Hầu hết các công cụ AI video hoạt động như một máy đánh bạc. Bạn gõ một prompt, bạn kéo cần, và bạn nhận bất cứ thứ gì ra. Một lần kéo có thể cho bạn thứ gì đó đẹp đẽ. Nhưng ghép cả một bộ phim theo cách đó, bạn lại nhận được thứ khác: một chuỗi các clip không bao giờ khớp nhau, một phong cách trôi dạt từ cảnh này sang cảnh khác, một câu chuyện không giữ được mạch. Li Lian, đạo diễn kỳ cựu, người sáng lập Versatile Media, chỉ ra chính xác vấn đề. "Nhiều công cụ AI chỉ đưa cho bạn một công cụ. Bạn gõ thứ gì đó, nó xuất ra nội dung. Phần lớn, AI đang kiểm soát bạn."
MOKE (墨客) được xây dựng để đảo ngược mối quan hệ đó. Đây là một quy trình làm việc video sinh tạo (generative-video) từ đầu đến cuối, dựa trên node, đặt nhà làm phim trở lại ghế đạo diễn, biến những mớ hỗn độn của các lần sinh ngẫu nhiên thành một pipeline mà người sáng tạo thực sự có thể điều khiển từ kịch bản đến bản dựng cuối.
Những gì người sáng tạo có thể làm với nó
Versatile Media vận hành khoảng 30 bộ phim ngắn mỗi tháng thông qua MOKE. Một người sáng tạo chưa từng chạm vào nền tảng này có thể làm việc hiệu quả sau một đến ba ngày làm quen, và tạo ra một video hai phút hoàn chỉnh với chi phí khoảng ¥250. Quy trình làm việc tương tự cũng đã sản xuất các chiến dịch quảng cáo AIGC cho các thương hiệu quốc gia bao gồm Laoxiangji và Haidilao. Đó là một dây chuyền sản xuất thực sự, không phải bản demo.
MOKE chạy trên một khung vẽ vô hạn. Ở bên trái là các bảng chức năng và node; không gian làm việc là nơi bộ phim được kết hợp lại. Người sáng tạo thả một node để tạo kịch bản, dùng một node khác để chia kịch bản đó thành các phân đoạn, sau đó truyền keyframe và các cảnh quay xuống dòng, mỗi bước nuôi dưỡng bước tiếp theo trong một quy trình làm việc kết nối duy nhất. Một khi pipeline hoạt động, nó có thể được nhân bản và chia sẻ, để một phong cách tốn nhiều công sức để tinh chỉnh trở thành template mà cả nhóm có thể tái sử dụng. Cảnh quay có thể được nâng cấp lên độ phân giải cao ngay trong cùng một luồng.
Cấu trúc pipeline quan trọng bởi vì một bộ phim hoàn chỉnh không phải là một bài toán AI duy nhất, mà là nhiều: kịch bản và danh sách cảnh quay, storyboard và keyframe, các cảnh quay chuyển động, bối cảnh và chuyển động máy ảnh trong không gian, nhạc nền và thiết kế âm thanh. Các công cụ "prompt-và-cầu nguyện" coi mỗi lần sinh như một canh bạc độc lập. MOKE coi chúng là các giai đoạn của một quá trình sản xuất duy nhất, để các quyết định được đưa ra từ đầu giữ nguyên xuyên suốt.
Gu thẩm mỹ giờ là công việc
Loại bỏ canh bạc không loại bỏ người sáng tạo, mà nâng tầm họ. Khi công cụ ngừng kiểm soát bạn, khả năng phán đoán trở thành yếu tố khan hiếm. Li nói thẳng:
"Gu thẩm mỹ của bạn càng trở nên quan trọng hơn. Giả sử tôi tạo ra 100 clip sáu giây khác nhau. Cái nào là tốt nhất? Cuối cùng, gu thẩm mỹ là thứ quyết định."
