Четыре минуты, двадцать персонажей — и каждый должен быть похож на конкретного живого человека.

А теперь то, чего в кадре не видно: 232 сгенерированных видео и 1203 картинки. В монтаж вошёл 51 кусок.

Сам ролик простой по замыслу: маскот платформы сидит один у торта, и к нему по очереди приходят авторы курсов — каждый со своей внешностью, своим костюмом и логотипом курса в руках, а также индивидуальной фишкой. Вышел он у Stepik в трёх местах: Telegram, ВК и YouTube.

Дорого тут стоит не генерация, а узнаваемость. Модель не держит лицо между запросами: каждый новый кадр она рисует заново, и человек в нём получается уже немного другим человеком. Поэтому ради узнаваемых лиц приходилось перебирать десятки почти одинаковых вариантов и почти все откладывать. Три аккаунта Google: два выедены под ноль по кредитам, третий надкусан.

Вторая такая же история — музыка. Около тридцати вариантов, пока что-то легло. И сначала пришлось разобрать звуковую дорожку по секундам и нарисовать партитуру: где нарастание, где провал, где удар обязан совпасть с кадром. Без этой схемы генерация уходила в никуда.

А если убрать отсюда мультик, остаётся обычная инженерная задача. У модели недетерминированный выход, и работа лежит не в промпте, а в критерии отбора и в сборке того, что прошло. Промпт — вход. Всё остальное время съедает решение, что считать годным.

Восемь рабочих дней, финиш в пять утра к дате.

Реакции пришли самые разные: от «трогательно» до «нейрослоп». Обе ценны мне одинаково — работа, которая никого не задела, не собирает ни того, ни другого.

Ролик целиком — в канале.