Главное Авторские колонки Пресс-релизы Промо Вакансии Вопросы
42 0 В избр. Сохранено
Авторизуйтесь
Вход с паролем

Как мы за день сделали свой STORM II с помощью ИИ и потратили 5000 рублей на генерации

В сети разошлись ИИ-ремейки клипа STORM II: с якудза, пожарными, штурмовиками и десятками других героев. Мы решили сделать свою версию — с журналистами во дворе журфака МГУ.
Мнение автора может не совпадать с мнением редакции

Чтобы повторить тренд STORM II, недостаточно загрузить референс в нейросеть и попросить сделать похожее видео. Мы проверили это на себе: придумали версию с журналистами, разобрали оригинальный клип по движениям, сделали референсы в ChatGPT, а видео генерировали через fal.ai. Рассказываем по шагам, что получилось, какие ошибки пришлось исправлять и сколько денег заплатили.

По интернету сейчас ходит движуха с ИИ-пересъемками клипа STORM II Dance Challenge от GENER8ION и Yung Lean. Если вы в теме, наверняка уже видели версии с якудза, штурмовиками из «Звездных войн», пожарными, детьми, поварами и еще десятком персонажей. Если нет — забейте STORM II в YouTube, иначе половина шутки потеряется.

Мы посмотрели на все это и подумали: а мы чем хуже?

Так появился press feat от Pressfeed — вот тут видео можно посмотреть. Вместо школьников у нас журналисты, главная героиня — девушка-репортер с микрофоном, а действие происходит во дворе журфака МГУ на Моховой. Это небольшая пасхалка для своих: мы рассчитывали, что студенты и выпускники узнают место и начнут пересылать ролик друг другу.

Привет, на связи команда сервиса журналистских запросов Pressfeed. Мы помогаем дружить бизнесу и журналистам: на платформе журналисты из более чем 6000 СМИ размещают запросы на комментарии и интервью, а эксперты и пиарщики отвечают на них и получают бесплатные публикации. Так можно попасть в РБК, Forbes, «Коммерсантъ», «Ведомости» и другие медиа.

Режиссер и создатель видео — Константин Бочарский, основатель Pressfeed, по его опыту и написана эта статья. На ролик ушел примерно день и около 60 долларов, то есть 5000 рублей. Началось всё с идеи собрать видео за вечер, а закончилось подсчетом шагов героя, измерением расстояний между людьми и коллекцией текстовых фотороботов несуществующих журналистов.

Рассказываем, как разобрали оригинальный STORM II, выбирали героев и локацию, делали референсы, генерировали видео в fal.ai, исправляли ошибки модели и сколько всё это стоило.

Как сделать ИИ-ремейк STORM II: сначала разбираем оригинал

STORM II узнают не только по массовке и синхронному танцу. У клипа есть свой канон — последовательность действий, жестов и кадров, которую сохраняют в ремейках.

Герой несколько секунд смотрит в камеру, меняет выражение лица, идет к группе, протискивается между людьми, занимает свое место, и только после этого начинается танец. Если убрать эту последовательность, внешнее сходство останется, но сам ремейк уже работает хуже.

Поэтому нужный фрагмент мы буквально разобрали на действия: посчитали секунды, шаги, посмотрели, как герой проходит через толпу и в какой ряд встает. До своего места он делает около десяти шагов, по пути дважды опирается левой рукой на плечи людей, а в третьем ряду для него заранее оставлено место.

Дошло до того, что мы замеряли расстояния между людьми по кадрам и сверяли их с оригиналом. Тут быстро стало понятно: генерация видео не отменяет режиссуру. Живым актерам можно сказать встать плотнее, а модель после той же инструкции вполне способна оставить между людьми коридор шириной в два метра.

Придумываем героев: как показать журналиста в ИИ-видео

Просто попросить нейросеть сгенерировать журналистов мало. Нужен образ, который считывается без пояснений и хорошо выглядит в большой одинаково одетой группе.

Мы перебрали три варианта.

Первый — журналисты 1940-х: белые рубашки с закатанными рукавами, подтяжки, галстуки и шляпы-федоры. Визуально вариант был сильный: классический газетный репортер узнавался сразу.

Второй — современный тележурналист с микрофоном, корреспондент во время включения.

Третий — папарацци с фотоаппаратами и большими вспышками. Вспышки отлично работали в толпе и добавляли движения, но общий образ и одежда получались слабее.

Еще нужно было заменить сигарету. В оригинале герой курит, а в ремейках этот момент часто обыгрывают: оставляют сигарету или меняют ее на предмет, подходящий персонажу. Для журналиста 1940-х мы придумали карандаш, который можно грызть, для современного тележурналиста — микрофон.

Ретро-журналист выглядел круче, но микрофон позволял крупно написать PRESS. Это и решило выбор: даже зритель, который пропустил остальные отсылки, понимает, что перед ним журналист.

