אחרי 500 ניסויים, גילינו שהנוסחה הכי פשוטה היא הכי טובה. שישה מרכיבים בסדר הנכון זה כל מה שצריך.
בואו נדבר רגע על מה שכולם עושים לא נכון. אנשים כותבים פרומפט ככה: "חתול יושב על שולחן". ומקבלים תמונה גנרית של חתול על שולחן. ואז הם אומרים "AI לא עובד טוב". לא. ה-AI עובד מצוין. הפרומפט הוא הבעיה.
אחרי 500 ניסויים (כן, ספרנו), הגענו לנוסחה פשוטה שעובדת תמיד. 6 מרכיבים, בסדר הזה: נושא + פעולה + סגנון + מצלמה + תאורה + מצב רוח.
שווה לדעת: נושא: לא "אישה" אלא "אישה בת 30 עם שיער אדום וחולצה לבנה". פעולה: לא "הולכת" אלא "צועדת בביטחון דרך גשם כבד". סגנון: "סינמטי, פילם גריין, Kodak Portra 400". מצלמה: "קלוז-אפ, דולי-אין איטי". תאורה: "שעת הזהב, תאורת רמברנדט". מצב רוח: "נוסטלגי, חלומי".
לפני: "חתול חמוד". אחרי: "A fluffy orange tabby cat curled up on a velvet armchair by a window. Rain streaks on the glass. Warm candlelight illuminating the scene. Shot on Hasselblad X2D, 85mm f/1.4. Cozy, intimate atmosphere." ההבדל בתוצאה? כמו ההבדל בין תמונה מהטלפון לצילום של מגזין.
זו השאלה הראשונה שנשאלת בכל סדנה, והתשובה מפתיעה אנשים: כותבים בעברית. המנועים מבינים עברית היטב ברמת הכוונה, ואפשר לתאר סצנה שלמה בעברית ולקבל בדיוק אותה. מה שכן, מונחים קולנועיים מקצועיים יוצאים מדויקים יותר באנגלית, פשוט כי המנוע אומן על מיליוני תיאורים באנגלית ו-shallow depth of field הוא בשבילו מושג אחד ברור, בעוד "עומק שדה רדוד" הוא שלוש מילים שהוא צריך לנחש.
שווה לדעת: הנוסחה שעובדת: משפט בעברית, מונחים מקצועיים באנגלית בתוכו. "אישה בת שלושים עומדת מול חלון גדול, גשם בחוץ, shallow depth of field, golden hour". זו לא פשרה ולא עצלנות, זו פשוט הצורה שנותנת את התוצאה הכי טובה.
אחרי שאנשים לומדים את הנוסחה, הם עושים את הטעות ההפוכה. הם כותבים פרומפט של שמונים מילה, עם ארבע פעולות, שלוש תנועות מצלמה ושתי תאורות, ומקבלים בלגן. מנוע וידאו לא מבצע רשימת מטלות, הוא מצייר רגע אחד. שוט של חמש שניות מכיל פעולה אחת ותנועת מצלמה אחת. זהו. אם רציתם שהיא גם תסתובב, גם תרים את הכוס וגם המצלמה תעוף אחורה, אלה שלושה שוטים ולא אחד, ואם תבקשו את שלושתם ביחד המנוע יעשה משהו רביעי.
שווה לדעת: מבחן פשוט לפני שאתם לוחצים: תקראו את הפרומפט בקול ותשאלו "כמה דברים קורים כאן?". אם התשובה גדולה מאחד, פצלו.
יש דברים שאנשים מנסים לפתור בניסוח ואי אפשר, וכדאי לדעת אותם מראש כדי לא לשרוף עליהם קרדיטים. טקסט בעברית בתוך תמונה: רוב המנועים מציירים אותיות כצורות ולמדו כיוון כתיבה משמאל לימין, אז העברית יוצאת הפוכה. יש שני מנועים במערכת שכן פותרים את זה, ובכל השאר מוסיפים את הכיתוב בשכבה נפרדת. ספירה מדויקת: "חמישה אנשים" יחזיר לפעמים ארבעה ולפעמים שבעה, כי המודל מעריך כמות ולא סופר. ודיבור בעברית בתוך שוט וידאו פשוט לא קיים, הקול נבנה בנפרד ומסונכרן אחר כך.
זה הכלל הכי משתלם בכל המאמר הזה, והוא לא על ניסוח בכלל. רזולוציה נמוכה כל עוד אתם עדיין מחפשים את הסצנה, רזולוציה מלאה רק כשהשוט כבר עובד. חיפוש רעיון בארבעה קרדיטים לשוט מרגיש אחרת לגמרי מחיפוש בעשרים ואחד, והתוצאה הסופית זהה, כי מה שהשתנה זה רק המדרגה שבה סגרתם. אותו דבר בתמונות: מייצרים חמש אפשרויות בזול, בוחרים אחת, ומשדרגים רק אותה.
ועוד משהו שחוסך כסף: כשמשהו יוצא כמעט טוב, אל תכתבו פרומפט חדש מאפס. שנו מרכיב אחד. אם הפנים טובות והתאורה שטוחה, געו רק בתאורה. פרומפט חדש לגמרי מחזיר אתכם לנקודת ההתחלה ומאבד את מה שכבר עבד, ואת זה אנשים עושים שוב ושוב בלי לשים לב.
הנוסחה זהה, אבל שני מרכיבים משנים משקל. בתמונה, המצלמה היא זווית: קלוז-אפ, מלמעלה, פרופיל. בוידאו, המצלמה היא תנועה, ותנועה היא החלטה בפני עצמה. "המצלמה נסוגה לאט" ו"המצלמה עוקבת מאחור" מייצרות שני סרטונים שונים לגמרי מאותה סצנה בדיוק. וזה גם המקום שבו הכי קל להרוס: תנועת מצלמה מהירה מדי בשוט של חמש שניות הופכת כל דבר לרעש.
המרכיב השני שמשנה משקל הוא הפעולה. בתמונה אפשר לכתוב "יושבת" ולקבל תמונה טובה, כי תמונה היא רגע קפוא. בוידאו "יושבת" זה לא כלום, כי לא קורה בו שום דבר לאורך חמש שניות. וידאו צריך פעולה שיש לה התחלה וסוף בתוך הזמן הזה: "מניחה את הכוס ומרימה את המבט". פעולה שלא נגמרת בתוך משך השוט תיקטע באמצע ותיראה שבורה.
הטיפ הכי חשוב שלנו: תחשבו כמו צלמים, לא כמו מתכנתים. תארו את הסצנה כאילו אתם מסבירים לבמאי מה אתם רוצים לראות.
עמוד הבית · בלוג · וידאו AI · תמונות AI · קול AI · כל המנועים · קרדיטים ולא מנוי · AI בעברית · קורס מתחילים · מדריכים