Li Lian (李鍊), người sáng lập Versatile Media và đạo diễn đứng sau MOKE.
Bề rộng là thứ cho gu thẩm mỹ thứ để làm việc. MOKE hợp nhất các cuộc gọi mô hình khối lượng lớn của mình lên API suy luận đơn nhất của Atlas Cloud, để nhóm không bị khóa vào một mô hình cho mỗi công việc. Bởi vì Atlas cung cấp nhiều mô hình trong mỗi loại công việc, không chỉ một, các nhà sáng tạo của MOKE có thể ghép mô hình với cảnh quay và chọn take thực sự tốt nhất. Một pipeline một công cụ đơn lẻ không cho đạo diễn thứ gì để lựa chọn. Một pipeline có bề rộng thực sự đằng sau biến gu thẩm mỹ thành tác phẩm hoàn chỉnh.
Li thẳng thắn rằng các công cụ vẫn còn khoảng trống, đó là lý do tại sao kiểm soát toàn bộ pipeline lại quan trọng. "Trở ngại lớn nhất của AI hiện tại là nó không thể kiểm soát rất chính xác trên trục chiều sâu. Chuyển động theo chiều sâu vẫn là điểm yếu, và có lẽ nó vẫn cần các kỹ thuật hỗ trợ như zoom, pan, và dolly." Nhưng về những điều cơ bản, ông khẳng định: "Khi nói đến ánh sáng và bóng tối, nhiều mô hình đã rất tốt. Chúng có thể mô tả ánh sáng rất chính xác." MOKE được xây dựng để dựa vào những gì các mô hình làm tốt và cung cấp cho người sáng tạo các tay cầm nơi chúng không làm tốt.
Quyền sở hữu mà người sáng tạo có thể chứng minh
Đối với một người sáng tạo chuyên nghiệp, một bộ phim không kết thúc khi nó render, nó kết thúc khi nó được bảo vệ. MOKE tích hợp bản quyền vào quy trình làm việc. Người sáng tạo có thể lấy tác phẩm được tạo trên nền tảng và nộp đơn xin chứng thực trực tiếp: một dấu thời gian đáng tin cậy, bằng chứng dựa trên blockchain, và một chứng chỉ, với lộ trình đến mã định danh bản quyền kỹ thuật số DCI và chứng chỉ tác phẩm đã đăng ký từ Trung tâm Bảo vệ Bản quyền Trung Quốc. Công cụ giúp bạn làm phim cũng giúp bạn chứng minh nó là của bạn.
Được tạo cho một nhà làm phim, hoặc hai
Sự thay đổi lớn hơn mà MOKE theo đuổi là ai có thể làm phim. "Trong quá khứ, sự phức tạp của nghề thủ công có nghĩa là không phải ai cũng đủ tiêu chuẩn hoặc có khả năng sáng tạo," Li nói. Ông đã dành nhiều thập kỷ bên trong mô hình truyền thống và biết trần của nó từ bên trong. "Khi tôi làm đạo diễn, một nửa thời gian của tôi là chờ người khác sẵn sàng. Đó là một dự án tập thể. Nếu một người có vấn đề, mọi thứ chậm lại."
MOKE thu gọn điều đó. "Về mặt sáng tạo, điều này mang đến cơ hội cho nhiều người. Thậm chí một hoặc hai người giờ đây có thể hoàn thành một câu chuyện," Li nói. Quyền kiểm soát đang chuyển từ nhiều bộ phận vào tay người sáng tạo. "Tính cách điệu sẽ trở nên mạnh mẽ hơn. Trước đây, phong cách được hình thành bởi nhiều bộ phận. Giờ đây nó sẽ nghiêng về phía cá nhân nhiều hơn." Điều ông luôn mong muốn là thứ MOKE được xây dựng để mang lại: sáng tạo không bị cản trở, nơi kỹ thuật và phương tiện thực thi không bao giờ đứng giữa người sáng tạo và ý tưởng.