Почему главным героем стала девушка

Первые версии делали с мужчиной, как в оригинале, но довольно быстро от этой идеи отказались. Нам нужен был не буквальный косплей STORM II, а собственная версия.

Так появилась девушка-репортер в ярко-синем пиджаке, черной одежде и с микрофоном PRESS. Синий заодно решил композиционную задачу: на фоне десятков людей в белых рубашках героиня сразу остается центром кадра.

Как выбрать локацию для ремейка STORM II

В оригинале действие происходит в британской школе для мальчиков: форма, красный кирпич, лестницы, ряды школьников. В хороших ремейках локацию меняют вместе с героями, поэтому нашим журналистам тоже нужен был свой узнаваемый фон.

Первым вариантом было Останкино. Claude предложил еще высотку МГУ и двор журфака на Моховой с памятником Ломоносову.

Высотку отбраковали: она узнаваемая, но журфака там нет, и для людей из МГУ связь выглядела бы натянутой. Моховая подошла намного лучше. Для большинства зрителей это просто эффектный университетский фон, а студенты и выпускники журфака узнают свой двор. Плюс у памятника есть ступени, которые хорошо повторяют композицию оригинального клипа.

Отсюда появилась и гипотеза по распространению: отправить ролик знакомым на журфаке и посмотреть, начнут ли его пересылать внутри сообщества. Хотелось, конечно, чтобы дальше он добрался и до крупных мемных каналов.

Сначала генерируем картинки-референсы, потом видео

Перед видео мы собрали изображения-референсы: главного героя, одежду массовки, общий кадр и варианты локации.

Картинки генерировали в ChatGPT. У Константина Claude Code на компьютере связан с десктопным ChatGPT, поэтому часть рутины агент выполнял сам: отправлял запросы, получал изображения и готовил следующие итерации. Для повторения этой схемы такая связка не обязательна — всё можно делать вручную через обычный интерфейс.

Картинки по сравнению с видео почти ничего не стоили: в нашем случае они укладывались в уже оплаченную подписку ChatGPT. Поэтому на этом этапе можно было спокойно перебирать варианты: сделать героя светлее или мрачнее, сравнить журналиста 1940-х с современным, перейти от мужчины к девушке, подобрать локацию и отбраковать странных персонажей в массовке.

Все основные визуальные решения выгоднее принимать здесь. Не понравилась рубашка на картинке — переделали. Поняли то же самое после видеогенерации — заплатили еще за один прогон.

Генерация видео в fal.ai: почему выбрали Seedance

Видео делали через fal.ai — платформу, где доступны Seedance, Kling и другие модели. Почему именно fal.ai, а не Higgsfield? Большого сравнительного теста не было. Claude предложил попробовать fal.ai и Seedance, был вечер, а ролик хотелось закончить до сна. Часть ремейков STORM II, которые мы видели, была сделана через Higgsfield, но мы решили не перебирать сервисы и пошли с первым рабочим вариантом.

Один тестовый драфт обходился примерно в 7 долларов, чистовая генерация 31 секунды — примерно в 16 долларов. А тестов понадобилось несколько.

Что идет не так при генерации видео нейросетью

Проблемы были в основном мелкими, но каждая требовала новой правки или генерации.

Героиня должна была поднести микрофон ко рту — в одной версии она начала его кусать. Получилось довольно сексуально, но для репортера странно.

В другой генерации она не поднималась по ступеням, а оставалась в первом ряду. Иногда модель прокладывала через толпу широкий коридор, хотя по сценарию героиня должна протискиваться между людьми.

Еще одна постоянная проблема — внешность персонажей. На крупном плане стоит один человек, меняется кадр, и в следующем ракурсе на его месте уже другой. Приходилось подробнее описывать лицо, одежду и другие признаки героя.

С массовкой то же самое: часть людей выглядела нормально, часть приходилось отбраковывать еще на референсах. Чем больше персонажей в сцене, тем больше мест, где модель может решить что-то за вас.

Поэтому промпт постепенно обрастал конкретикой: сколько шагов делает героиня, насколько плотно стоят люди, куда она идет, что делает руками, как выглядит и в какой момент занимает свое место. Из короткого запроса он превратился в подробное режиссерское ТЗ.

Почему слишком подробные референсы в ИИ-видео тоже могут мешать

Когда мы стали подробно прорабатывать лица персонажей, fal.ai начал отклонять часть референсов: реалистично сгенерированные изображения система принимала за фотографии настоящих людей.

Часть уже подготовленных персонажей пришлось выкинуть. Вместо картинок стали передавать подробные текстовые описания внешности и позволять модели самой генерировать лица.

В результате у нас осталась целая база текстовых фотороботов вымышленных журналистов. Не планировали, но пригодилось в процессе.

Как писать промпт для ИИ-видео: где нужна точность, а где свобода

Самая сложная часть — понять, что нужно описывать подробно, а где модели лучше не мешать.

