صنعنا فيلمين قصيرين بحوار باستخدام نموذج فيديو واحد

صنعنا فيلمين قصيرين كاملين بحوار - Ember، مأساة سحرية سوداوية تدور أحداثها في مدينة صحراوية، و Hollow Orbit، قصة سفينة مسح تحطمت على كوكب حيوي متزامن مدّيًا - باستخدام نموذج الفيديو H3 الخاص بنا فقط على مكدس وحدة معالجة الرسوميات الخاص بنا. كل فيلم يتكون من 8 لقطات × 5 ثوانٍ: إجمالي 16 لقطة، وكل لقطة هي مطالبة منظمة واحدة. لا يمتلك H3 ذاكرة بين اللقطات، لذا فإن تناسق الشخصية يعيش في المطالبة نفسها، ويتم إنشاء الحوار بواسطة النموذج، مع مزامنة الشفاه أثناء الإنشاء. هذه المقالة هي سير العمل بأكمله: تقنية الهوية، تنسيق الحوار، لماذا لا تدخل الموسيقى النموذج أبدًا، وما هي تكلفة العروض.

فيلمان، ستة عشر مطالبة

تم التخطيط لكلا الفيلمين كقوائم لقطات أولاً ثم كتعليمات ثانياً — تعليمات واحدة لكل لقطة، تم عرضها بالتسلسل على عامل GPU محلي واحد. Ember هي مأساة سحرية سوداء: ساحرة شوارع تسرق جمرة محرمة لإنقاذ أخيها المحتضر، الحارس الذي يحبها يتلقى ضربة قاتلة من أجلها، وهي تحرق شرارتها الخاصة لإنقاذه، متناثرة إلى جمرات عند شروق الشمس. صراع، حب، خسارة — أربعون ثانية من ذلك. Hollow Orbit تحبس سفينة مسح على كوكب مقيد مدياً: يعيد جوقة الكائنات الفضائية بناء محركها ولكنها تطلب عقلاً مقيماً، تختار المساعدة لينا البقاء وتصبح هي الدفة، وتزهر الوادي في هندسة وشمها بينما تهرب السفينة.

[SHOT e1 — verbatim from the spec, opening truncated]
PHOTOREAL CINEMATIC FANTASY, anamorphic 2.39:1, warm ember palette against
cold indigo pre-dawn. IDENTITY LOCK: SERA, woman mid-20s, sun-bronzed olive
skin, black braided crown hair with loose windblown strands, amber eyes,
glowing copper sigil tattoos spiraling up both forearms, crimson open-backed
wrap top baring her shoulder blades, long charcoal skirt with a high slit...
SCENE: She stands on the ribbed clay rooftop of a teetering desert city at
first light, dealing a fan of tarot-sized cards whose faces smolder like
coals... AUDIO: dry wind over clay, distant bell-goat chimes, the soft hiss
of the burning card. No dialogue, no music, no subtitles, no logos.

[SHOT h1 — verbatim from the spec, opening truncated]
PHOTOREAL SCIENCE FICTION, anamorphic 2.39:1, awe-heavy establishing.
SCENE: the survey ship MERIDIAN LARK, a hundred-meter wedge, crashed nose-down
in a valley of glassy violet coral under a locked twilight sky; a banded gas
giant hangs fixed on the horizon; aurora curtains ripple green-violet...
ACTION 0-5s: two tiny suited figures descend the rope from the airlock onto
coral that glows faintly brighter around each of their footfalls, light
rippling outward like pond rings... No dialogue, no music, no subtitles.

