SG.hu·
Félmillió dollárból készült el a teljesen MI-generált mozifilm
A teljes egészében MI által generált, 95 perces Hell Grind ezen a héten debütál Cannes-ban, ahol továbbra is központi kérdés maradt, milyen mértékben nyer teret a technológia a filmiparban.
Négy utcai tolvaj szó szerint a pokol felé tart abban az akció-kalandfilmben, amely most mutatkozik be a Cannes-i Filmfesztiválon. A Hell Grindot azonban nem a kissé trash-hatású története teszi igazán érdekessé, hanem az, hogy a 95 perces film minden karakterét, helyszínét és kellékét MI generálta. A startupként működő Higgsfield AI mindössze két hét alatt készítette el a filmet, és 500 ezer dollárt költött rá. Ennek 80 százaléka számítási költségekre ment el. A hároméves, San Franciscóban működő startup számára az elkészült film lényegében egy bemutatódarab, amelynek célja, hogy meggyőzze Hollywood stúdióit az MI-termékeik minőségéről.
A film egy olyan időszakban debütál, amikor az MI és a filmkészítés körüli vita is változóban van, legalábbis Cannes-ban. Az elmúlt években az MI uralta a francia Riviérán rendezett éves filmes találkozó beszélgetéseit. Iparági szereplők és technológiai szakemberek arról vitatkoztak, hogy a filmkészítés mely részeit lehet vagy kell technológiára bízni, az írástól kezdve a színészeten, rendezésen, vágáson és vizuális effekteken át, valamint arról is, milyen következményekkel jár ez a munkahelyekre és az emberi kreativitásra nézve. A résztvevők szerint azonban az idei hangulat összességében megváltozott. Az egzisztenciális félelmet fokozatosan óvatos elfogadás váltja fel.
A fesztiválon múlt héten tartott sajtótájékoztatón Demi Moore színésznő arról beszélt, hogy a színészeknek meg kell találniuk a módját annak, hogyan dolgozzanak együtt ezzel a technológiával. „Az MI itt van. Harcolni ellene annyi, mint egy olyan csatába belemenni, amelyet el fogunk veszíteni” - mondta. Sok iparági szereplő szerint minden azon múlik, hogyan használják. „Filmkészítőként az elsődleges célom mindig az volt, hogy történeteket meséljek el. Ez egy olyan helyzet, amikor az MI olyan eszközt adhat a kezedbe, amellyel megmutathatod a világnak a történetedet” - mondta Adilet Abish, a Higgsfield házon belüli rendezője és kreatív producere, aki a Hell Grinden is dolgozott.
Adil Alimzhanov, a Higgsfield tartalomfelelőse, aki szintén részt vett a filmen végzett munkában, szerint a nézőket talán az lepi meg leginkább, mennyi technikai filmes tudás kellett a film elkészítéséhez. „Értened kell a kamerakompozícióhoz, tudnod kell, hogyan váltakoznak a beállítások. Nem lehet például két közeli képet egymás után használni, előbb szükség van egy totálképre” - mondta. „Továbbra is szükség van filmes készségekre.” A Higgsfield idei legutóbbi finanszírozási körében 1,3 milliárd dolláros értékelést kapott, májusban pedig átlépte a 400 millió dolláros éves bevételi ütemet. Maga a cég nem készít videógeneráló modelleket, inkább már létező eszközökre, például a Google Veo 3 rendszerére támaszkodik. Olyan kiegészítő eszközöket kínál viszont, amelyek biztosítják, hogy a különböző generált képsorok vizuálisan egységesek maradjanak.
Alimzhanov szerint a filmkészítés központi része itt az volt, hogy folyamatosan promptokat írtak az MI-modellek számára, majd visszakapták a videoklipeket. Egy prompt nagyjából 15 másodpercnyi felvételt generált. Ezt a 15 másodpercet számos alkalommal újra kellett generálni, a prompt finomhangolásával együtt, hogy a lehető legjobb verzió szülessen meg. A film első 25 percéhez 16 181 kezdeti videógenerálásra volt szükség, amelyek végül 253 végleges jelenetté álltak össze.
A hosszabb MI-filmek készítésének egyik legnagyobb nehézsége az egységesség fenntartása. Az MI-modellek kiszámíthatatlanok lehetnek, egy egész estés film pedig nem engedheti meg magának, hogy egyik pillanatról a másikra teljesen másképp nézzen ki. Éppen ezért minden promptnak rendkívül hosszúnak és részletesnek kellett lennie. Mindegyik általában egy előtaggal kezdődött, amely meghatározta az olyan követelményeket, mint a stílus - például 8K IMAX, fotórealisztikus megjelenés -, a világítás - kizárólag természetes fény, ellenfényes megoldások, árnyékoldalról vett kameranézet -, illetve azt is, hogy milyen kamerával felvettnek tűnjön a jelenet, például filmes objektívvel és 180 fokos shutter motion blur effektussal.
