Czy AI zastąpi montażystów
Zrobiłem dwuminutowy spot wizerunkowy dla organizacji pozarządowej w dwa dni zamiast w tydzień — i wcale nie dlatego, że AI montowała za mnie.
Krótka odpowiedź, zanim się rozpędzę
Nie zastąpi. No chyba, że jesteś w tym naprawdę kiepski. Zabierze robotę, przy której nie trzeba niczego wiedzieć — tylko klikać, czekać i klikać dalej. Zostanie ta, przy której trzeba wiedzieć, jak dobry efekt w ogóle wygląda, zanim maszyna pokaże ci coś, co według niej jest gotowe.
Nie piszę tego z wróżenia z fusów na dziesięć lat do przodu. Piszę to po jednej konkretnej produkcji: dwuminutowym spocie wizerunkowym dla organizacji pozarządowej, który normalnie zająłby tydzień, a zajął dwa dni. Cała reszta tego tekstu to dowód, nie zapowiedź. Zawsze będzie potrzebny człowiek, który powie w pierwszej kolejności, gdzie jest materiał, które ujęcia są najważniejsze i jaki efekt chcemy osiągnąć.
Co poszło szybciej, niż kiedykolwiek u mnie szło
Ogólnie to mój osobisty największy paradoks jest taki, że zajmuję się wideo od ponad 15 lat, ale szczerze nienawidzę montować, synchronizować, a najbardziej nie lubię przeglądać całego kilkugodzinnego materiału w poszukiwaniu odpowiednich cytatów — pamiętam mniej więcej, gdzie są, ale szukanie tego w materiale jest dla mnie największą karą w tym fachu.
Zacznę od tego, co AI zrobiła naprawdę dobrze, bo udawanie, że nic się nie zmieniło, byłoby kłamstwem większym niż panika o utracie fachu.
Projekt w programie do montażu i kompozycji złożył się sam — nie dlatego, że wrzuciłem materiał i powiedziałem „zmontuj mi to”, tylko dlatego, że AI napisała skrypt, który poukładał warstwy, czasy i przejścia zgodnie z tym, co mu kazałem. To jest różnica, którą trzeba zapamiętać, bo cały strach o zawód montażysty bierze się z pomylenia tych dwóch rzeczy: AI nie montuje, AI programuje montaż. Ktoś musi wiedzieć, co temu skryptowi kazać.
Do tego doszedł lektor wygenerowany, muzyka wygenerowana, ponad piętnaście efektów dźwiękowych i nakładka 3D śledząca ruch głowy bohatera przez cały kadr. Korekcja koloru poszła przez trzydzieści osiem warstw naraz, a na końcu wyrenderowałem całość w 4K, w dwóch jakościach, bez pilnowania każdego etapu osobno. Rok temu to była praca na kilka dni sama w sobie. Teraz to popołudnie.
Jeden problem produkcyjny pokazał mi też, gdzie AI jest dobra w sposób, którego się nie spodziewałem: do bajkowej sekwencji potrzebowałem ilustracji, a na serwisach ze stockiem były wyłącznie zestawy pojedynczych elementów — drzewo osobno, most osobno, nic złożonego w scenę. AI dogenerowała gotowe kadry tam, gdzie rynek miał tylko klocki.
„Zrobione, szefie” — pięć razy
Gdyby na tym się kończyło, ten tekst mógłby się nazywać „montażyści, żegnajcie” i miałby rację. Nie kończy się.
Pięć razy w tej samej produkcji AI zrobiła coś, co dla niej samej wyglądało na poprawny wynik — a co dla człowieka z okiem do obrazu było oczywistym błędem. To jest clou całej sprawy: maszyna nie ma wbudowanego pojęcia „to tak nie może wyglądać”. Ma tylko dane wejściowe i procedurę. Resztę trzeba nosić w głowie samemu.
Pierwszy raz: śledzenie ruchu głowy bohatera, oparte na śledzeniu jego oczu, dryfowało o 50 do 95 pikseli — obiekt „pływał” wokół twarzy zamiast się do niej kleić. Dla algorytmu wynik był poprawny, bo oczy przecież śledził. Musiałem przejść na śledzenie wzorców obrazu — cokolwiek to dokładnie znaczy w środku tego programu, dla mnie liczyło się jedno: trzymało się kadru, a nie pływało.
