انیمیشن هوش مصنوعی: عصر جدیدی در ساخت فیلم کوتاه

چگونه پروژه هوش مصنوعی یک فیلمساز غیرحرفه ای در میان فیلم های کوتاه معمولی متمایز شد؟

در فوریه 2023، جیم، یک برنامه نویس در صنعت بازی، هنرمند هوش مصنوعی شد.

تا دسامبر 2024، انیمیشن کوتاه جیم با هوش مصنوعی «مرد لاغر اسلحه داغ» جایزه طلای بهترین انیمیشن کوتاه را در جوایز Independent Shorts دریافت کرد.

این یک جشنواره بین المللی فیلم کوتاه مهم در دنیای فیلم مستقل است، نه به طور خاص برای آثار هوش مصنوعی، و آن را به یک دستاورد بزرگ برای جیم تبدیل می کند. او اظهار داشت: «این خوشحال کننده است که داوران روی خود داستان تمرکز کردند و برچسب هوش مصنوعی را نادیده گرفتند.»

فیلم The Thin Man The Gun The Hotpot در ابتدا توسط جیم به تنهایی تکمیل شد. این فیلم 10 دقیقه‌ای از 242 پلان تشکیل شده است، ساخت آن نزدیک به سه ماه زمان برده است و حداقل به 200 ساعت کار، یعنی بیش از دو ساعت در روز نیاز دارد.

در طول فرآیند ایجاد 90 روزه، جیم احساس می‌کرد که در نبرد عقل با هوش مصنوعی است و محدودیت‌های آن را فراتر می‌برد و از محدودیت‌های آن اجتناب می‌کرد. وقتی بینندگان گفت: "هوش مصنوعی شروع به ساخت انیمیشن کرده است"، جیم پاسخ داد، "این سازندگان هستند که هوش مصنوعی را برای ساخت انیمیشن هدایت می کنند."

3 ماه، 10 دقیقه

"مرد لاغر اسلحه داغ" یک فیلم جنایی نوآر است، ژانر مهمی در گذشته هالیوود، با داستانی که ریشه در فرهنگ چینی دارد. اصطلاح The Thin Man The Gun The Hotpot از جنوب غربی چین می آید و به غرفه های کوچک مواد غذایی اشاره دارد که در اواخر شب باز می شوند.

شخصیت اصلی داستان، شو شیا، مرد جوانی است که در یک غرفه خیابانی در اواخر شب مشغول غذا خوردن است. او برای پرداخت هزینه های درمانی پدرش، انتخاب های غیراخلاقی انجام می دهد، اما یک خط اخلاقی دست نخورده را حفظ می کند. در نهایت، او درگیر خشونت و قتل می شود و در دام سرنوشت گرفتار می شود.

به جای نامیدن آن "انیمیشن هوش مصنوعی"، دقیق تر است که بگوییم "The Thin Man The Gun The Hotpot" انیمیشنی است که با استفاده از ابزارهای هوش مصنوعی ساخته شده است.

هوش مصنوعی تصاویر را تولید کرد، در حالی که سایر عناصر مانند فیلمنامه، ویرایش، صداگذاری، موسیقی و جلوه های صوتی به صورت دستی انجام می شد. متن در تصاویر در پست پروداکشن اضافه شد.

از نظر بصری، جیم از سبک "نسل هوش مصنوعی خالص" پیروی می کند. فیلم The Thin Man The Gun The Hotpot هیچ فیلم لایو اکشنی ندارد. به تبدیل تصویر به ویدئو متکی است. تصاویر توسط Midjourney و ویدیوها توسط Keling، Pika، Jidream، PixVerse و Runway تولید شدند.

تولید هوش مصنوعی غیرقابل پیش بینی است، اما گفتن یک داستان منسجم با هوش مصنوعی مستلزم ثبات است. از طراحی شخصیت، جیم چگونگی حفظ ثبات شخصیت را در نظر گرفت.

