Uzmanlık · Video ve AI içerik
Yapay üretim araçları kullanarak tanıtım videoları ve görsel setleri üretiyoruz — sentezlenmiş ses, görseller, HTML’den işlenen animasyonlu kompozisyonlar. Kadraja giren her öğenin yazılı bir kaynağı ve lisansı vardır, ses ise tahmin edilmez, ölçülür.
Zaten kurduklarımızBunlar teslim edilmiş materyallerdir, diskte, bugün araçlarla ölçtük, bir rapordan okumadık. Kendi platformu için iki dil × iki format halinde 30 saniyelik sabit dört kliplik bir set, giriş amaçlı ikinci bir dört kliplik set, şirket tanıtımı için yedi varyantta render edilmiş kendi kompozisyonumuz ve bir taşıma operatörü için kampanyaya ait iki tur statik görsel. Kliplerden birinin sesini `ffmpeg … ebur128` ile yeniden kontrol ettim: entegre −16,2 LUFS, gerçek tepe −1,8 dBTP — iç belgede yazan tam rakamlar, bu her zaman olmaz. Kendi envanterimize karşı önemli düzeltme: `hyperframes` bizim kodumuz DEĞİL. Başka bir şirketin kamu deposunun Apache 2.0 lisanslı kopyasıdır, bizim hiçbir commit’imiz yoktur. Bizim çalıştığımız araç odur; başarılar kompozisyonlar ve render’lerdir, araç değil.
Otuz saniyelik bir klibin bozulmasının üç yolu vardır ve ilk izleyişte yalnızca biri görünür. Görsel olarak bozulur — bunu herkes fark eder. Sesi bozulur ve o zaman klip, ulaştığı ağdaki çevresindeki her şeyden daha yüksek ya da daha düşük olur; bu da ancak yayımlandıktan sonra fark edilir. Ve hukuken bozulur; bu da fark edilmez, ta ki fark edildiği güne kadar. Üçü üzerinde de çalışıyoruz ve son ikisi için iyi niyete değil, yazılı prosedüre sahibiz.
Kompozisyon HTML'de yapılır, bir editörde değil. Bir kompozisyon, parça ve kliplerden oluşan bir belgedir; her biri başlangıç anı ve süreyi nitelik olarak yazar — örneğin 8,4. saniyede başlayan ve 5,0 saniye süren, geçiş için bir öncekine kasıtlı olarak bindirilen bir klip. Pratik sonuç şu olur: bir klip birebir yeniden yapılabilir; aynı nitelikler, aynı sonuç ve bir metin düzeltmesi montajın elle yeniden yapılmasını gerektirmez. Tanıtım kompozisyonumuzdan yapılan render 1920×1080, saniyede 60 kare, 1200 kare, tam 20,000000 saniye çıktı — brief'ten değil, dosyadan okunan rakamlar.
Ses sentezlenir; yeniden yapımın aynı şekilde duyulması için ayarları senaryo içinde metinle birlikte yazılır: çok dilli model, kararlılık, benzerlik, stil ve hız değer olarak not edilir, izlenim olarak değil. Metin, üretimden önce süreye göre kalibre edilir — otuz saniyelik bir klip yaklaşık altmış beş Romence kelimeyi kaldırır; senaryoda seksen varsa, sesi hızlandırmak yerine metin kısaltılır. Son ses iki geçişte bir hedefe doğru normalize edilir ve ardından teslim edilen dosya üzerinde ölçülür: yakın tarihli bir setin dört klibi −16,2 ve −15,9 LUFS, gerçek tepe −1,8 dBTP'de duruyor.
Gözettiğimiz ve teslim edilen bir setin lisans dosyasında açıkça görülen kural şudur: klipte, gösterebileceğimiz bir lisansı olmayan hiçbir şey yoktur. Müzik yatağı ve ses efektleri yerelde `ffmpeg` ile sentezlendi — müzik için beş sinüs osilatörüyle alçak geçiren filtre, geçiş efekti için filtrelenmiş pembe gürültü, klik için üstel zarfla 1500 Hz darbe — tam da bizim yaptığımız bir sesin kanıtlanabilir bir lisansı olduğu için; bir sayfada şartları ne olduğunu söylemeyen bir "ücretsiz" dosyanın ise yok. Telefon ve laptop çerçeveleri SVG'de çizilir, ürün fotoğrafı değildir. Ekran görüntüleri, yerel bir üretim sürümünde otomatik olarak alınmıştır. Yazı tipi kendi barındırmamızdadır, açık kaynak font lisansı altındadır.
