Wanneer ziet AI-video er echt uit?

Twee verschillende vragen in één

Een thread die vraagt of een clip er echt uitziet, kan binnen een paar reacties uiteenvallen. Het ene kamp debatteert over het beeld: de huid, de ogen, de manier waarop een hoofd draait. Het andere kamp debatteert over alles rond het beeld: of de volgende shot dezelfde plek is, of de jas nog dezelfde jas is. Een reactie in zo'n thread omschreef de maatstaf van het eerste kamp precies:

Een verrader is een artefact of kwaliteit die uniek is voor AI-generatie, zoals morphing, timingverschillen (gezichtsspieren die uit de pas bewegen)

En een andere reactie in dezelfde r/aivideo-thread benoemde het probleem van het tweede kamp net zo precies:

De uitdaging is dat die clips dezelfde wereld hebben als andere clips.

Dit zijn aparte technische problemen. Het eerste los je op binnen één generatie; het tweede los je op met wat elke generatie als uitgangspunt meekrijgt. Een clip kan de eerste test perfect doorstaan en toch falen zodra hij tegen zijn buurman wordt gesneden, en daarom kan een korte demo van één shot echter aanvoelen dan een afgewerkte scène van hetzelfde model.

Binnen het beeld: specifiek, belicht, veroorzaakt

Het grootste deel van wat een enkele shot gegenereerd laat lijken, komt van drie soorten vaagheid in de beschrijving.

• Generieke gezichten. Een gezicht dat met woorden als mooi of opvallend wordt beschreven, trekt naar het gemiddelde gezicht van het model: glad, symmetrisch, te schoon. Een gezicht wordt specifiek door dingen die je kunt tekenen — de stand van de ogen, de neusrug, een ongelijke haargrens, één ankerpunt zoals een afgebroken tand of een litteken door de wenkbrauw.
• Licht uit het niets. Gegenereerd licht is standaard flatteus en overal. Geef elke shot een bron: de bureaulamp, de koelkastdeur, bewolkte middag, koplampen die over een plafond glijden. Referentiebladen zijn bewust gelijkmatig belicht zodat ze in elke scène bruikbaar zijn; de sfeer hoort in de shottekst, waar ze per scène kan veranderen.
• Beweging zonder oorzaak. De beschrijving van een effect — een dramatische knoeiboel, een dreigende sfeer — is een beeld dat het model moet verzinnen. Een oorzaak — de trein remt en de koffie kantelt — is natuurkunde die het kan volgen. Schrijf de oorzaak en het resultaat voelt verdiend.

Kies een live-action look voor live action: Digital HD voor een streaminggevoel van nu, Shot on Film voor korrel en warmte. Een realistische 3D-look is computergraphics, geen fotografie, en leest ook zo. De praktische checklist staat in AI-video er echter laten uitzien.

Over de snede heen: elke keer dezelfde wereld

De moeilijkere helft is het punt van de tweede reactie. Een kijker die een kamer vanuit de deuropening heeft gezien, weet waar het raam zit; als het tegenshot het raam aan de verkeerde muur zet, is de illusie in één beeld weg. Dat los je niet op door elke shot fotografischer te maken. Elke shot moet beginnen bij dezelfde feiten.

In SceneMixer doen drie dingen dat werk. Elk personage, elke locatie en elk belangrijk voorwerp heeft één referentiebeeld dat meegaat met elke shot waarin het voorkomt, zodat de jas, het gezicht en de messing sleutel hetzelfde blijven. Elke scène krijgt automatisch een driedimensionaal model, zodat de camera alleen naar hoeken snijdt die in die kamer bestaan en mensen blijven waar ze waren. En elk segment begint waar het vorige eindigde, zodat een wandeling door een kamer niet halverwege opnieuw begint. Niets hiervan is een filter op het beeld; het is informatie die de generatie krijgt voordat ze begint.

Wat de aantallen uit de community zeggen

Reactiethreads zijn een groot deel van het gesprek — 7,000 posts dragen een label voor publieksreactie, en 1,300 posts klagen over zichtbare artefacten. De twee vragen achter deze pagina:

De tweede formulering komt vaker voor en nodigt uit tot een inspectie beeld voor beeld. Gesteld over een hele scène in plaats van één clip verandert het eerlijke antwoord van ja of nee in welke shots, en waarom.

Resolutie komt als laatste

Detail doet ertoe, maar is de laatste stap, niet de eerste. Een zachte clip met een consistente wereld leest sneller als echt dan een scherpe clip in een kamer die zichzelf herschikt. De zuinige volgorde is: alle segmenten op de laagste resolutie als draft maken, de tekst repareren waar een shot niet klopt, de shots die je houdt op een hogere tier opnieuw genereren, en pas dan de beste clips met Enhance één resolutiestap omhoog tillen — zelfde kadrering, zelfde spel, meer detail. Video wordt per gerenderde seconde berekend, vanaf 10 credits per seconde op de standaardtier, dus pas aan detail uitgeven als de scène werkt is ook de goedkopere route.

Wanneer realisme niet van toepassing is

• Sommig werk hoeft niet voor echt door te gaan: gestileerde animatie, muziekvideo's, droomsequenties. Daar de verraders weghalen kan platslaan wat het werk onderscheidend maakt.
• Het nabootsen van het gezicht van een echt persoon wordt geweigerd, en gegenereerde beelden voor echte gebeurtenissen laten doorgaan is iets heel anders; label gegenereerd werk waar platforms daarom vragen.
• Menigten, handen die fijn werk doen en tekst in beeld blijven de zwakste punten; houd ze uit close-ups in plaats van te hopen dat een nieuwe take ze oplost.
• De aantallen zijn op regels gebaseerde benaderingen uit één verzamelperiode, en de geciteerde reacties zijn de meningen van individuele kijkers.

Veelgestelde vragen

De twee helften worden uitgebreid behandeld in een gezicht beschrijven en hoe ruimtelijke consistentie standhoudt; het antwoord op waarom een personage tussen shots verandert gaat over de gezichtskant van continuïteit. In de methodenotitie lees je hoe de aantallen zijn geteld.