جیم دو اصل برای طراحی شخصیت داشت. اول، ظاهر کلی باید ساده باشد و با چند کلمه کلیدی قابل توصیف باشد. دوم، شخصیت‌ها باید عناصر متمایز داشته باشند، بنابراین حتی اگر کاملاً سازگار نباشند، برای مخاطب قابل تشخیص باقی می‌مانند.

نماینده ترین شخصیت ها برادر وان و لی جیاجیا هستند. برادر وان کچل است، لباس ورزشی و عینک آفتابی می پوشد. لی جیاجیا شبیه یک زن قدیمی دهه 90 است که قرمز با موهای موج دار پوشیده است.

آقای ژو به ظاهر شیک پوش با عینک و کت و شلوار بدون ریش، فاقد هر گونه ویژگی غیرعادی است و او را تبدیل به تکراری ترین شخصیت جیم می کند.

جیم متوجه شد که هوش مصنوعی به راحتی شخصیت هایی با هاله «پول قدیمی» تولید می کند، اما با شخصیت هایی مانند آقای زو که ثروتمند است اما نخبه نیست، خطرناک است اما رئیس جنایتکار نیست، مبارزه می کند.

جیم سبک انیمیشن خود را «فیلم اکشن زنده با فیلتر انیمیشن» توصیف می کند. بینندگان می توانند تصور کنند که با بازیگران واقعی چگونه به نظر می رسد.

هنگامی که تصویر هر شخصیت از طریق متن ایجاد می شود، مانند داشتن عکس لباس یک فیلم است. سپس جیم از این تصاویر به عنوان ماده استفاده می کند و تصاویر بیشتری با زوایای مختلف و صحنه های مختلف ایجاد می کند و در عین حال شخصیت ها را بدون تغییر نگه می دارد.

با تصاویر کافی، می توان ویدیو تولید کرد. ابزارهای ویدئویی هوش مصنوعی به سرعت به روز می شوند. "The Thin Man The Gun The Hotpot" از آگوست تا سپتامبر 2024 از نسخه های آن استفاده کرد.

برای عکس‌های چالش‌برانگیز، جیم با ابزارهای ویدیویی مختلفی آزمایش کرد. هر ابزاری نقاط قوت خود را دارد. جیدریم، کلینگ و پیکا بیشترین استفاده را داشتند.

در آن زمان، جیدریم در نماهای اکشن، پیکا در نماهای صحنه و انیمیشن‌های ساده سخن گفتن برتر بود، در حالی که کلینگ دارای قابلیت‌های کلی قوی بود، هرچند گاهی اوقات در موقعیت‌های خاص به‌طور غیر ضروری پیچیده بود.

حتی با ابزارهای امروزی، بسیاری از صحنه‌های «مرد لاغر اسلحه داغ» به‌طور طبیعی به چالش می‌کشند. این امر مستلزم تکیه بر روش های سنتی است.

به عنوان مثال، وقتی شخصیت‌ها مستقیماً رو به جلو نیستند یا در نماهای نزدیکی که هوش مصنوعی به راحتی می‌تواند آن را تشخیص دهد، قرار نمی‌گیرند، و زمانی که کنش‌ها، عبارات و زوایای دوربین در حرکت هستند، یک صداپیشه باید بر اساس حرکات لب ویدیو دوبله کند. جیم معتقد است که ویژگی های جدید لزوما مفید نیستند. روش‌های قدیمی، اگرچه ممکن است ناشیانه باشند، قابل اعتمادتر هستند.

طاقچه و متنوع

داستان فیلم The Thin Man The Gun The Hotpot در شهری کوچک در جنوب غربی چین می گذرد و شخصیت هایی به گویش سیچوان صحبت می کنند که ترجیح شخصی جیم است. سبک هنری The Thin Man The Gun The Hotpot نیز منحصر به فرد است و بینندگان آن را با قسمتی از "Love, Death & Robots" مقایسه می کنند.