Neleri kapsıyor
Her sahne için aralıklar ve konuşulan metin ile ritim hedefini içeren sahne tablosu. Sentez için ham metin ayrı, tek bir blok halinde yazılır ve duraklamaları noktalama işaretleri verir. Metin süreyi aşarsa, metin kısaltılır — sesi hızlandırmak duyulur ve telaşlı duyulan bir klip, kazanması gereken şeyi tam olarak kaybeder.
Her klibin başlangıcı ve süresi nitelik olarak vardır ve geçişler için bindirmeler kasıtlıdır ve kaynakta görünür. Tanıtım kompozisyonumuzda ana parçada beş klip ve üzerine giden öğeler için ayrı parça indisleri vardır; yirmi saniyelik bir zaman çizgisinde. Yazılı bir montaj birebir yeniden yapılabilir; elle yapılan bir montaj, yapamaz.
Kendi kompozisyonunun son renderi, `ffprobe` ile ölçülmüş: H.264, 1920×1080, saniyede 60/1 kare, 1200 kare, 20,000000 saniye. „Yaklaşık yirmi saniye” değil — tam olarak, çünkü kare sayısı tam sayıdır ve kompozisyondan çıkar.
Romenceyi destekleyen çok dilli model; kararlılık, benzerlik, stil ve hız metnin yanında değerler olarak yazılır. Aynı ayarlar, biri bir cümleyi değiştirilmiş bir sürüm istediğinde üç ay sonra da aynı sesi verir. Rusça için, dil için seçilmiş ayrı bir ses kullanırız; aynı sesle çevrilmez.
Ses yüksekliği hedefi için iki geçişli normalizasyon, ardından teslim edilen dosyada Avrupa ses yüksekliği standardıyla ölçüm. Yakın tarihli bir set için değerler: −16,2 ve −15,9 LUFS entegre, gerçek tepe −1,8 dBTP, dinamik aralık 10,5 LU. AAC ses 48 kHz, stereo, yaklaşık 160 kbps, ve dosyanın tam indirme olmadan başlaması için başlık başa taşınmış.
Yatay 1920×1080 ve dikey 1080×1920, Romence ve Rusça — aynı hikâye için dört dosya; çünkü yatay bir klibi otomatik olarak dikeye kesmek, tam olarak bir şeyin olduğu kısmı kaybettirir. Teslim edilen ikinci bir giriş seti de aynı yapıya sahiptir, 20,36 saniye.
Klide görünen şeyler, yerel olarak çalıştırılan üretim sürümünde bir tarayıcı otomasyon aracıyla alınmış platform kayıtlarıdır: kamuya açık sayfalar, düzenlenmiş, yüzler yok, plaka numaraları yok, tam adresler yok. Tanıtım kompozisyonu için, kaydırmanın birkaç konumunda ayrıca ekran görüntüleri çıkardık; ayrıca sayfanın renklerini, yazı tiplerini ve animasyonlarını aldık ki klipteki hareket site içindeki hareketle benzesin.
Her sesin ve her görselin kaynağı ve lisansını içeren bir tablo, ayrıca klipte NELERİN olmadığına dair bir bölüm: kütüphane müziği yok, stok çekim yok, kayıtlı insan sesi yok, kurum logoları yok, başka platformlardan alınmış ekran görüntüleri yok. Müzik ve efektler yerel olarak `ffmpeg` ile sentezlenir, bu nedenle lisans, betiği yeniden çalıştırarak gösterilebilir.
Mesaj test edilirken çekim yapılmaz: tek bir kampanya için otuzar yaratımlı iki tur, ağlar için dikey formatta, her biri dosya adında kendi mesaj açısına sahiptir. Hangi mesajın görsellerde tuttuğunu kliplerden daha ucuz öğrenirsiniz; ancak ondan sonra çekim yapılır.
Nasıl görünüyor
Sahneler, aralıklar, söylenen metin, ritim hedefi. Mesajın sığıp sığmadığı burada kararlaştırılır — montajda değil. Herhangi bir üretimden önce senaryoyu teslim ederiz, çünkü fikrin değiştirilebildiği tek ucuz an budur.