Drugi raz: zleciłem automatyczne wykrywanie braw w nagraniu z eventu. Miało wskazać mi momenty, w których widownia klaszcze, żebym mógł podłożyć pod nie odpowiedni fragment dźwięku. Zwróciło zero znaczników. Zero. Po drodze poszło około 720 z 900 kredytów, które miałem na tę operację. Skończyło się na tym, że brawa w spocie są wygenerowane sztucznie, a prawdziwe nagranie z eventu i tak trzeba było przesłuchać od początku do końca własnym uchem, bo maszyna nie potrafiła powiedzieć mi, gdzie w ogóle szukać.
Trzeci raz: program do kompozycji zawieszał się cyklicznie, bez żadnego wzorca, który dałoby się od razu wyjaśnić. Przyczyną okazała się wtyczka trzymająca otwartych dziesięć tysięcy czternaście uchwytów katalogu na dysku. Zmierzone, co do sztuki. Diagnoza wymagała kogoś, kto w ogóle wpadnie na pomysł, że coś takiego da się policzyć — AI nie zgłosiła tego sama, bo z jej perspektywy program po prostu „czasem nie odpowiada”, a to nie jest diagnoza, to jest wzruszenie ramion.
Czwarty raz: gotowy zestaw ilustracji ze stocka, wyglądający idealnie na miniaturze, miał wtopiony w tło angielski napis, którego nikt nie zamawiał. Wyłapałem to okiem, bo żadne narzędzie mi tego nie zgłosiło — dla systemu obraz był kompletny i zgodny z opisem.
Piąty raz: pomyłka znaku przy jednym-jedynym parametrze ruchu. Plus zamiast minus. Drobiazg, ale taki, który psuje całe ujęcie, a którego nie wyłapiesz, jeśli nie wiesz, w którą stronę ten ruch w ogóle powinien iść.
Dziesiąta rzecz
Dzięki AI z rzemieślnika, który siedzi godzinami i klika w konkuter, możesz zmienić się w artystę, którym zawsze chciałeś być. A jak zobaczysz, że coś nie siedzi, jakiś efekt się nie sprawdza, to nie musisz już podejmować decyzji, czy warto poświęcić na to kolejnych kilka dni klikania — sprawdzasz w kilkanaście minut, czy ten pomysł siądzie.
Tak to teraz wygląda u mnie: maszyna robi dziewięć rzeczy z dziesięciu, i robi je szybciej, niż zrobiłbym sam. Ale tę dziesiątą — tę, która wymaga wiedzy, jak dobry efekt wygląda, zanim ktokolwiek go zobaczy — nadal musi rozpoznać człowiek.
Ciekawostka jest taka, że Adobe i DaVinci dokładają własne funkcje AI, ale zwykle to paździerze, które bardziej utrudniają, niż pomagają. Ja ten materiał robiłem z Claude’em z zainstalowaną integracją Adobe. Jednak oficjalna integracja Adobe nie obejmuje After Effects — do tego musiałem pożyczyć zewnętrzny zestaw skilli i podrasować je pod swój własny styl pracy.
Nie chodzi więc o to, czy montażysta będzie potrzebny. Chodzi o to, że przestaje być potrzebny do klikania, a zaczyna być potrzebny do oceniania i diagnozowania. Kto tego nie zrozumie i będzie się trzymał samego klikania — tego faktycznie zastąpi skrypt. Kto ma w głowie, jak wygląda dobry efekt, temu ten sam skrypt odda kilka dni zamiast tygodnia.
Sztuczna inteligencja zawsze będzie potrzebowała ludzi, żeby powiedzieli jej, co ma robić. To, co możesz dzięki temu zyskać, to czas — i wcale nie oznacza to, że będziesz musiał sprzedawać swoją wiedzę za ułamek poprzedniej ceny. Bez wiedzy o tym, jak ułożyć materiał i jakie efekty nałożyć, nikt nie dowiezie materiału na wysokim poziomie. To trochę tak, jakby małpa miała być majstrem na budowie — skąd ma wiedzieć, że najpierw zaczyna się od fundamentów, a kończy na wstawianiu okien?
Tematy: ai · montaz · warsztat