Японский креатор в заметке на note показал AI-стрим: зритель пишет в комментариях «нарисуй…», персонаж-слизень берёт заказ, а картина рисуется около 15 минут. Если в процессе задать вопрос, персонаж ответит голосом и репликой в пузыре.
Для тех, кто делает видео и картинки с ИИ, интересно не сама идея, а то, что ломается в живом эфире: очередь заказов, озвучка и модерация. Автор заметки прямо пишет, что проблем было много, и разбирает их по порядку.
Сначала модель генерирует исходную картинку через сервис Magnific: 2K, пропорции 4:3, одна картинка списывает 175 кредитов. Перед этим языковая модель пишет план по 14 пунктам: референсы, композиция, цвет, ракурс, поза, пропорции, мимика, одежда, линия, покраска, фон и типичные ошибки. Сами мазки на холсте ставит программа: она строит порядок штрихов по готовой картинке. Нейросеть ни одного мазка не делает.
Больше всего возни было с мелочами. Зрители писали «かいて, かいて, かいて» или цитировали заголовок со словом «描いて», и система принимала это за заказ. Теперь пустой запрос уточняется вопросом «что нарисовать?». Имена чужих персонажей уходят на проверку прав, а не генерируются сразу. Японская озвучка путала ударения в именах и цифрах, поэтому для речи готовится отдельный текст в каны. Новая реплика начинала звучать поверх старой, а «готово» звучало уже после того, как надпись на экране исчезла. Теперь переход ждёт окончания речи.
Цифры пока скромные. Третий выпуск собрал 239 просмотров, одновременно смотрели до 4 человек, и в это число входит тестовый аккаунт самого автора. В нескольких выпусках новых заказов не было совсем, поэтому в эфире идут демо-показы старых работ. По расчёту автора, 16 картин, около 200 реплик и озвучка за четыре часа выходят примерно в 1 600 иен без налога, без учёта обложек и анонсов. Судя по заметке, очередь, озвучка и модерация отнимают больше времени, чем сама картинка.
Источникnote #画像生成AI

