Yapay zeka ile video üretme

Tek bir üretim size tam olarak ne verir

Kısa bir video dosyası, kesilmemiş ve kendinden önceki üretimin hiçbir hatırası olmadan. Teslimatın tamamı bu.

Bir video modeli cümlenizden kareler kurar ve görsel modeli gibi hiçbir şey bulmaz. Onu görsel modelinden ayıran şey süredir: çıktı bir zaman aralığını kapsar ve bu aralık bugün kısadır. Seedance 2.5 tek üretimde 30 saniyeye kadar verir, Kling VIDEO 3.0 15 saniyeye kadar, Runway Gen-4.5 10 saniyeye kadar ve Veo 3.1 tam olarak 8 saniye. Google'ın Veo belgeleri daha da açık: istek başına bir video, saniyede 24 kare ve 8 saniyelik süre yalnızca 1080p ya da 4k çözünürlükte veya referans görsel kullandığınızda serbest.

Pratik sonuç: bir dakikalık videonuz tek bir üretim değildir. Sonradan birleştirilmesi gereken dört ila sekiz ayrı üretimdir. Ve bu modeller üretimler arasında bellek tutmadığı için, düğmeye her basış bir ceketin rengini, ışığın niteliğini ya da bir insanın yüzünü değiştirebilir. Veo belgeleri bunu açık bir cümleyle doğruluyor: birden çok video üzerinde referans verme ya da akıl yürütme desteklenmiyor ve denemek çıktıyı bozuyor.

Yani buradaki gerçek beceri istem yazmak değil. Bir fikri, her biri modelin tavanının altına sığan ve yine de birbirine uyan çekimlere bölmektir. Gördüğümüz eğitimlerin neredeyse hepsi ilk yarıya yoğunlaşıp ikinciyi düşürüyor ve ikinci yarı, profesyonel işin bir yığın klipten ayrıldığı yer.

Asla manşet olmayan bir kısıt daha: ses. Veo, Kling ve Seedance yerel ses üretiyor; Gen-4.5 üretmiyor. Ama yerel ses Farsça konuşma demek değil ve bir sonraki bölüm nedenini gösteriyor.

Bugün hangi modeller sayı yayımlıyor

Bu sitenin yapay zeka bölümü dört video modelini yayımlanmış ağırlıklar ve kaynaklarla zaten sıralıyor ve o tabloyu burada yeniden kurmuyoruz; video modeli sıralaması kendi yerinde duruyor. Bir kurgucunun oradan alması gereken üç satır var.

Birinci satır: Seedance 2.5 anlatı için önemli iki sütunda önde, yani tek üretimde 30 saniye ve 50 referans dosyası: otuz görsel, on video, on ses. İkinci satır: aynı model çözünürlük sütununu tümüyle kaybediyor, çünkü ByteDance'in kendi API belgeleri ona yalnızca 480p ve 720p tanıyor, kendi selefi içinse 4k'ya kadar dört değer sıralıyor. Üçüncü satır: Kling VIDEO 3.0 burada yerel 4K veren tek model, ama referansa dayalı kipinin tavanı 1080p, yani 4K ile ağır referans tek üretimde bir araya gelmiyor.

Bu dersin yazıldığı gün, o tabloda olmayan üç sayıyı satıcı sayfalarından yeniden okuduk. Birincisi, Veo 3.1 belgeleri artık bir gecikme aralığı yayımlıyor: en az 11 saniye, yoğun saatlerde en fazla 6 dakika. İkincisi, aynı sayfa üretilen videonun sunucuda iki gün tutulup sonra silindiğini söylüyor. Üçüncüsü, Sora 2 model sayfası OpenAI geliştirici alan adında açılıyor ve saniye başına fiyat yazıyor: Sora 2 için 0,10 dolar, Sora 2 Pro için 0,30 dolar, 720x1280 ya da 1280x720 ölçüsünde. O sayfa Sora için bir klip süresi belirtmiyor, biz de belirtmiyoruz.

Diğer fiyatlar Runway API fiyat listesinden geliyor; orada bir kredi bir senttir: Gen-4.5 saniyede on iki kredi, Seedance 2.5 720p'de otuz, sesli Veo 3.1 kırk. Yani çıktının saniyesi başına on iki, otuz ve kırk sent. Kling o listede yok ve kendi fiyatı bir plana bağlı kredilerle, bu yüzden hücresini doldurmak yerine boş bırakıyoruz.

Son sütun bilerek orada. Beş fiyatın üçü üreticinin kendi fiyatı değil, bir bayi fiyatı ve bu fark bütçe kurmanız gereken anda önem kazanıyor. Yapay zeka bölümündeki tablonun hiç fiyat sütunu taşımamasının nedeni de bu; biz burada bunu gizleyerek değil, bir kaynak sütunuyla çözdük.

Bunlarla bugün ne yapılır, ne yapılmaz

Duruşumuz açık ve iki satıra sığıyor. Fikir, atmosfer ve dolgu çekimleri için bu araçlar bugün işe yarıyor ve her alternatiften ucuz. Bir marka finali içinse yaramıyor ve aksini söyleyen ya hiç final teslim etmemiştir ya da hiç titiz bir markayla karşılaşmamıştır.

Gerçekten işe yarayan üç kullanım: gerçek yapımdan önce bir fikri müşteriye satan kavram çekimi, omurgası çekilmiş görüntü ya da motion grafik olan bir videonun içindeki dolgu ya da arka plan çekimi ve stil karesi, yani ekibe ışığın, rengin ve dokunun nasıl olması gerektiğini söyleyen üretilmiş bir kare. Üçünde de modelin çıktısı bir sonraki aşamanın girdisidir, teslimatın kendisi değil.