جیم در کار خود در صنعت بازی، محتوای بسیار مشابه و آزمایش شده را دیده است.

ایجاد مبتنی بر هوش مصنوعی را می توان شخصی کرد. کارهای باکیفیت همچنان به شرکت های بزرگ نیاز دارد تا منابع قابل توجهی را سرمایه گذاری کنند، اما جیم امکانات بیشتری را در ایجاد «یک کار اساسی» می بیند.

از ابتدای استفاده از Midjourney، جیم واضح بود که نمی‌خواهد به سبک «جریان اصلی» خلق کند. او به‌عنوان یک کاربر سنگین Midjourney، به خوبی از سبک‌هایی که هوش مصنوعی به راحتی تولید می‌کند و همچنین مناطق ممنوعه او هستند، آگاه است.

او سبک‌هایی را ترجیح می‌دهد که فوراً قابل تشخیص نیستند، با یک حس یکپارچهسازی با سیستمعامل اما نه انیمیشن کاملاً قدیمی - آشنا و در عین حال رمان.

برای سبک هنری «مرد لاغر اسلحه داغ»، جیم به کارگردان انیمیشن ماساکی یواسا و هنرمند مانگا یوشیهارو تسوگه اشاره کرد.

او ابتدا از ویژگی Midjourney's Describe برای درک کلمات کلیدی سبک‌های آن‌ها استفاده کرد، سپس به طور مداوم درخواست‌هایی را نوشت و به طور مکرر تکرار کرد تا تصاویری را تولید کند که مطابق با نیازهای او باشد.

جهان بینی The Thin Man The Gun The Hotpot تا حد زیادی از مناطق و عناصری نشات می گیرد که جیم با آنها آشنایی دارد.

در سال 2019، جیم «دریاچه غاز وحشی» به کارگردانی دیائو ینان و با بازی هو جی را تماشا کرد و تحت تأثیر «محیط زمینی با زیبایی‌شناسی نوآر» قرار گرفت. او متوجه شد که فیلم‌های ژانر سنتی روی سنگ ساخته نمی‌شوند و سرزندگی جدیدی در روایت‌های چینی وجود دارد.

در سال 2021، جیم شروع به نوشتن فیلمنامه کرد و طرح اصلی «مرد لاغر اسلحه داغ» را تشکیل داد که شامل یک شهر کوچک، یک مرد جوان ناامید و یک مخمصه زندگی بود.

در سال 2023، جیم شروع به استفاده از Midjourney برای یادگیری هنر مفهومی هوش مصنوعی کرد.

با این حال، قبل از سال 2024، جیم هرگز به ساخت یک فیلم هوش مصنوعی فکر نمی کرد. او به خود عکاسی، فیلمنامه نویسی و فیلمبرداری آموخت اما در آنجا متوقف شد. ویدئوها از طریق لنز داستان ها را روایت می کنند، اما او نمی توانست عکس های تنظیمی خود را بسازد.

در اوایل سال 2024، جیم شروع به استفاده از برخی از اولین ویدیوهای هوش مصنوعی مانند Pika کرد و ناگهان متوجه شد که در نهایت می‌تواند صحنه‌ها را متحرک کند، تصاویر را تنظیم و اصلاح کند و آنها را برای تکمیل یک فیلم کوتاه به هم متصل کند. میل او به خلقت به طور بی سابقه ای قوی شد.

با آماده شدن مواد، نوبت به تدوین، جلوه های صوتی، دوبله و موسیقی رسید. جیم عمیق‌تر به فرآیند سنتی تولید فیلم پرداخت. او آزمایش کرد و آموخت و به تدریج برخی از آثار سبک شده و متمایز شخصی را در Bilibili بارگذاری کرد.

فیلم کوتاه دیگر جیم با هوش مصنوعی، «Hard Bop Gunman» از سبک کمیک‌های قدیمی و فیلم‌های صامت آمریکایی نشأت می‌گرفت و بعداً برنده جایزه در مسابقه ویدیویی Creative Track of a AI در پلتفرم‌هایی مانند شبکه فیلم ۱۹۰۵ و Bilibili شد.

