ساخت یه فیلم ۱۷ دقیقه‌ای با هوش مصنوعی، تنهایی و تو شش ماه
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
Background Memories یه فیلم کوتاه ۱۷ دقیقه‌ای با فضای backrooms هست (یعنی همون افسانه‌ی اینترنتی اتاق‌های خالی و بی‌انتها که از یه عکس تو 4chan در سال ۲۰۱۹ شروع شد). سازنده‌ش خاوی لوپز، هم‌بنیان‌گذار ابزار بزرگ‌نمایی تصویر Magnific، این فیلمو کاملاً تنهایی ساخته. تو این مقاله اومده که فکر می‌کرد پروژه یکی دو ماه طول بکشه، ولی شش ماه تمام‌وقت روش کار کرد.
لوپز هیچ ابزار اتوماسیون یا agent برای نوشتن پرامپت‌ها نداشت. هر پرامپتو دستی و با یه ساختار ثابت می‌نوشت: محیط و جای شخصیت‌ها، سبک دوربین روی دست، اکشن، دیالوگ، و یه یادداشت «no music» که صدا رو بعداً جدا بسازه. خروجی نهایی ۱۷ دقیقه‌ست ولی حدود ۱۲ ساعت ویدیوی خام تولید شد، چون هر کلیپ قابل‌استفاده فقط ۱۵ تا ۳۰ ثانیه بود.
به گفته‌ی لوپز بزرگ‌ترین اشتباهش انتخاب سبک دوربین روی دست بود. این سبک به حال‌وهوای فیلم‌های found-footage می‌خورد، ولی نمی‌شه تیکه‌های خوب از چند تا تولید مختلف رو به هم چسبوند. برای همین هر شات به‌طور میانگین ۵۰ بار تولید لازم بود تا یه برداشت تمیز ۳۰ ثانیه‌ای دربیاد. توصیه‌ش اینه که کات بزنید، یعنی بهترین چند ثانیه از هر تولید رو جدا کنید و پشت هم بذارید. این‌طوری هم ارزون‌تره هم کم‌دردسرتر.
نویسنده می‌گه مهم‌ترین درس فنی لوپز درباره‌ی صدا بود، نه تصویر. اون صدای مدل ویدیو رو نهایی حساب نکرد و تو DaVinci Resolve یه آهنگ ساخت هوش مصنوعی رو پایه گذاشت و تا ده لایه‌ی دیگه روش چید. بعضی لایه‌ها با ابزارهای موسیقی ساخته شدن و بعضی از کتابخونه‌های افکت صوتی اومدن. همین لایه‌لایه کردن به فیلم عمق داد و اون حس مصنوعی یه ترک تکی رو از بین برد.
یه ترفند کاربردی دیگه هم draft mode هست، یعنی اول یه نسخه‌ی کم‌کیفیت و ارزون بسازی و فقط اگه درست بود، کردیت بدی برای نسخه‌ی کامل. برای پروژه‌ای که هر شاتش ۵۰ بار تلاش می‌خواد، این فرق بین بودجه‌ی قابل‌کنترل و بودجه‌ی از دست‌رفته‌ست.
لوپز آخرش می‌گه ساخت تنهایی ارزششو نداشت و چند بار نزدیک بود پروژه رو ول کنه. برای قسمت بعدی می‌خواد یه تیم کوچیک داشته باشه: صداگذار حرفه‌ای، صداپیشه‌ی واقعی به‌جای صدای ساختگی، و یه رنگ‌کار. نتیجه‌ی مقاله اینه که گلوگاه کار خود هوش مصنوعی نیست، توان یه آدم برای گرفتن همه‌ی تصمیم‌های خلاقانه تو چند ماهه.
نکات کلیدی:
- فیلم ۱۷ دقیقه‌ای حاصل حدود ۱۲ ساعت ویدیوی تولیدشده و شش ماه کار تمام‌وقت بود.
- هر کلیپ قابل‌استفاده فقط ۱۵ تا ۳۰ ثانیه بود و هر شات دوربین روی دست میانگین ۵۰ بار تولید لازم داشت.
- همه‌ی پرامپت‌ها دستی و بدون هیچ ابزار agent یا اتوماسیون نوشته شدن.
- صداگذاری با حداکثر ده لایه‌ی صوتی روی یه آهنگ پایه تو DaVinci Resolve انجام شد.
- ساختن نسخه‌ی پیش‌نویس کم‌کیفیت قبل از رندر نهایی، هزینه‌ی کردیت رو خیلی پایین میاره.