Sự thay đổi mang tính kinh tế không kém phần sáng tạo. Trong phần lớn lịch sử ngành, giới hạn cứng về ai có thể tạo ra thứ gì đó không phải là tài năng, mà là tiền bạc. Một sản phẩm quá đắt để ai đó có thể đánh cược vào một cái tên chưa được chứng minh, vì vậy công việc và nguồn tài trợ chỉ dành cho số ít người có uy tín. Khi một bộ phim hai phút có giá ¥250 thay vì một gia tài, phép tính đó phá vỡ. Người sáng tạo không còn phải đã được chứng minh để đáng được thử sức. Nhiều người có ý tưởng thực sự và không có lý lịch có thể tạo ra tác phẩm và để tác phẩm tự nói lên điều đó.
Không có điều nào có nghĩa là công cụ làm việc suy nghĩ. Li cũng thẳng thắn về điều đó:
"Tất cả những ai giỏi sử dụng AI đều giỏi vì họ đã biết cách chụp ảnh, quay phim, vẽ và viết. AI giống như một tấm gương. Nếu bạn ngu ngốc, nó cũng ngu ngốc."
MOKE là một công cụ dành cho những người có điều gì đó để nói. Nó chỉ loại bỏ hầu hết mọi thứ từng đứng giữa họ và việc nói ra điều đó.
Được hỗ trợ bởi Atlas Cloud
Một pipeline trải dài qua nhiều loại sinh tạo như vậy có thể dễ dàng trở thành một mớ hỗn độn các nhà cung cấp: một API khác nhau cho mỗi giai đoạn, một khóa khác nhau, một hóa đơn khác, một bộ giới hạn tốc độ và chế độ lỗi khác, và một khoản thuế liên tục để di chuyển tệp giữa các công cụ không bao giờ được thiết kế để nói chuyện với nhau. MOKE tránh điều đó bằng cách chạy các cuộc gọi mô hình khối lượng lớn của mình thông qua API suy luận đơn nhất của Atlas Cloud. Một khóa, một điểm cuối, một hóa đơn, và quyền truy cập vào một danh mục sâu các mô hình trên video, hình ảnh, ngôn ngữ và âm thanh thông qua cùng một kết nối. Khi một mô hình tốt hơn ra mắt, nó có sẵn mà không cần tích hợp lại bất cứ thứ gì. Xương sống đơn nhất đó là một phần của những gì cho phép một hoặc hai người làm phim.
Về Versatile Media
Versatile Media (浙江博采传媒), được thành lập năm 1993, có trụ sở chính tại Hàng Châu và văn phòng tại Bắc Kinh và Vancouver, hoạt động trong lĩnh vực nội dung phim ảnh và truyền hình, sản xuất ảo và quảng cáo. Studio nắm giữ 15 bằng sáng chế phát minh và vận hành một cơ sở sản xuất ảo AI rộng khoảng 100.000 mét vuông tại Đức Thanh, Chiết Giang, nơi có phòng thí nghiệm đổi mới làm phim AI và ảo được vận hành hợp tác với Viện Nghiên cứu Khoa học và Công nghệ Điện ảnh Trung Quốc. MOKE là nền tảng video sinh tạo dựa trên node của studio.
Li nhìn thấy tương lai. "Trong tương lai, một số bộ phim sẽ trở thành phim tác giả. Một người có thể làm phim và chia sẻ với bạn bè. Nó có thể không còn ra rạp nữa, và thay vào đó được phân phối qua các kênh riêng tư." Versatile Media đang xây dựng quy trình làm việc cho chính tương lai đó, trên Atlas Cloud.
Về Atlas Cloud
Atlas Cloud là một nền tảng suy luận AI đa phương thức thống nhất: hơn 400 mô hình trên video, hình ảnh, ngôn ngữ và âm thanh, thông qua một khóa API, một điểm cuối và một tài khoản thanh toán, tương thích OpenAI cho các mô hình ngôn ngữ.