هوش مصنوعی هنوز بسیاری از صنایع را مختل نکرده است، اما برای تیم های کوچک و سازندگان فردی، هزینه ایجاد قابل قبول شده است و محتوای متنوع این شانس را دارد که توسط مخاطبان دیده شود.

جیم با تنظیم فیلم The Thin Man The Gun The Hotpot در منطقه سیچوان-چونگ کینگ، اعتراف می کند که تا حدودی "عمدی" بوده است. او ثابت می کند که هنگام ایجاد محتوای خاص، دیگر نیازی به نگرانی بیش از حد در مورد مفهوم سنتی "خیلی خطرناک" نیست.

محدود، در عین حال منحصر به فرد

ممکن است یک ویدیوی 10 دقیقه‌ای «The Thin Man The Gun The Hotpot» به عنوان یک ویدیوی طولانی در Bilibili در نظر گرفته نشود. اما در جامعه هوش مصنوعی، 10 دقیقه زمان کمیاب است، ناگفته نماند که «مرد لاغر تفنگ The Hotpot» یک داستان کامل را روایت می‌کند.

برای تکمیل این 10 دقیقه، جیم هم خودش و هم هوش مصنوعی را به حداکثر رساند.

صحنه‌های اکشن در رستوران هات‌پات در فیلم The Thin Man The Gun The Hotpot تلاش زیادی از جیم گرفت، با طراحی هر نما، اما اثر نهایی کمتر از 40 درصد بود.

جیم اذعان می‌کند که صحنه‌های اکشن هوش مصنوعی واقعاً فاقد هرگونه حس تأثیرگذاری و عدم پیروی از منطق فیزیکی مانند ضربه زدن به هوا هستند. نه فقط صحنه های اکشن، بلکه هر شات با حرکت قابل توجه، مانند خفگی، پرتاب چکش، یا کوبیدن با سنگ، برای هوش مصنوعی دشوار است.

با توجه به تجربه جیم، اگر باید صحنه های اکشن برای هوش مصنوعی طراحی کنید، از سلاح های سرد اجتناب کنید و به جای آن از سلاح گرم استفاده کنید، زیرا هوش مصنوعی حداقل می تواند تیراندازی را شبیه سازی کند. او خودش از این تکنیک استفاده کرد، "با تشکر از فیلم های قدیمی هنگ کنگ برای نجات."

وقتی بازیگران واقعی با صحنه‌های اکشن دست و پنجه نرم می‌کنند، دوبلورهای بدلکاری می‌توانند وارد عمل شوند، اما حالت‌های بیانی چهره مهارت اصلی یک بازیگر است. با این حال، این همچنین یک نقطه ضعف برای هوش مصنوعی است که یا بیش از حد عمل می کند یا بیانی ندارد.

در اکتبر 2024، Runway ویژگی Act-One را راه‌اندازی کرد که شخصیت‌های هوش مصنوعی را وادار می‌کند تا عبارات مشابهی را بر اساس ویدیوهای عملکرد واقعی انسان ایجاد کنند. جیم این را نشانه‌ای می‌بیند که اگر محصولات بیشتری ویژگی‌های مشابهی را ارائه کنند، نشان می‌دهد که هوش مصنوعی واقعاً در عملکرد با گلوگاه است.

در فیلم The Thin Man The Gun The Hotpot، شخصیت‌ها اغلب در نماهای نزدیک و نیم تنه ظاهر می‌شوند که نشان دهنده ضعف هوش مصنوعی است: مدیریت عکس‌ها با سوژه‌های متعدد. جیم هنگام طراحی نماها سعی می‌کند از صحنه‌هایی با چند نفر اجتناب کند، زیرا هنوز راه‌حل خوبی پیدا نکرده است.