Alimzhanov szerint a világítás különösen fontos volt ahhoz, hogy elkerüljék azt a mesterséges fényt, amelyet sokan egyszerűen csak „MI-trutyinak” neveznek. Az MI-generált videók ugyanis hajlamosak természetellenesen túlvizualizált világítást használni. Az előtag emellett arra is emlékeztette az MI-t, hogy tartsa be a fizika törvényeit, olyan utasításokkal, mint: „a gravitáció és a tehetetlenség tiszteletben tartva - a tömegnek valódi súlya van, megfelelő kontaktárnyékok, lebegő tárgyak nélkül”. Az egyes promptok átlagosan körülbelül 3000 szóból álltak.
A Higgsfield egyik fejlesztése, amelyet ügyfeleknek is értékesít, egy olyan MI-eszköz, amely automatikusan létrehozza ezeket az összetett, részletes promptokat. A felhasználók egyszerűen beírhatnak egy oldalt az eredeti forgatókönyvből, mire a rendszer több ezer szavas promptot generál, amely alkalmas professzionális minőségű jelenetek előállítására. És pontosan ez a folyamatos promptolás eredményezte azt, hogy a projekt végül 400 ezer dolláros MI-számítási számlát termelt. Alex Mashrabov társalapító és vezérigazgató ugyanakkor megjegyezte, hogy a „neocloud” szolgáltatók, például a Nebius és a CoreWeave használata - a nagy hyperscale szolgáltatók helyett - segített kordában tartani a költségeket.
A folyamatos iteráció azonban elengedhetetlen része volt a folyamatnak. „Videók százait láttam kukába kerülni csak azért, mert Roco szeme rosszul rándult meg, vagy az állkapcsa nem feszült meg eléggé, esetleg a kamera nem fordult el teljesen jobbra” - mondta Alimzhanov. (Roco a Hell Grind főhőse, aki egy disztópikus pusztaságon keresztül próbálja megmenteni tolvajtársát és szerelmét, Lulut.) „Nem lehet egyszerűen odafordulni az MI-hez azzal, hogy készíts nekem egy menő, 95 perces filmet.”
Négy utcai tolvaj szó szerint a pokol felé tart abban az akció-kalandfilmben, amely most mutatkozik be a Cannes-i Filmfesztiválon. A Hell Grindot azonban nem a kissé trash-hatású története teszi igazán érdekessé, hanem az, hogy a 95 perces film minden karakterét, helyszínét és kellékét MI generálta. A startupként működő Higgsfield AI mindössze két hét alatt készítette el a filmet, és 500 ezer dollárt költött rá. Ennek 80 százaléka számítási költségekre ment el. A hároméves, San Franciscóban működő startup számára az elkészült film lényegében egy bemutatódarab, amelynek célja, hogy meggyőzze Hollywood stúdióit az MI-termékeik minőségéről.
A film egy olyan időszakban debütál, amikor az MI és a filmkészítés körüli vita is változóban van, legalábbis Cannes-ban. Az elmúlt években az MI uralta a francia Riviérán rendezett éves filmes találkozó beszélgetéseit. Iparági szereplők és technológiai szakemberek arról vitatkoztak, hogy a filmkészítés mely részeit lehet vagy kell technológiára bízni, az írástól kezdve a színészeten, rendezésen, vágáson és vizuális effekteken át, valamint arról is, milyen következményekkel jár ez a munkahelyekre és az emberi kreativitásra nézve. A résztvevők szerint azonban az idei hangulat összességében megváltozott. Az egzisztenciális félelmet fokozatosan óvatos elfogadás váltja fel.
A fesztiválon múlt héten tartott sajtótájékoztatón Demi Moore színésznő arról beszélt, hogy a színészeknek meg kell találniuk a módját annak, hogyan dolgozzanak együtt ezzel a technológiával. „Az MI itt van. Harcolni ellene annyi, mint egy olyan csatába belemenni, amelyet el fogunk veszíteni” - mondta. Sok iparági szereplő szerint minden azon múlik, hogyan használják. „Filmkészítőként az elsődleges célom mindig az volt, hogy történeteket meséljek el. Ez egy olyan helyzet, amikor az MI olyan eszközt adhat a kezedbe, amellyel megmutathatod a világnak a történetedet” - mondta Adilet Abish, a Higgsfield házon belüli rendezője és kreatív producere, aki a Hell Grinden is dolgozott.
