Автор ULL Studio готовит для локального Director 1.4.0 два режима длинного видео на MiniMax H3. Первый собирает длинные стабильные отрезки примерно по 13,7 секунды. Второй режет видео чаще. Релиз ещё не вышел, но по дневнику разработки уже видно, где приходится выбирать: устойчивость лица и цвета или свобода монтажа.
Это продолжение серии заметок о длинных роликах. Раньше автор разбирал, почему лицо постепенно увеличивается, а кожа темнеет и становится насыщеннее. В новых тестах он проверил движение и звук, а ещё посмотрел, как AI-помощник выполняет указания автора.
MiniMax H3 лучше понимает движение как последовательность
На отрезке длиной около 13,7 секунды автор сравнил несколько формулировок. Без указаний персонаж продолжал петь, почти не двигаясь. Потом автор расписал действия по временным меткам через каждые 3,4 секунды. Движение появилось, но велосипедист развернулся на 180 градусов. После уточнения направления жесты съехали по времени: нужное действие появилось ближе к восьмой секунде.
Лучше сработала словесная последовательность: «сначала», «затем», «в конце». В этом тесте временные метки не понадобились. Но в середине ролика пропал липсинк: персонаж просто улыбался. В последних указаниях автор забыл повторить, что тот поёт.
Вывод автора: описывать движения по порядку и добавлять «поёт» или «говорит» к каждому действию, где нужно сохранить синхронизацию губ.
После этого автор добавил указание на пение к каждому движению — и губы совпадали с вокалом до конца. Направление тоже лучше прописать явно, если персонаж не должен его менять. Иначе модель может решить, что велосипедиста нужно прокрутить вокруг оси.
Два режима MiniMax H3 решают разные монтажные задачи
В интерфейсе появился выбор между длинными стабильными отрезками и частой нарезкой. У режимов разные задачи: один помогает удерживать сцену, другой оставляет больше места для смены планов.
| Режим | Длина отрезка | Максимальная длина | Для чего подходит |
|---|---|---|---|
| Стабильный | около 13,7 секунды | около 89 секунд | Сцена подольше, меньше дрейфа лица и цвета |
| Детальный | около 3 секунд | около 85 секунд | Частые смены сцен и подробное управление движением |
В стабильном режиме длинные отрезки помогают удерживать внешность и цвет. Но одна сцена должна длиться примерно 13 секунд или больше. Для клипа с быстро меняющимися планами такой режим неудобен.
Детальный режим сохраняет короткие отрезки, которые автор использовал раньше. В длинной сцене лицо и цвет могут постепенно меняться. Зато при склейке модель собирает сцену заново. Если меняется локация, для цветового якоря теперь нужно брать начальную характеристику новой сцены, а не прежнего плана.
В тесте детального режима автор склеил море, город и вечерний берег реки в ролик на 35 секунд. Внутри каждой сцены цвет лица держался, а вечерний план оставался тёмным и тёплым. Сравнить лицо с референсом было сложнее: после склеек менялась композиция, и персонаж становился меньше.
Смена локации — место, где плавный переход пока рискован
Склеить соседние планы и плавно перенести действие в другое место — разные задачи. В ролике на 89 секунд, разбитом на семь отрезков, стыки почти не бросались в глаза, губы совпадали с песней, а цвет и первый кадр выглядели нормально. Движения почти не было: модель сводила каждую сцену к небольшим жестам.
Автор связал это с тем, как AI-помощник растягивал описание сцены на несколько отрезков. Помощник терял детали вроде велосипеда и места действия. Автор поправил инструкцию: повторять содержание сцены и добавлять два-три заметных действия.
Движения стало больше, но при переезде с побережья в город море исчезло, а направление движения сменилось. Функция для плавного перехода добавила новый сбой: направление менялось на 180 градусов дважды, а чайка превратилась в странный предмет. Автор считает такие переходы между сильно разными локациями экспериментальными. Для крупной смены места он рекомендует обычную склейку.
AI-помощник не должен переписывать авторскую сцену
В одном тесте помощник добавил камеру, которая 11 секунд снимала персонажа со спины. Заодно он заменил указание «остановить велосипед и петь, глядя на море» на другое: «смотреть на море во время езды». Тут помощник уже подменил действие.
Автор изменил правило: исходное описание сцены всегда важнее, а ограничения относятся только к тому, что добавляет AI. Камеру помощник не должен придумывать сам. Мне этот принцип кажется полезным и за пределами конкретного инструмента: AI может разложить замысел на части, но не должен менять его исподтишка.
Склейка сдвигала звук, а в стабильном режиме пропадал отрезок
В детальном режиме автор заметил короткий разрыв звука на склейке. Claude сравнил результат с исходной песней и измерил сдвиг в 0,2 секунды после перехода. Программа удаляла перекрывающийся звук, но обрезала только последний фрагмент — хотя нужная длина была больше.
Исправление теперь обрезает звук с конца через несколько частей, если одной не хватает. Заодно автор нашёл отдельный дефект: в стабильном режиме при склейке целиком пропадал предыдущий отрезок. Раньше эту комбинацию не проверяли.
- После исправления звук в детальном режиме совпал с оригиналом: измеренный сдвиг составил 0 секунд вместо 0,2.
- В стабильном режиме проверили склейку в ролике длиной 35,6 секунды: продолжительность совпала с расчётом, отрезок не пропал.
- Автор проверил две схемы нарезки и пять положений склейки. Число кадров, длина звука и соединения совпали.
- Небольшие изменения в режиме продолжения всё ещё могут теряться: команда остановить велосипед не дала видимой остановки.
Это результаты тестов автора на конкретных сценах и настройках. На любом ролике они могут не повториться. В дневнике остаются незакрытые задачи: плавные переходы между сильно разными местами, первый кадр после склейки и коррекция оттенка кожи через склейку. Нужны проверки и на других случайных значениях и материалах.
Director 1.4.0 ещё готовят, доступность стоит проверить отдельно
Автор пишет, что готовит локальный Director 1.4.0 к распространению, но сначала проверит установку на чистой папке. Выпуска пока не было, даты тоже нет. Ещё автор обнаружил, что вход в длинные ролики был скрыт в интерфейсе, а в README не было раздела о длинном видео. Обе недоработки он исправил.
Я бы начал с простой схемы: описал одну сцену последовательностью действий, повторил указание на пение или речь при каждом движении, а для заметной смены места выбрал склейку. Плавный переход между разными локациями пока лучше считать экспериментом, а не надёжным монтажным приёмом.
В этих тестах выбор зависит от задачи. Длинные отрезки помогают удерживать картинку, частые склейки дают больше свободы в монтаже. Думаю, перед большим роликом стоит проверить оба режима на короткой сцене.
Источники
Источникnote.com