حتی هنگام تولید تصاویر با Midjourney، اگر بیش از دو نفر باشند، ممکن است مشکلات صورت ایجاد شود. هنگامی که در تعاملات ویدیویی هوش مصنوعی قرار می‌گیرید، صحنه بی‌نظم‌تر می‌شود.

تصاویری که با هوش مصنوعی تولید می شوند محدودیت های زیادی دارند، بنابراین جیم در مراحل پس از تولید از نماهای نزدیک، نماهای نمادین و برش های سریع برای جبران کاستی های بصری استفاده می کند. تصاویر تکراری حیوانات در «مرد لاغر اسلحه داغ» یک نمونه است.

استعاره و نمادگرایی نیز معمولاً در برخی از فیلم‌های نوآر کلاسیک آمریکایی استفاده می‌شود. در دهه‌های 1940 و 50، به دلیل محدودیت‌های فنی و مقررات مانند Hays Code که تصاویر خشونت‌آمیز را محدود می‌کند، وضعیت تا حدودی شبیه به ویدیوهای هوش مصنوعی در سال 2024 بود.

پژواک طی دهه‌ها برای جیم جذاب است، «شاید روش‌های قدیمی در فیلم‌های هوش مصنوعی به خوبی کار کنند.»

با این حال، مخاطبان صادق هستند و بازخوردهایی مانند "یک ارائه پاورپوینت روان" یا "یک کمیک پویا پیشرفته" ارائه می دهند. جیم این را می پذیرد و به همین دلیل است که تصمیم به ساخت انیمیشن های هوش مصنوعی گرفت.

در مقایسه با سبک زندگی واقعی با پوست صاف و متحرک، انیمیشن حداقل "بینندگان را بلافاصله به فکر وادار نمی کند، وای، این خیلی جعلی است." حرکات کمی سفت و سخت شخصیت ها در انیمیشن های غیرواقعی قابل قبول تر است.

دنبال نکردن کورکورانه طول و در ابتدا تضمین کیفیت تا حدی به این دلیل است که جیم در مقابل فیلم‌های معمولی معیار قرار می‌دهد. او وارد رقابت غیر هوش مصنوعی Independent Shorts Awards شد تا داوران برچسب هوش مصنوعی را نادیده بگیرند و روی خود داستان تمرکز کنند.

جیم امیدوار است که هنگام تماشای آثار او، مخاطبان بتوانند از حضور هوش مصنوعی آگاه شوند، اما برای هوش مصنوعی نیایند، در سیستم ارزیابی فیلم هوش مصنوعی نرمش نشان ندهند، "جامعه هوش مصنوعی بسیار دوستانه است، شنیدن برخی کلمات تند ضروری است."

پافشاری در خلقت برای غلبه بر اضطراب

اخبار هوش مصنوعی اغلب در مورد "تغییرات یک شبه" می نویسد و ساخت یک فیلم کوتاه در سه ماه زمان زیادی است.

هوش مصنوعی روزانه پیشرفت می کند. در سال 2023، جیم می‌توانست با اطلاعات روزانه هوش مصنوعی همراه باشد، اما از اوایل سال 2024، همگامی با روندها غیرممکن شد. او همچنین احساس اضطراب می کند، اما نه کورکورانه، مانند بسیاری دیگر.

فناوری قدرتمند است، اما هنوز کارهای زیادی برای انسان وجود دارد. دشواری و علاقه به خلقت در این است که برخی از مشکلات را خود خالق باید حل کند.

در «دریاچه غاز وحشی»، صحنه ای از درگیری با اسلحه وجود دارد که تأثیر عمیقی بر جیم گذاشت: مردم در یک میدان می رقصند، پلیس لباس شخصی کفش های درخشان می پوشد، جنایتکاران تیراندازی می کنند، پلیس با خون درخشان تعقیب می کند و سپس تیراندازی می کند.

کنتراست پرتنش و در عین حال بازیگوش جیم را به حرکت درآورد. بدون این صحنه، اولین واکنش به رقص مربعی «چند» خواهد بود.