كيف تعمل اتساق الشخصيات

كل جيل H3 مستقل: اللقطة 7 ليس لديها معرفة باللقطة 6. وبالتالي، الاتساق هو انضباط في التعليمات، وليس ميزة نموذجية. تفتح كل تعليمات لقطة بنفس كتلة IDENTITY LOCK، ملصقة حرفياً، والتي تثبت كل شيء عن الشخصية الذي يجب ألا يتغير أبداً. إليك قفل SERA المختصر من مواصفات Ember:

IDENTITY LOCK, repeat every shot:
SERA, woman mid-20s, sun-bronzed olive skin, black braided crown hair with
loose windblown strands, amber eyes, glowing copper sigil tattoos spiraling
up both forearms, crimson open-backed wrap top baring her shoulder blades,
long charcoal skirt with a high slit, brass bangles, wrapped barefoot sandals.
KADE, city guard about 30, brown skin, close-cropped black hair, trimmed
stubble, a scar over his right brow, dented bronze scale armor over an
indigo tunic, crimson sash at the waist.
[... repeated verbatim at the top of all eight prompts ...]

يثبت القفل الوجه، الشعر، الملابس، المجوهرات، وحتى كيفية ظهور سحرها — ويتم لصقه في جميع تعليمات Ember الثمانية دون تغيير كلمة واحدة. تعليمات اللقطة تحتها تغير فقط ما يجب أن يتغير: الموقع، الحركة، الكاميرا، الإضاءة، الصوت. يبدأ الانجراف لحظة إعادة صياغة القفل؛ "تاج أسود مضفر" يصبح "موجات شاطئية فضفاضة" في اللقطة 6 هو شخصية مختلفة.

حوار يتزامن مع حركة الشفاه بالفعل

تُكتب السطور في تعليمات اللقطة بصياغتها الدقيقة، ويقوم H3 بتنفيذها — تزامن حركة الشفاه يحدث أثناء الإنشاء، وليس في مرحلة ما بعد الإنتاج. قاعدتان تربطان كل لقطة حوار معاً: تسمية المتحدث، وتحديد الكلمات على أنها ثابتة. آخر سطر لـ Ember للحارس، بينما تحرق شرارتها عند الفجر:

[SHOT e8 — sacrifice finale, sunrise]
ACTION AND DIALOGUE: 0-2.5s she presses the guttering EMBER into his chest;
its light floods his wound; her own sigils stream out like molten thread into
him. SERA, a whisper, smiling: "Live brighter." 2.5-4s: his eyes open, gasp;
hers go softly dark as her body loosens into drifting embers and ash-light.

ولحظة قرار Hollow Orbit، بمجرد أن أعادت الجوقة بناء المحرك وحددت سعرها:

[SHOT h6 — cockpit conflict]
ACTION AND DIALOGUE: 0-1.5s IVAR slams the console. IVAR, raw: "We fly OUT."
1.5-3.5s LENA, steady, terrified, lip-synced: "Only a mind can hold the helm
it's offering. A machine can't carry it." 3.5-5s: hold on the two-shot, storm
light flaring between them, neither blinking.

كلا السطرين قصيران عن قصد: لقطة مقربة، جملة واحدة، الكلمات الدقيقة بين علامتي اقتباس، وسطر صوتي يحمل الصوت والصوت الطبيعي فقط. تعليمات "لا يوجد موسيقى تصويرية" ليست زخرفة — بل هي ما يجعل القسم التالي ممكناً.

الموسيقى تبقى خارج النموذج

يقوم H3 بعرض الحوار، الأجواء، والمؤثرات في الإنشاء، مما يعني أن الموسيقى التصويرية المدمجة في نفس المرحلة ستتعارض مع مسار الحوار داخل صوت النموذج نفسه. نبقي الموسيقى خارجاً تماماً ونتعامل معها كمشكلة مزج.

تكلفة التشغيل

نفس المكدس مفتوح في الاستوديو: لقطات مباشرة في /studio، قم بتسجيلها باستخدام المولد في /tools/music-generator، واحتفظ بكل الأصول قابلة للبحث في هذا الموقع. اكتب IDENTITY LOCK واحدًا، الصقه في كل موجه حرفيًا، ضع الكلمات المنطوقة بالضبط بين علامتي اقتباس، وأبعد الموسيقى عن النموذج — هذه هي الطريقة الكاملة وراء الفيلمين.