Kami Membuat Dua Film Pendek dengan Dialog Menggunakan Satu Model Video

Kami membuat dua film pendek lengkap dengan dialog—Ember, tragedi noir magis yang berlatar di kota gurun, dan Hollow Orbit, kisah kapal survei yang jatuh di planet bioluminesen yang terkunci pasang—menggunakan hanya model video H3 kami di tumpukan GPU kami sendiri. Setiap film terdiri dari 8 bidikan × 5 detik: total 16 bidikan, dan setiap bidikan adalah satu prompt terstruktur. H3 tidak memiliki memori antar bidikan, jadi konsistensi karakter ada di dalam prompt itu sendiri, dan dialog dihasilkan oleh model, dengan sinkronisasi bibir terjadi saat pembuatan. Artikel ini adalah seluruh alur kerja: teknik identitas, format dialog, mengapa musik tidak pernah masuk ke model, dan berapa biaya render.

Dua film, enam belas prompt

Kedua film direncanakan sebagai daftar bidikan terlebih dahulu dan prompt kedua—satu prompt per bidikan, dirender secara berurutan pada satu pekerja GPU lokal. Ember adalah tragedi noir magis: seorang penyihir jalanan mencuri bara terlarang untuk menyelamatkan saudaranya yang sekarat, penjaga yang mencintainya terkena panah mematikan untuknya, dan dia membakar percikannya sendiri untuk menyelamatkannya, bertebaran menjadi bara saat matahari terbit. Pertikaian, cinta, kehilangan—empat puluh detik darinya. Hollow Orbit membuat kapal survei terdampar di planet yang terkunci pasang: Paduan Suara alien membangun kembali mesin mereka tetapi menuntut pikiran penghuni, kopilot Lena memilih untuk tinggal dan menjadi kemudi, dan lembah bermekaran dalam geometri tato nya saat kapal melarikan diri.

[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.

Bagaimana konsistensi karakter bekerja

Setiap generasi H3 bersifat independen: bidikan 7 tidak memiliki pengetahuan tentang bidikan 6. Oleh karena itu, konsistensi adalah disiplin prompt, bukan fitur model. Setiap prompt bidikan dimulai dengan blok IDENTITY LOCK yang sama, ditempel kata demi kata, yang mengunci segala hal tentang karakter yang tidak boleh berubah. Berikut adalah kunci SERA yang dipotong dari spesifikasi 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 ...]

Kunci tersebut menetapkan wajah, rambut, pakaian, perhiasan, bahkan bagaimana sihirnya muncul — dan ditempel ke semua delapan prompt Ember tanpa mengubah satu kata pun. Prompt bidikan di bawahnya hanya mengubah apa yang seharusnya berubah: lokasi, aksi, kamera, cahaya, suara. Penyimpangan dimulai saat Anda mengubah kata-kata kunci; "mahkota kepang hitam" yang menjadi "ombak pantai longgar" di bidikan 6 adalah karakter yang berbeda.

Dialog yang benar-benar sinkron bibir

Baris ditulis ke dalam prompt bidikan dengan kata-kata yang tepat, dan H3 menampilkannya — sinkronisasi bibir terjadi selama generasi, bukan dalam proses pasca. Dua aturan menyatukan setiap bidikan dialog: sebutkan pembicara, dan tandai kata-kata sebagai tetap. Baris terakhir Ember kepada penjaga, saat dia membakar percikannya saat fajar:

[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.

Dan momen keputusan Hollow Orbit, setelah Choir membangun kembali mesin dan menyebutkan harganya:

[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.

Kedua baris sengaja pendek: close-up, satu klausa, kata-kata persis dalam tanda kutip, dan baris Audio: yang hanya membawa suara dan suara diegetik. Instruksi "tanpa skor" bukan hiasan — itu yang memungkinkan bagian berikutnya.

Musik tetap di luar model

H3 merender dialog, ambience, dan efek dalam generasi, yang berarti skor yang dipanggang dalam proses yang sama akan melawan trek dialog di dalam audio model itu sendiri. Kami menjaga musik sepenuhnya di luar dan memperlakukannya sebagai masalah mixing.

Berapa biaya untuk menjalankannya

Tumpukan yang sama terbuka di studio: ambil gambar langsung di /studio, beri skor dengan generator di /tools/music-generator, dan simpan semua aset agar dapat dicari di situs ini. Tulis satu IDENTITY LOCK, tempelkan ke setiap prompt secara verbatim, letakkan kata-kata yang diucapkan dalam tanda kutip, dan jaga musik tetap di luar model — itulah seluruh metode di balik kedua film.