Zacsi? Tele.

Este lett egy ötletem. Elmentem kutyát sétáltatni, és mire hazaértem, pontosabban meg tudtam fogalmazni. Aztán leültem, és három óra múlva volt belőle egy negyven másodperces, néma, nyers videó.

Nincs benne hang. A vágás ritmusa sem végleges. Kiadni nem lehet.

Megnézni viszont igen, és pontosan ez az, ami megváltozott.

Az ötlet egy pilótás belsős poén. Egy vendég sétarepülésre érkezik a budaörsi füves reptérre, épp befejezte a hamburgerét, a papírzacskót begyűri a hátizsákjába. Beülnek a Cessnába. A pilóta megkérdezi, pörögjenek-e egyet. A vendég félreérti, és igent mond. Néhány manőver, kívülről, drónkameráról. Leszállás. A pilóta magabiztosan sétál vissza az irodához, mögötte a vendég, sápadtan, kezében a zacskóval. Szembejön a kolléga, oda sem néz:

Zacsi?

Tele.

A bizonytalanság lett olcsóbb

A gyártás eddig drága volt.

Egy ilyen ötlet és aközött, hogy bárki lássa működni, eddig hetek voltak. Koncepció, storyboard, egyeztetés, forgatási nap, vágás. Ez pénz és naptár, tehát előre kellett elköteleződni valami mellett, amiről még senki nem tudta, működik-e.

Az ötletek nem attól halnak meg, hogy rosszak. Attól halnak meg, hogy ebben a résben szóban kell megvédeni őket, mielőtt bárki látná. Aki jól beszél, annak az ötlete átjut. Aki nem, annak nem.

Ez a rés lett most három óra.

Amitől ez érdekes: más ötletek maradnak életben

Eddig azok jutottak túl a szűrőn, amiket jól el lehetett mesélni egy megbeszélésen.

Ez a szűrő azokat az ötleteket engedte át, amiknek a lényege elmondható. A „Zacsi? Tele.” nem ilyen. Ez a poén a tempón, az arcokon és a kolléga közönyén múlik. Leírva vállrándítás. Megnézve működik.

Egy néma, nyers vágás nem attól ér valamit, hogy szép. Attól, hogy eldönthető belőle, hogy van-e benne valami. Ennyi az egész, és ez elég.

Amit az AI nem csinált meg helyettem

A szándékot. A modell nem tudta, mi a poén, és elsőre én sem fogalmaztam meg elég pontosan. Amíg nem volt egyértelmű, hogy a papírzacskó mit csinál a történetben, addig szép képek készültek. A generálás mindent egyformán komolyan vesz: azt is, aminek van tétje, azt is, aminek nincs. Hogy melyik melyik, az marad az én dolgom.

Az állandókat. A leggyakoribb panasz az AI-videóra, hogy minden vágásban más a szereplő és más a helyszín. Ez nem pusztán promptolási kérdés. Előre el kell dönteni, mi maradjon állandó, és azt ki kell venni a generálás hatásköréből. Nálam három ilyen volt: a budaörsi füves reptér, egy konkrét fehér, kék csíkos Cessna 172, és a két arc. Ezekhez először referenciaképek készültek, és a klipek ezekből indultak, nem a semmiből.

Ugyanaz a logika, mint egy adatmodellnél. Ami minden lekérdezésben ugyanaz kell legyen, azt nem lekérdezésenként állítod be.

A jelenetenkénti két lépést. Minden beállításhoz először egy állókép készült: pontosan az a pillanat, közvetlenül a mozdulat előtt. Csak utána a mozgás. Elsőre feleslegesnek tűnik. Nem az: a kompozíció az állóképen dől el, és azt még olcsó eldobni.

Az új képesség, amiről kevesebb szó esik

Ne várd, hogy elsőre azt kapod, amit akarsz. Nem fogod.

Ez önmagában nem újdonság, iterálni mindig kellett. Ami új, az a mennyiség. Ötszáz kép és klip után is észre kell venned, ha a repülőnek egy mozdulat közben lett még egy kereke. Vagy ha a pilóta órája átkerült a másik csuklóra. Vagy ha a fűben megjelent egy árnyék, aminek nincs forrása.

A generált kép ugyanis nem hibásnak látszik. Hihetőnek látszik. Ez a kettő nem ugyanaz, és pont a hihető az, ami átcsúszik.

A veszély nem a türelem hiánya, hanem a figyelem kopása. A századik átnézett kockánál a szem magától elkezd hinni annak, amit lát. Innentől nem az a kérdés, hogy tudsz-e jó promptot írni, hanem hogy fenn tudod-e tartani a kritikát addig, amíg tényleg megvan az, amire vártál.

Ez amúgy nem videós készség. Ugyanez a helyzet az AI-jal írt kóddal és az AI-jal készült elemzéssel is. Ott is minden hihetően néz ki elsőre.

És ami egyáltalán nem gyorsult

A hang. A vágás ritmusa. Az a másfél kör, amitől kiadható lenne.

Ez a rész nem generálás, hanem ítélet. Meg kell nézni, el kell dönteni, hol nem elég jó, és meg kell csinálni még egyszer. Ezt a döntést egyetlen eszköz sem veszi le rólad.

Vagyis a három óra nem azt jelenti, hogy három óra alatt kész egy reklámfilm. Azt jelenti, hogy három óra alatt eljutottam a döntésig, hogy érdemes-e egyáltalán befejezni.

A különbség, amit érdemes fejben tartani

Két külön állapot van, és a legtöbb félreértés abból jön, hogy összemossuk őket.

Elég jó ahhoz, hogy dönteni lehessen belőle. Ide ma három óra alatt el lehet jutni. Ez óriási változás, és ez az, amit érdemes kihasználni: ne prezentációt vigyél a következő megbeszélésre, hanem egy nyers, néma, negyven másodperces valamit.

Elég jó ahhoz, hogy kiadd. Ide ugyanúgy kell idő, ízlés és több kör, mint eddig.

Az elsőhöz most nagyságrendekkel olcsóbban jutunk el. A második ára alig változott. És mostantól a szűk keresztmetszet nem az, hogy mennyit tudsz legyártani, hanem az, hogy mennyit tudsz komolyan megnézni.