่องมือ AI วิดีโอส่วนใหญ่ทำงานเหมือนเครื่องสล็อต คุณพิมพ์ prompt ดึงคันโยก แล้วก็ได้อะไรออกมาตามแต่บุญ แต่กรรม ดึงครั้งหนึ่งอาจได้สิ่งที่สวยงาม แต่ถ้าลองร้อยเรียงทั้งเรื่องแบบนั้น คุณจะได้อย่างอื่น: ชุดคลิปที่ไม่ค่อยเข้ากัน สไตล์ที่ลื่นไหลไปแต่ละฉาก เรื่องราวที่ไม่ปักหลัก หลี่ เหลียน ผู้กำกับมากประสบการณ์ผู้ก่อตั้ง Versatile Media ชี้ปัญหาได้ตรงจุด “เครื่องมือ AI หลายตัวแค่ยื่นเครื่องมือให้คุณ คุณพิมพ์อะไร มันก็เอาคอนเทนต์ออกมา โดยส่วนใหญ่ AI เป็นฝ่ายควบคุมคุณ”
MOKE (墨客) ถูกสร้างขึ้นเพื่อพลิกความสัมพันธ์นั้น มันคือเวิร์กโฟลว์วิดีโอเจเนอเรทีฟแบบ end-to-end ที่ใช้โหนดเป็นฐาน ซึ่งทำให้ผู้สร้างภาพยนตร์กลับมานั่งเก้าอี้ผู้กำกับอีกครั้ง เปลี่ยนการสุ่มเสี่ยงโชคให้กลายเป็นสายการผลิตที่ผู้สร้างสามารถควบคุมได้จริงตั้งแต่บทไปจนถึงคัทสุดท้าย
สิ่งที่ผู้สร้างสามารถทำได้กับมัน
Versatile Media ผลิตละครสั้นประมาณ 30 เรื่องต่อเดือนผ่าน MOKE ผู้สร้างที่ไม่เคยใช้แพลตฟอร์มมาก่อนสามารถเริ่มทำงานได้จริงหลังจากเรียนรู้ระบบ 1-3 วัน และผลิตวิดีโอความยาวสองนาทีที่เสร็จสมบูรณ์ในราคาประมาณ 250 หยวน เวิร์กโฟลว์เดียวกันนี้ยังผลิตแคมเปญโฆษณา AIGC ให้กับแบรนด์ระดับประเทศอย่าง Laoxiangji และ Haidilao อีกด้วย นี่คือสายการผลิตที่ใช้งานได้จริง ไม่ใช่แค่เดโม
MOKe ทำงานบนพื้นที่งานแบบไม่จำกัด (infinite canvas) ด้านซ้ายคือแผงฟังก์ชันและโหนด ส่วนพื้นที่ทำงานคือที่ที่ภาพยนตร์ถูกประกอบเข้าด้วยกัน ผู้สร้างวางโหนดเพื่อสร้างสคริปต์ ใช้โหนดอื่นเพื่อแบ่งสคริปต์ออกเป็นส่วนๆ จากนั้นขับเคลื่อนคีย์เฟรมและช็อตต่อไปในขั้นตอนถัดไป แต่ละขั้นตอนจะป้อนเข้าสู่ขั้นตอนถัดไปภายในเวิร์กโฟลว์ที่เชื่อมต่อกันเพียงเส้นเดียว เมื่อไปป์ไลน์ใช้ได้แล้ว ก็สามารถทำซ้ำและแชร์ได้ ดังนั้นลุคที่ใช้ความพยายามอย่างมากในการปรับให้พอดี จะกลายเป็นเทมเพลตที่ทั้งทีมสามารถนำกลับมาใช้ใหม่ได้ ฟุตเทจสามารถอัปสเกลเป็นความละเอียดสูงได้ภายในโฟลว์เดียวกัน