Test sürümünde otomatik üretilmiş ekran görüntüleri, çizilmiş öğeler, yerel olarak sentezlenmiş sesler, üretilmiş ses. Her öğe projeye girdiği anda lisans dosyasında bir satır alır; sonunda değil, kimse artık nereden geldiğini hatırlamadığında.
Parçalar, başlangıç ve süreye sahip klipler, bilinçli üst üste binme geçişleri. Render, araçlarla kontrol edilir: çözünürlük, saniyedeki kare sayısı, kare sayısı, süre. Süre senaryodakiyle aynı değilse, bu yuvarlama değil, kompozisyon hatasıdır.
Ses yüksekliği hedefine iki geçiş, ardından ara dosyada değil, teslim edilen dosyada ölçüm. Ortaya çıkan sayılar, itiraz edilebilsin diye teslim dokümanına yazılır.
Her iki format, her iki dil, ayrıca ayrı parçalar — anlatım, müzik, senaryo kareleri — ve kompozisyon. Kaynağı da teslim etmemizin nedeni basit: bir yıl sonra biri yirminci saniyede başka bir cümle isteyecektir.
Veriler
Veri koruma sorumlusu olan herkesin soracağı sorular — o sormadan önce burada sorulmuş hâliyle.
Bir vaka
Durum
Kendi kamusal platformunun iki dilde tanıtımı; aynı materyalin hem yatay hem de dikey olması gereken ağlar için. Kendi kendine koyulan kısıtlama: klipteki hiçbir unsur, gösterebileceğimiz bir lisansa sahip olmayacak.
Ne kurduk
Sahneler üzerinde zamanları ve konuşulan metni olan senaryo, her dil için ayrı seçilmiş seslerle birlikte, iki dilde. Platform ekran görüntüleri, üretim sürümünde yerel olarak çalıştırılan otomatik bir sürüm üzerinden üretilmiş, düzenlenmiş sayfalarla — yüz yok, plaka numarası yok, tam adres yok. Telefon ve dizüstü çerçeveleri SVG'de çizilmiş, ürün fotoğrafı değil. Müzik yatağı ve iki ses efekti `ffmpeg` ile yerel olarak sentezlenmiş: müzik için alçak geçiren filtreli sinüs osilatörleri, geçiş için filtrelenmiş pembe gürültü, klik için üstel zarfla 1500 Hz darbe. Ses yüksekliği iki geçişte hedef bir ses yüksekliğine normalize edilmiştir.
Ne çıktı
Dört dosya — iki dil × iki format — her biri tam 30,00 saniye, saniyede 30 kare, H.264 ile AAC 48 kHz stereo ses yaklaşık 160 kbps ve üstbilgi başa taşınmış. Bugün yatay Romence sürümü yeniden ölçtük: −16,2 LUFS entegre, gerçek tepe −1,8 dBTP, dinamik aralık 10,5 LU, 30,00 saniye için 900 kare. Sayılar teslim dokümanıyla uyuşuyor. Dosyaların yanında ayrı anlatım, ayrı müzik yatağı, senaryo kareleri ve lisans tablosu teslim edildi.
Vakanın söylemedikleri
Render çerçevesi bizim değil — başka bir şirketin Apache 2.0 altında açık kaynaklı bir projesi ve içindeki katkımız sıfır. Ses, ücretli planın koşulları altında sağlayıcının hesabımız üzerindeki kullanımında sentezleniyor ve şartları çıktının rakip bir modeli eğitmek veya test etmek için kullanılmasını açıkça yasaklıyor; buna uyduğumuz bir sınırdır. Ve bir de sağduyulu bir nokta var: Bir video, çalışmayan bir mesajı düzeltmez — bu yüzden, mümkün olduğunda, mesajı önce görüntüler üzerinde test ediyoruz.
Sorular
Hayır, ve bunun böyle olmadığını açık bırakmamak önemli. HTML’de oluşturuyor ve başka bir şirket tarafından geliştirilen, Apache 2.0 lisansı altındaki açık kaynaklı bir çerçeve kullanarak render ediyoruz. Kontrol ettik: bizim klonumuzda bize ait tek bir commit bile yok. Bize ait olan şey kompozisyonlar, senaryolar, ekran kayıtları, yerel olarak sentezlenen sesler ve lisans disiplini. Araç, ürün değildir.