Adil Alimzhanov, a Higgsfield tartalomfelelőse, aki szintén részt vett a filmen végzett munkában, szerint a nézőket talán az lepi meg leginkább, mennyi technikai filmes tudás kellett a film elkészítéséhez. „Értened kell a kamerakompozícióhoz, tudnod kell, hogyan váltakoznak a beállítások. Nem lehet például két közeli képet egymás után használni, előbb szükség van egy totálképre” - mondta. „Továbbra is szükség van filmes készségekre.” A Higgsfield idei legutóbbi finanszírozási körében 1,3 milliárd dolláros értékelést kapott, májusban pedig átlépte a 400 millió dolláros éves bevételi ütemet. Maga a cég nem készít videógeneráló modelleket, inkább már létező eszközökre, például a Google Veo 3 rendszerére támaszkodik. Olyan kiegészítő eszközöket kínál viszont, amelyek biztosítják, hogy a különböző generált képsorok vizuálisan egységesek maradjanak.
Alimzhanov szerint a filmkészítés központi része itt az volt, hogy folyamatosan promptokat írtak az MI-modellek számára, majd visszakapták a videoklipeket. Egy prompt nagyjából 15 másodpercnyi felvételt generált. Ezt a 15 másodpercet számos alkalommal újra kellett generálni, a prompt finomhangolásával együtt, hogy a lehető legjobb verzió szülessen meg. A film első 25 percéhez 16 181 kezdeti videógenerálásra volt szükség, amelyek végül 253 végleges jelenetté álltak össze.
A hosszabb MI-filmek készítésének egyik legnagyobb nehézsége az egységesség fenntartása. Az MI-modellek kiszámíthatatlanok lehetnek, egy egész estés film pedig nem engedheti meg magának, hogy egyik pillanatról a másikra teljesen másképp nézzen ki. Éppen ezért minden promptnak rendkívül hosszúnak és részletesnek kellett lennie. Mindegyik általában egy előtaggal kezdődött, amely meghatározta az olyan követelményeket, mint a stílus - például 8K IMAX, fotórealisztikus megjelenés -, a világítás - kizárólag természetes fény, ellenfényes megoldások, árnyékoldalról vett kameranézet -, illetve azt is, hogy milyen kamerával felvettnek tűnjön a jelenet, például filmes objektívvel és 180 fokos shutter motion blur effektussal.
Alimzhanov szerint a világítás különösen fontos volt ahhoz, hogy elkerüljék azt a mesterséges fényt, amelyet sokan egyszerűen csak „MI-trutyinak” neveznek. Az MI-generált videók ugyanis hajlamosak természetellenesen túlvizualizált világítást használni. Az előtag emellett arra is emlékeztette az MI-t, hogy tartsa be a fizika törvényeit, olyan utasításokkal, mint: „a gravitáció és a tehetetlenség tiszteletben tartva - a tömegnek valódi súlya van, megfelelő kontaktárnyékok, lebegő tárgyak nélkül”. Az egyes promptok átlagosan körülbelül 3000 szóból álltak.
A Higgsfield egyik fejlesztése, amelyet ügyfeleknek is értékesít, egy olyan MI-eszköz, amely automatikusan létrehozza ezeket az összetett, részletes promptokat. A felhasználók egyszerűen beírhatnak egy oldalt az eredeti forgatókönyvből, mire a rendszer több ezer szavas promptot generál, amely alkalmas professzionális minőségű jelenetek előállítására. És pontosan ez a folyamatos promptolás eredményezte azt, hogy a projekt végül 400 ezer dolláros MI-számítási számlát termelt. Alex Mashrabov társalapító és vezérigazgató ugyanakkor megjegyezte, hogy a „neocloud” szolgáltatók, például a Nebius és a CoreWeave használata - a nagy hyperscale szolgáltatók helyett - segített kordában tartani a költségeket.
A folyamatos iteráció azonban elengedhetetlen része volt a folyamatnak. „Videók százait láttam kukába kerülni csak azért, mert Roco szeme rosszul rándult meg, vagy az állkapcsa nem feszült meg eléggé, esetleg a kamera nem fordult el teljesen jobbra” - mondta Alimzhanov. (Roco a Hell Grind főhőse, aki egy disztópikus pusztaságon keresztül próbálja megmenteni tolvajtársát és szerelmét, Lulut.) „Nem lehet egyszerűen odafordulni az MI-hez azzal, hogy készíts nekem egy menő, 95 perces filmet.”