โครงสร้างไปป์ไลน์มีความสำคัญ เพราะภาพยนตร์ที่เสร็จสมบูรณ์ไม่ใช่ปัญหา AI ข้อเดียว แต่มันคือหลายๆ ปัญหา: บทและรายการช็อต สตอรีบอร์ดและคีย์เฟรม ช็อตที่เคลื่อนไหว เซ็ตและการเคลื่อนไหวของกล้องในพื้นที่ ดนตรีประกอบและการออกแบบเสียง เครื่องมือแบบ “พิมพ์แล้วสวด” มองว่าการสร้างแต่ละครั้งเป็นการพนันเดี่ยวๆ MOKE มองว่ามันเป็นขั้นตอนของการผลิตครั้งเดียว ดังนั้นการตัดสินใจที่ทำตั้งแต่แรกเริ่มจะคงอยู่ตลอดทั้งเรื่อง
รสนิยมคืองานตอนนี้
การกำจัดการพนันไม่ได้เป็นการกำจัดผู้สร้าง แต่มันเป็นการเลื่อนขั้นให้พวกเขา เมื่อเครื่องมือหยุดควบคุมคุณ การตัดสินใจกลายเป็นส่วนผสมที่หายาก หลี่พูดอย่างตรงไปตรงมา:
“รสนิยมของคุณยิ่งสำคัญมากขึ้น สมมติว่าผมสร้างคลิปหกวินาทีที่แตกต่างกัน 100 คลิป คลิปไหนดีที่สุด? ท้ายที่สุด รสนิยมคือสิ่งที่ตัดสิน”
หลี่ เหลียน (李鍊) ผู้ก่อตั้ง Versatile Media และผู้กำกับเบื้องหลัง MOKE
ความกว้างคือสิ่งที่ทำให้รสนิยมมีบางอย่างให้ทำงานด้วย MOKE รวมการเรียกใช้โมเดลปริมาณมากไว้ที่ API การอนุมานเดียวของ Atlas Cloud ดังนั้นทีมงานจึงไม่ได้ถูกล็อกให้ใช้โมเดลเดียวต่องาน เนื่องจาก Atlas มีหลายโมเดลในงานแต่ละประเภท ไม่ใช่แค่โมเดลเดียว ผู้สร้างของ MOKE จึงสามารถจับคู่โมเดลกับช็อตและเลือกเทคที่ดีที่สุดจริงๆ ได้ ไปป์ไลน์เครื่องมือเดียวทำให้ผู้กำกับไม่มีอะไรให้เลือก ไปป์ไลน์ที่มีความกว้างอย่างแท้จริงเบื้องหลังจะเปลี่ยนรสนิยมให้เป็นงานที่เสร็จสมบูรณ์
หลี่เปิดเผยว่าเครื่องมือยังคงมีช่องว่าง ซึ่งเป็นเหตุผลว่าทำไมการควบคุมตลอดทั้งไปป์ไลน์จึงสำคัญ “อุปสรรคที่ใหญ่ที่สุดของ AI ในตอนนี้คือมันไม่สามารถควบคุมในแกนความลึกได้อย่างแม่นยำมากนัก การเคลื่อนไหวในเชิงลึกยังคงเป็นจุดอ่อน และมันอาจยังต้องการเทคนิคช่วยเหลือ เช่น ซูม แพน และดอลลี่” แต่ในพื้นฐานเขาไม่ลังเล: “ในแง่ของแสงและเงา หลายโมเดลก็ดีมากแล้ว พวกมันสามารถอธิบายแสงได้อย่างแม่นยำมาก” MOKE ถูกสร้างขึ้นเพื่อพึ่งพาจุดแข็งของโมเดล และให้ผู้สร้างมีตัวควบคุมในจุดที่โมเดลทำไม่ได้
ความเป็นเจ้าของที่ผู้สร้างสามารถพิสูจน์ได้
สำหรับผู้สร้างที่ทำงาน ภาพยนตร์จะเสร็จไม่ใช่เมื่อเรนเดอร์ แต่จะเสร็จเมื่อได้รับการคุ้มครอง MOKE สร้างลิขสิทธิ์ไว้ในเวิร์กโฟลว์ ผู้สร้างสามารถนำผลงานที่สร้างบนแพลตฟอร์มไปยื่นขอการรับรองได้โดยตรง: ประทับเวลาที่เชื่อถือได้ หลักฐานที่ backed by blockchain และใบรับรอง พร้อมเส้นทางไปยังรหัสลิขสิทธิ์ดิจิทัล DCI และใบรับรองงานจดทะเบียนจากศูนย์คุ้มครองลิขสิทธิ์แห่งประเทศจีน เครื่องมือที่ช่วยคุณสร้างภาพยนตร์ยังช่วยคุณพิสูจน์ว่ามันเป็นของคุณ
