Как мы создаем рекламные ролики с помощью нейросетей: Об этапах и особенностях

Как создать рекламный AI-ролик? Какие методы лучше использовать? Какие сложности возникают? В статье описываю основные нюансы, связанные с производством коммерческого видео с помощью нейросетей.

Меня зовут Юлиан Берзин, я со-основатель креативного агентства "Призми". Мы разрабатываем стратегии, идеи и производим медиаконтент. В рекламе я уже 10 лет.

Поделитесь этой статьей с тем, кому может быть интересно создание рекламных роликов с помощью нейросетей. Он скажет спасибо))

Подпишитесь на мой тг-канал "Контент в действии", там рассказываю о том, как продвигать бренды с помощью медиаконтента.

Создание рекламных роликов всегда происходит по одной схеме: сценарий — съемки — монтаж. Производство AI-роликов больше похоже на мультипликацию.

Этап съемок заменяется созданием картинок и их последующей анимацией. Этот метод называется IMG2VIDEO. В статье рассказываем об отличиях рабочего процесса при создании AI-роликов.

При создании рекламных роликов в 90% случаев работают с IMG2VIDEO — этот формат работы дает максимальный контроль, что очень важно при создании коммерческих роликов со множеством деталей.

Ниже по пунктам описали — чем отличается производство настоящих съемочных и искусственных ИИ-роликов.

Вместо проведения съемок делаем с помощью ИИ. Сначала, как обычно, в деталях продумываем как будут выглядеть герои, локации, определяем стилистику и далее приступаем к генерации.

Система знает как выглядит обычный дом, машина или известный человек. Она не знает как выглядит только что придуманный герой или продукт, который мы рекламируем. Для этого используется LoRA (Low-Rank Adaptation — дообучение нейросетевой модели.

Если в двух словах, то с помощью большого количества картинок мы показываем системе — как должен выглядеть конкретный элемент в кадре: продукт, герой, машина, здание или учим ее создавать объекты/картинки в особом уникальном стиле.

Получив картинки мы делаем из них видео с помощью инструмента IMG2VIDEO (Kling / Runway). Нейросети не умеют повторять сложные движения камеры — доступны простые облеты, наезды и панорамы.

Это значит, что мы либо отказываемся от сложных движений еще на этапе раскадровки, либо находим способы воссоздать эти движения вручную на монтаже, используя техники композитинга.

Пример: Нам надо, чтобы камера пролетела сквозь второстепенного героя, который открывает капот автомобиля, а на заднем плане главный герой будет выходить из ресторана. В этом случае мы создаем отдельные ролики и совмещаем их на монтаже.

ИИ не знает как устроены сложные действия, которым его "не учили". Также, он плохо умеет показывать сразу несколько действий, которым его "не учили".

Это нужно учитывать на этапе сценария, отказываясь от них, либо снова "помогать" ИИ на монтаже, вручную воссоздавая сложные действия.

Пример: Нам надо чтобы герой поднял руку и посмотрел на часы, а в этот момент рядом подъехала машина. Мы генерируем 2 отдельных кара (с машиной + с героем) и склеиваем их в одном плане, либо разделяем эти действия, чтобы упростить монтаж.

Кадры внутри одной сцены всегда будут немного отличаться: будут видны различия в освещении, цвете, композиции, объекты могут менять форму или положение. Это может нарушить целостность восприятия. Например, у актера в соседних кадрах меняется одежда, лицо, меняются цвета и формы других объектов.

Пример: На картинках два очень похожих кадра, но если приглядеться, то в каждом из них машина отличается.

Как решается: Можно сделать это незаметным, просто поставив между этими кадрами другой более крупный план. Можно исправить отличия с помощью художественной ретуши. Иногда проще сгенерировать еще 50 одинаковых картинок, корректируя запрос (промпт), чтобы из них выбрать наиболее подходящую.

Мы экономим пару-тройку миллионов на одном, но тратим дополнительный миллион на другом.

В итоге мы правда повышаем эффективность, получаем свободу в одном, легко реализуя сложные задумки, но сталкиваемся с техническими ограничениями в другом, где особенности инструмента мешают нам с полной свободой создавать оригинальные истории.

Главное то, что теперь у нас есть возможность "в пару кликов" создавать целые миры, наполненные сверхсложными сценами.

Нейросети отлично подходят, когда нам нужно воссоздать какой-то сложный мир: масштабные сцены, космос, прошлое, будущее — все, что требует больших ресурсов при реальных съемках.

Но если нам нужно просто показать как курьер привозит пиццу, то не проще ли это красиво и оригинально снять, чем мириться с техническими ограничениями инструментов?

Для каждого проекта ответ свой. Правильный часто находится где-то посередине. Комбинируя съемки и AI-решения мы можем очень легко реализовывать очень сложные сценарии. Используя только AI мы можем каждый день выпускать десятки единиц простого контента, что тоже хорошо подходит для потоковых задач.