Иногда недосказанность дает хороший неожиданный результат: ИИ сам придумывает движение, ракурс или выражение лица. Иногда одна пропущенная деталь ломает сцену. Не задали плотность толпы — появился широкий проход. Не уточнили работу с микрофоном — героиня начала его кусать. Слабо описали внешность — в следующем кадре получили другого человека.

На этом и набивается опыт видеокреатора: какие параметры надо жестко фиксировать, а какие можно оставить модели. Универсального промпта здесь нет — быстрее учишься на собственных неудачных генерациях.

Монтаж и звук: почему часть работы пришлось выбросить

В тестовых версиях героиня произносила в микрофон что-то вроде пупу — звук проверки микрофона. Мы даже отдельно начали собирать для этого аудиодорожку.

В чистовой генерации она просто приоткрыла рот, будто собиралась что-то сказать, а потом закрыла его. Звук оказался не нужен, и уже сделанную дорожку пришлось удалять.

Музыку взяли из оригинального трека и свели с видео на монтаже. Видео и звук собирали сами на ноутбуке с помощью Claude Code.

Такие потери времени здесь нормальны: можно долго исправлять один эпизод, а следующая генерация просто уберет его из сцены.

Сколько стоит сделать ИИ-видео: наши расходы

На ролик ушло около 60 долларов — примерно 5000 рублей. Основная статья расходов — видеогенерации: около 7 долларов за тестовый прогон и примерно 16 долларов за финальные 31 секунду.

Дорабатывать видео можно было дальше: улучшать движения, переходы, лица и массовку. Но каждый новый прогон стоит денег, поэтому в какой-то момент пришлось остановиться. К тому же уже хотелось спать.

С изображениями сейчас намного проще: референсы мы делали в рамках подписки ChatGPT, без заметных дополнительных расходов. Для голоса тоже есть бесплатные и недорогие модели, хотя некоторые пока звучат механистичнее ElevenLabs.

Видео остается дорогой частью процесса. Нужно генерировать много последовательных кадров и одновременно удерживать внешность героя, движение, локацию и композицию. Снизить расходы можно подписками с большим пакетом кредитов или собственной мощной видеокартой, но это уже отдельные расходы и техническая работа.

Почему ИИ-креатор — уже отдельная профессия

В профессиональных чатах, на которые мы подписаны, безлимитной дешевой видеогенерации пока нет. Сервисы работают на токенах или кредитах; большие пакеты позволяют снизить стоимость одного прогона, но бесплатно генерировать десятки дублей всё равно не получается.

У ИИ-креаторов встречается цена около 1500 рублей за секунду готового ролика под ключ. В нее входят сценарий, разработка образов, генерации, отбор дублей, монтаж, звук и графика.

После собственного эксперимента происхождение этой цены становится понятнее. Когда мы делали намного более простой ролик по готовому промпту со своим лицом и своим котом, потратила около 1500 рублей только на генерации, чтобы получить нормальное сходство и реалистичность. Чем больше требований к кадру, тем больше попыток приходится оплачивать.

Мы вспоминали и вирусный ИИ-ролик с бабушкой на самокате, которая кричит эщкере. По словам автора, генерации стоили ему около 200 долларов. При этом ролик очень кинематографичный и сделан человеком, который профессионально занимается генеративным видео.

Если работать с этим постоянно и набить руку, шуточный ролик можно собрать за один-два полноценных рабочих дня и примерно 10 тысяч рублей на генерации. Наверняка есть более дешевые модели и выгодные подписки, но их тоже приходится искать и тестировать.

Почему после своего ИИ-видео начинаешь иначе смотреть на чужие

До собственного эксперимента многие ИИ-ролики выглядят примерно одинаково: хорошая картинка, герой двигается, толпа танцует. Когда пробуешь сделать такой ролик сам, начинаешь видеть детали. Сохранилось ли лицо героя между кадрами. Не изменилась ли одежда. Насколько естественно стоят люди. Совпадает ли траектория движения с оригиналом. Не появились ли пустоты в толпе. Как двигается камера и не заменился ли главный персонаж при смене ракурса.

ИИ не убрал эту работу, а поменял инструменты. Сценарий, режиссура, визуальный вкус, отбор дублей и монтаж никуда не делись. К ним добавилось умение работать с моделями и понимать, где нужна еще одна генерация, а где уже пора остановиться.

У нас исходный продакшен-план был проще: появилась идея, захотелось за вечер проверить ее примерно за пятьдесят долларов. В итоге получилось чуть дороже и намного сложнее.

Слабоумие и отвага — наше всё.

Зато теперь у нас есть собственный STORM II с журналистами, несколько выброшенных вариантов героя, база фотороботов несуществующих корреспондентов, ненужная дорожка с пупу и понимание, сколько работы скрывается за ИИ-роликом.

0
В избр. Сохранено
Авторизуйтесь
Вход с паролем