สร้างขึ้นสำหรับผู้สร้างคนเดียว หรือสองคน
การเปลี่ยนแปลงที่ใหญ่กว่าที่ MOKE กำลังไล่ตามคือ ใครบ้างที่จะสามารถสร้างภาพยนตร์ได้ “ในอดีต ความซับซ้อนของงานฝีมือหมายความว่าไม่ใช่ทุกคนที่มีคุณสมบัติหรือสามารถสร้างได้” หลี่กล่าว เขาใช้เวลาหลายสิบปีในโมเดลดั้งเดิมและรู้เพดานของมันจากภายใน “ตอนที่ผมกำกับ ครึ่งหนึ่งของเวลาใช้ไปกับการรอให้คนอื่นพร้อม มันเป็นโครงการที่ต้องร่วมมือกัน ถ้าคนหนึ่งมีปัญหา ทุกอย่างก็ช้าลง”
MOKE ลดทอนสิ่งนั้น “ในแง่ของการสร้างสรรค์เอง สิ่งนี้เปิดโอกาสให้คนจำนวนมาก แม้แต่คนเดียวหรือสองคนก็สามารถเล่าเรื่องราวให้สมบูรณ์ได้” หลี่กล่าว การควบคุมกำลังย้ายออกจากหลายแผนกและมาอยู่ในมือของผู้สร้างเอง “สไตล์จะแข็งแกร่งขึ้น ในอดีต สไตล์ถูกสร้างขึ้นโดยหลายแผนก ตอนนี้มันจะเอนเอียงไปทางปัจเจกมากขึ้นเรื่อยๆ” สิ่งที่เขาต้องการมาตลอดคือสิ่งที่ MOKE ถูกสร้างขึ้นมาเพื่อมอบให้: การสร้างสรรค์ที่ปราศจากอุปสรรค ซึ่งเทคนิคและวิธีการดำเนินการไม่เคยขวางกั้นระหว่างผู้สร้างกับความคิด
การเปลี่ยนแปลงนี้เป็นทั้งด้านเศรษฐกิจและความคิดสร้างสรรค์ สำหรับประวัติศาสตร์ส่วนใหญ่ของอุตสาหกรรม ข้อจำกัดที่แท้จริงว่าใครจะได้สร้างอะไรไม่ใช่พรสวรรค์ แต่เป็นเงิน ต้นทุนการผลิตสูงเกินกว่าที่ใครจะเสี่ยงกับชื่อที่ไม่ผ่านการพิสูจน์ ดังนั้นงานและเงินทุนจึงตกไปหาคนที่ผ่านการรับรองไม่กี่คน เมื่อวิดีโอความยาวสองนาทีมีราคา 250 หยวนแทนที่จะเป็นเงินก้อนโต คณิตศาสตร์นั้นก็พังทลาย ผู้สร้างไม่จำเป็นต้องได้รับการพิสูจน์มาก่อนจึงจะคุ้มค่าที่จะลอง คนจำนวนมากขึ้นที่มีความคิดจริงๆ และไม่มีประวัติย่อจะได้สร้างสิ่งนั้น และปล่อยให้ผลงานพูดแทนตัวเอง
ทั้งหมดนี้ไม่ได้หมายความว่าเครื่องมือเป็นคนคิด หลี่พูดตรงไปตรงมาเกี่ยวกับเรื่องนั้นเช่นกัน:
“ทุกคนที่เก่งในการใช้ AI เก่งเพราะพวกเขารู้วิธีถ่ายรูป ถ่ายวิดีโอ วาดรูป และเขียนอยู่แล้ว AI เปรียบเสมือนกระจก ถ้าคุณโง่ มันก็โง่ตามไปด้วย”
