Завдання
Клуб трейдерів «Ситий Хом’як» має мультяшного хом’яка зі стікерів: плоский, світло-коричневий, кремова грудка, великі щоки, два передні зуби. Задум: узяти кліп із великою масовкою і замінити всіх на крипто-звірів. Ведмеді в смарагдово-зелених костюмах із червоними краватками, бики в яскраво-червоних із зеленими, усі в темних окулярах, а в центрі замість людини в чорному наш хом’як. Донор: 27 секунд, масовка в білих костюмах на сходах японського храму, вісім склейок. У фіналі напис ALTSEASON.
Того ж дня другий ролик на тому самому прийомі: фотореалістичні ведмідь і бик у костюмах читають реп під донорське відео двох людей на помаранчевому фоні, з рисованою графікою свічок і стрілок. Пізніше рецепт пішов у подарунки: іменинниця в натовпі бодібілдерів і кум замість танцюриста, парашутиста і героїні з пляшкою в трьох донорських роликах.
Навіщо і яка ідея
Перенесення руху дає те, чого не дає генерація з нуля: точну хореографію, повороти голови, ліпсинк і таймінг з донора, а персонажі при цьому свої. У Higgsfield два різні Motion Control, і вони не рівні: старий на Kling 3.0 не приймає промпт і тримає одного персонажа, Genjutsu приймає промпт і до 49 персонажів. Тому Genjutsu завжди. Довжина виходу дорівнює довжині донора, параметра тривалості немає, і 10-секундного ліміту, як у Kling 2.6, теж немає.
Персонажів робимо заздалегідь у Nano Banana Pro і подаємо картинками, по одній фігурі на нейтральному фоні. Хом’як лишився плоским 2D поруч із фотореалістичними звірами і не поплив жодного разу за 27 секунд: модель уміє тримати два стилі в одному кадрі.
Хід роботи
| Коли | Що відбувалося |
|---|---|
| Прогін 1 | Ведмідь і бик однією картинкою. На виході майже самі ведмеді, костюми роздано навмання: колір ні до чого не прив’язався |
| Прогін 2 | Два окремі референси, у промпті «рівно 50 відсотків» і «рахуй їх при розстановці». Бики повернулися, але їх 10-20 відсотків, костюми плутаються, храм на місці |
| Прогін 3 | Перекіс «биків явно більше, мінімум два з трьох із рогами», заборона перекриття першим пунктом, прямі заборони «no temple, no shrine buildings, no lanterns, no roofs», напис латиницею по буквах. Прийнято як фінал |
| Паралельно | «Ведмідь і бик читають реп»: дві проби по 87 кредитів, фінал прийнято. Графіка від руки вийшла краще, ніж чекали. Напис кирилицею «Сытый хомяк» вийшов як «Ситый хомчк», латиниця FULL HAMSTER без помилок |
| Через три дні | Та сама схема на день народження: натовп бодібілдерів, у центрі іменинниця з фото. Відкриті плечі, бретельки і дрібний квітковий візерунок попливли в перші секунди, напис вийшов MARGU. Другий прогін: червона однотонна сукня з рукавами, напис розбито на два рядки |
| Через три тижні | Подарунок кумові на 54-річчя: три донори (танець 32 с, парашут 17 с, пляшка 9 с), карта персонажа з FACE LOCK, окремий промпт на кожен ролик. У донорі з пляшкою вшита цифра 35, тому в промпті найжорсткіша заборона на текст, а 54 накладено на монтажі з тим самим виїздом, що в оригіналі |
Чим робили
Виклик: generate_video, модель hf_mult_motion_control, картинки з роллю image і рівно одне video. Площадка пропонує пресет на кшталт «DROWN IN MUSIC» і без відмови не запускається: пресет відхиляємо, інакше він підмінить задум. Ціна залежить від довжини донора і роздільності: 27 секунд це 81 кредит у 480p, 190 у 720p, 299 у 1080p, приблизно 3, 7 і 11 кредитів за секунду. Картинка в Nano Banana Pro 2 кредити. Прогін іде від 20 до 45 хвилин, це не зависання.
Промпт одним блоком англійською, заборони вплавлені в текст. Порядок має значення, бо модель краще тримає початок і кінець: спочатку заборона перекриття, потім пропорції натовпу через перекіс, жорстка прив’язка одягу до персонажа, опис кожного з номером референсу, фон із забороною того, що треба прибрати, графіка і фінальний напис, у хвості фотореалізм, без людей і водяних знаків.
Для реальної людини в референсі одяг закритий і однотонний, бо гола шкіра і дрібний візерунок пливуть. Для обличчя блок FACE LOCK: форма, вилиці, повіки, зморшки, вік, і прямі заборони «не звужувати обличчя, не молодити, не змішувати два обличчя в одне». Заборони на кшталт «no grey hair» ламають обличчя, тому відтінок волосся міняємо тільки рядком HAIR.
Результат
ALTSEASON: 27 секунд, 854x480, 24 кадри за секунду, тут без звуку, бо в донорі чужа доріжка. Що працює: напис без помилок, храм зник і небо відкрилося, биків приблизно половина, хом’як нікому не зрізає голову, мультяшність тримається весь ролик, костюми здебільшого правильні. Що лишилося і прийнято як є: поодинокі помилки костюмів, на третій секунді ведмідь у червоному, білої рисованої графіки на фоні модель не зробила, відпрацювала лише напис, далекі фігури на загальних планах розмиті.
«Ведмідь і бик читають реп»: 29 секунд, 752x560, німа версія. Рух перенісся точно, графіка від руки з’являється і зникає, напис FULL HAMSTER чистий. Перед публікацією два стопори: формат не вертикальний і в оригіналі звук донора, тому для TikTok і Reels заливати без звуку і ставити трек із бібліотеки майданчика.
Кредити: 255 за ALTSEASON, три прогони по 81 плюс 12 на картинки, і 178 за реп-ролик. Референси звірів готові і завантажені, тому наступний ролик тієї ж схеми це 81 кредит і близько години роботи. Чого ми не знаємо: результат другого прогону з іменинницею не зафіксовано, а подарункові ролики кумові запускалися за нашою інструкцією на стороні замовника.
Помилки і що винесли