Bizim materyallerimizde üretim, sesi ve kampanya görsellerinin bir kısmını kapsıyor. Hareket ve kurgu yazılıyor, üretilmiyor: zamanlamaları ve kanalları olan bir klip, deterministik olarak render ediliyor. Kadrajda konuşan sentetik insanlar üretmiyoruz. Bunun nedeni pratiktir: gerçek ürünü gösteren, otomatik olarak kaydedilmiş bir klip daha yavaş eskir ve var olmayan bir sunucunun güvenilirlik sorununa sahip olmaz.
Teslim edilen materyal için müşteriye aittir; dış kaynaklar ise, lisans dosyasında öğe öğe yazılan kendi lisansları altında kalır. Üretilen ses, üretildiği hesap üzerinde sağlayıcının ücretli planının koşulları altında ticari olarak kullanılır. Yalnızca dosyaları değil, dosyayı da teslim ediyoruz — iki yıl sonra biri o sesin nereden geldiğini sorarsa, yanıt yazılı olarak vardır.
Çünkü “ücretsiz” bir parça, ücretsiz olduğunu söyleyen bir sayfaya güvenmeyi gerektirir. Beş sinüs osilatörü, filtre ve kısa bir yankıdan yapılmış bir müzik zemini, scripti yeniden çalıştırarak gösterebileceğimiz bir lisansa sahiptir. Bir proje gerçek bir parça gerektiriyorsa, olabilir — ama o zaman dosyaya tam kaynak, tam lisans ve indirme tarihi girer, belirsiz bir not değil.
Romence ve Rusça, yatay 1920×1080 ve dikey 1080×1920. Yatayı otomatik olarak dikeye kesmiyoruz: kompozisyon ayrı kuruluyor, çünkü dikeyde кадraja başka şeyler giriyor. Diğer diller aynı araçlarla yapılabilir, ama ses dile göre seçilir ve önce dinlenir, varsayılmaz.
Çünkü sosyal ağda çevresindekilerden daha sessiz bir klip atlanır, daha yüksek olan ise kapatılır. İki geçişte bir hedefe doğru normalleştiriyor ve teslim edilen dosyada Avrupa ses seviyesi standardına göre ölçüyoruz. Yakın tarihli bir set için rakamlar −16,2 ve −15,9 LUFS, gerçek tepe −1,8 dBTP’dir. Bunlar tahmin değil, ölçümdür ve doğrulanabilsin diye teslim dokümanına yazıyoruz.
Evet, ve bunu tercih ediyoruz. Ekran görüntüleri, tarayıcı otomasyon aracıyla, ürünün test sürümünde, kaydırmanın birkaç farklı konumunda otomatik alınır; bir kompozisyon için ayrıca sayfanın renklerini, fontlarını ve animasyonlarını da ayrı çıkardık, böylece klipteki hareket arayüzün gerçek hareketine benzeyecek. Koşul, çalıştırabildiğimiz bir sürümün ve gerçek olmayan demo verilerinin olmasıdır.
Kurgu, bir editörden alınmış bir proje değil, zamanları olan bir belge olduğundan, bir cümle senaryoda değiştirilir, aynı ses ayarlarıyla anlatım yeniden üretilir ve yeniden render edilir. Bu yüzden yalnızca nihai dosyayı değil, kaynağı ve ses ayarlarını da teslim ediyoruz. Bunlar olmadan her değişiklik yeniden yapım demektir.
Evet, ve çoğu zaman clipten önce doğru adımdır. Tek bir kampanya için, her biri farklı bir mesaj açısına sahip otuzar yaratıcıdan oluşan iki tur ürettik. Hangi mesajın görsellerde karşılık bulduğu, hangilerinin yeniden yapılmasının ucuz olduğu test edilir ve ancak bundan sonra kazanan mesaj için clipe yatırım yapılır.
Bunlardan 10 tanesi depolarımızdaki kod ve dosyalardır. Adlarını ya da satırlarını yayımlamıyoruz: hepsi bir arada, tek bir sayfada, yalnızca bize ait olmayan sistemlerin nasıl kurulduğunu fazla net anlatırdı. İstek üzerine, depoda sizinle birlikte gözden geçiriyoruz — doğrulama hâlâ mümkün, sadece bir görüşme içinde yapılıyor.
Bize sürecinizi anlatın. Neyin kurulmaya değer olduğuna, neyi bağlayabileceğimize ve sonucu nasıl doğrulayacağımıza birlikte karar verelim.