MOKE เป็นเครื่องมือสำหรับคนที่มีอะไรจะพูด มันแค่กำจัดเกือบทุกอย่างที่เคยขวางกั้นระหว่างพวกเขากับการพูดมันออกมา
ขับเคลื่อนโดย Atlas Cloud
ไปป์ไลน์ที่ครอบคลุมการสร้างหลายประเภทขนาดนี้ อาจกลายเป็นความยุ่งเหยิงของผู้ให้บริการได้อย่างง่ายดาย: API ที่แตกต่างกันสำหรับแต่ละขั้นตอน คีย์ที่แตกต่างกัน ใบเรียกเก็บเงินที่แตกต่างกัน ชุดข้อจำกัดอัตราและโหมดความล้มเหลวที่แตกต่างกัน และภาษีคงที่จากการย้ายไฟล์ระหว่างเครื่องมือที่ไม่เคยมีไว้เพื่อพูดคุยกัน MOKE หลีกเลี่ยงสิ่งนั้นโดยการเรียกใช้โมเดลปริมาณมากผ่าน API การอนุมานเดียวของ Atlas Cloud คีย์เดียว ปลายทางเดียว ใบเรียกเก็บเงินเดียว และการเข้าถึงแคตตาล็อกโมเดลที่ครอบคลุมทั้งวิดีโอ รูปภาพ ภาษา และเสียงผ่านการเชื่อมต่อเดียวกัน เมื่อมีโมเดลที่ดีกว่าออกมา ก็สามารถใช้งานได้ทันทีโดยไม่ต้องรวมระบบใหม่ กระดูกสันหลังเดียวนั้นเป็นส่วนหนึ่งที่ทำให้คนหนึ่งหรือสองคนสามารถสร้างภาพยนตร์ได้เลย
เกี่ยวกับ Versatile Media
Versatile Media (浙江博采传媒) ก่อตั้งในปี 1993 มีสำนักงานใหญ่อยู่ที่หางโจว และมีสำนักงานในปักกิ่งและแวนคูเวอร์ ดำเนินงานด้านเนื้อหาภาพยนตร์และโทรทัศน์ การผลิตเสมือนจริง และการโฆษณา สตูดิโอถือสิทธิบัตรการประดิษฐ์ 15 ฉบับ และดำเนินฐานการผลิตเสมือนจริง AI ขนาดประมาณ 100,000 ตารางเมตรในเต๋อชิง มณฑลเจ้อเจียง ซึ่งเป็นที่ตั้งของห้องปฏิบัติการนวัตกรรมภาพยนตร์ AI และเสมือนจริงที่ดำเนินการร่วมกับสถาบันวิจัยวิทยาศาสตร์และเทคโนโลยีภาพยนตร์แห่งประเทศจีน MOKE คือแพลตฟอร์มวิดีโอเจเนอเรทีฟแบบโหนดของสตูดิโอ
หลี่มองเห็นว่าสิ่งนี้จะไปทางไหน “ในอนาคต ภาพยนตร์บางเรื่องจะกลายเป็นภาพยนตร์ของผู้กำกับ (auteur films) คนคนหนึ่งสามารถสร้างภาพยนตร์และแชร์ให้เพื่อนดู มันอาจไม่ต้องเข้าฉายในโรงอีกต่อไป และกระจายผ่านช่องทางส่วนตัวแทน” Versatile Media กำลังสร้างเวิร์กโฟลว์สำหรับอนาคตนั้นบน Atlas Cloud
เกี่ยวกับ Atlas Cloud
Atlas Cloud คือแพลตฟอร์มการอนุมาน AI แบบครบวงจรทุกโมดอล: โมเดลมากกว่า 400 รายการครอบคลุมวิดีโอ รูปภาพ ภาษา และเสียง ผ่านคีย์ API หนึ่งเดียว ปลายทางเดียว และบัญชีการเรียกเก็บเงินเดียว รองรับ OpenAI สำหรับโมเดลภาษา