او معتقد است که اغلب، عناصر آشنا قدیمی نیستند، اما فاقد کاوش عمیق توسط سازندگان هستند.

برعکس، چیزهایی که به دقت با ابزارهای قدیمی بیان می شوند، ممکن است با فناوری جدید جایگزین نشوند.

ویدیوهای هوش مصنوعی بارها به روز شده اند، اما جیم قصد ندارد شورت های قبلی هوش مصنوعی را بازسازی کند.

طراحی و مصالحه کل فیلم کوتاه بر اساس محدودیت‌های هوش مصنوعی در آن زمان بود و یک موجودیت کامل را تشکیل می‌داد. حتی سال‌ها بعد، هنوز جنبه‌های سرگرم‌کننده وجود دارد که ارزش کار در همین جاست.

هوش مصنوعی می‌تواند به جیم کمک کند تا آزمایش‌های مشابه بیشتری را انجام دهد و در مورد چیزهای جالب تجدید نظر کند. او دوست ندارد هوش مصنوعی مستقیماً پاسخ دهد. او ترجیح می دهد خودش مسائل را حل کند و از هوش مصنوعی به عنوان ابزاری شبیه به ماشین حساب استفاده کند.

در مقایسه با استفاده از هوش مصنوعی برای تولید تبلیغات یا موزیک ویدیو، جیم همچنان ترجیح می‌دهد از هوش مصنوعی برای داستان‌گویی استفاده کند. از نظر او، «روایت هدف اصلی خلق فیلم است».

چند سال پیش، زمانی که جیم خودآموز فیلمنامه‌نویسی می‌کرد، نه تنها کتاب می‌خواند، بلکه با نوشتن فیلمنامه و تکمیل آن‌ها تمرین می‌کرد، "اگر شما تمام نکنید، معنای زیادی ندارد."

در عین حال، فیلم های زیادی را تماشا می کرد، مدام فیلم های جدید را تماشا می کرد، نماهای جالبی ترتیب می داد و توضیحات و تحلیل های دیگران را تماشا می کرد. او می گوید که "بنیان محکمی ندارد"، اما به تصاویر حساس است، در اتصال اشیاء مشابه خوب است و در استفاده از زبان دوربین برای انتقال دقیق احساسات و عواطف بهتر است.

اکنون جیم در حال استراحت است، برنامه‌ریزی می‌کند تا خلاقیت‌های هوش مصنوعی را به اشتراک بگذارد، پروژه بعدی هوش مصنوعی را آماده کند، و آخرین پیشرفت‌ها را در هر ابزار ویدیویی هوش مصنوعی دنبال کند. از نظر او، مهم نیست که چقدر ابزارهای هوش مصنوعی وجود دارد، منابعی که هر فرد می تواند سرمایه گذاری کند برابر و ضروری است. کمیت مهم نیست؛ پیدا کردن راه درست برای خود مهمتر است.

در بخش نظرات Jim's Bilibili، یک بیننده تجربه تماشای خود را به عنوان "ابزار بی روح، خلاقیت روح" توصیف کرد. او پاسخ داد: «این بیانیه وزن زیادی دارد.»

بهترین راه برای مبارزه با اضطراب خلقت است. جیم نمی خواهد حدس بزند که هوش مصنوعی در آینده چه کاری می تواند انجام دهد یا چه کسی را جایگزین خواهد کرد. او ترجیح می دهد این باور را داشته باشد که خلق آثار جدید در دستانش، قلعه استوار یک فرد است.

منبع از افانر

سلب مسئولیت: اطلاعات ذکر شده در بالا توسط ifanr.com، مستقل از Chovm.com ارائه شده است. Chovm.com هیچ گونه نمایندگی و ضمانتی در مورد کیفیت و قابلیت اطمینان فروشنده و محصولات نمی دهد. Chovm.com صراحتاً هر گونه مسئولیتی را در قبال نقض حق نسخه برداری محتوا سلب می کند.