Ve bugün cevabın hayır olduğu üç yer: gerçek bir kişinin ya da gerçek bir ürünün tam olarak kendisi olması gereken her çekim, bir karakterin birkaç çekimden fazlasında sabit kalması gereken her video ve konuşması gereken ve dili Farsça olan her çıktı.

Üçüncüsünü kaynağıyla söyleyelim, çünkü Farsça eğitimlerin en kendinden emin yanlış iddiasını yaptığı yer orası. Veo belgelerinde meseleyi kapatan bir cümle var: İngilizce tam olarak destekleniyor, diğer diller değerlendirilmedi, çalışabilirler ama sonuçlar değişebilir. Kling kılavuzu ise beş konuşma dili sayıyor: Çince, İngilizce, Japonca, Korece ve İspanyolca; Farsça aralarında yok. Yani Farsça bir video için hangi yolu seçerseniz seçin, ses ayrı bir adımdır. Bunlardan birinin Farsça konuştuğunu bir yerde okuduysanız, kaynağını isteyin.

Bir de ilk faturadan önce az kişinin tarttığı pratik bir kısıt var: maliyet denemelerle değil saniyelerle artar, ama denemeler de saniyedir. Saniyesi kırk sentten 8 saniyelik bir Veo çekimi yaklaşık üç dolar yirmi senttir ve istediğiniz çekime ulaşmak beş üretim alıyorsa, o tek çekim on altı dolara mal olmuştur. Bu sayıyı tanıtım videolarında kimse söylemez.

Dosyayla birlikte ne çıkar

İki şey ve ikisi de önizlemede görünmez.

Birincisi, bir işaret. Veo belgeleri açıkça, Veo ile oluşturulan videoların SynthID ile filigranlandığını ve SynthID doğrulama platformunda denetlenebildiğini söylüyor. Yani görsellerden bildiğimiz şey videoda da var: göze görünmeyen ve üreticisinin okuyabildiği bir işaret. Dosyanın içinde tam olarak ne olduğunu, kimin okuyabildiğini ve düzenlemeden ne kurtulduğunu bilmek isterseniz, görsel filigranı ve içerik kimliği dersi bunu açıyor ve iki ortamı da kapsıyor.

İkincisi, neredeyse hiçbir eğitimin anmadığı bir son kullanma tarihi. Veo sayfası, üretilen videonun sunucuda iki gün saklandığını ve sonra silindiğini, yerel bir kopya istiyorsanız o iki gün içinde indirmeniz gerektiğini söylüyor. Uzatılmış bir video yeni üretilmiş sayılıyor ve saati baştan başlıyor. Projesini birkaç güne yayan biri için bu, birinci günün çıktısının dördüncü günde ortada olmayabileceği anlamına geliyor.

Üçüncü bir kısıt da anılmayı hak ediyor; risk olarak değil, maliyet olarak: gecikme aralığı. Aynı sayfa en az 11 saniye, yoğun saatlerde en fazla 6 dakika veriyor. Planınız tek oturumda on çekim üretip aralarından seçmekse, o oturumun uzunluğunu en düşük değil en yüksek değer belirler. Diğer üç satıcı hiç üretim süresi yayımlamıyor ve biz onlar için bir sayı uydurmuyoruz.

İlk üretimden önce şu dört şeye karar verin

Dördü de üretimden sonra ya pahalı ya imkansız hale gelir.

En boy oranı. Dikey mi yatay mı, en baştan. Yatayı dikeye kırpmak kadrajın iki yanını atmak demektir ve öznenin merkez dışında olduğu bir çekimde bu kırpma özneyi keser. Veo oranı isteğin kendisinde alıyor, dolayısıyla sonradan değiştirmek yeniden üretmek, yani yeniden ödemek demek.

Her çekimin süresi, kendi model tavanınıza göre. Modeliniz 8 saniye veriyorsa, çekim listesini sonradan bölmek zorunda kalacağınız on iki saniyelik çekimlerle değil, 8 saniye ve altı çekimlerle yazın. Bir çekimi üretimden sonra bölmek, ortasında istenmeyen bir kesme bırakır.

Sesin nereden geleceği. Modelden mi, ayrı mı. Farsça anlatımınız varsa cevap baştan bellidir: ayrı. O durumda çekimleri sessiz üretip tüm ses yatağını tek seferde kurmak daha iyidir, çünkü modelin yerel sesi Farsça anlatımın altına nadiren oturur ve onu video dosyasının içinden geri çekmek zahmetli iştir. Yapay zeka sesi ve dublaj dersi bu aşamayı gereğince açıyor.

Her çekimde aynı kalması gereken şeyler. Kısa bir liste: ürünün rengi, karakterin kıyafeti, ışığın yönü, palet. Bu liste sonra her istemin başına birebir yapıştırılır ve modelin sahip olmadığı belleğin yerine geçen şey odur. Aşağıdaki hızlı yol tam da bunu kuruyor.

Ve teknik olmayan beşinci bir karar: videonun bir kısmının üretildiğini müşteriye söyleyecek misiniz. Doğru cevap söylemenizdir ve teslimden sonra değil, başlamadan önce söylemek daha iyidir. Teslim edilecek işlerde motion grafik hizmetimiz bu sınırı müşteriyle en baştan netleştirir.