Мы четыре недели собирали продуктовый ролик в Google Vids, Runway и Hailuo. Почему интерфейс пришлось монтировать вручную

Нейросети довольно легко создавали для нас красивое видео с нуля. Проблемы начинались в тот момент, когда в ролике должен был появиться наш настоящий продукт.

Не абстрактное приложение с придуманными кнопками. Не футуристический терминал, который хорошо выглядит в течение трёх секунд. Нам нужно было показать реальный интерфейс и объяснить, что именно человек в нём делает.

На эту задачу ушло четыре недели. В конце у нас появился более-менее приемлемый пример, но значительную часть ролика всё равно пришлось собирать руками.

Расскажу, почему генерация видео сработала как источник отдельных фрагментов, но не заменила моушн-дизайнера целиком.

С чего всё началось

Я руковожу маркетингом в финтех-компании. Мы размещали рекламу у блогеров на YouTube, и рекламные вставки они обычно делали сами. Получалось по-разному. Кто-то хорошо объяснял продукт, кто-то просто читал текст, а кто-то показывал интерфейс так, что после ролика вопросов становилось только больше.

Чтобы просить авторов сделать иначе, нужен был пример. Не длинное техническое задание и не созвон на час, а ролик, на который можно посмотреть и сказать: вот такой темп, вот такая последовательность, вот здесь показываем продукт, а здесь объясняем пользу.

Раньше подобную задачу можно было передать дизайнеру. Но к тому моменту руководство компании уже сократило почти всю дизайнерскую команду, рассчитывая заменить её работу инструментами ИИ. Это было не моё решение, хотя разбираться с последствиями пришлось уже мне. До этого ИИ неплохо справился со статичными изображениями, поэтому ожидание было понятным: если картинку нейросеть делает за несколько минут, то и короткий ролик как-нибудь соберёт.

Честно говоря, после успеха со статикой мне тоже казалось, что задача решаемая. Не в один запрос, конечно, но за несколько дней точно.

Что именно нам было нужно

Задача выглядела довольно просто. В ролике должны были соединиться три вещи:

1. Понятная история, которую можно уложить в короткую рекламную вставку.
2. Визуальная часть, которая не выглядит как набор слайдов.
3. Настоящий интерфейс продукта с правильными экранами и последовательностью действий.

Первые две части нейросети делали вполне уверенно. Они предлагали сцены, оживляли изображения, создавали фон, движение камеры и ведущих-аватаров. Иногда первый результат выглядел настолько убедительно, что хотелось считать задачу почти законченной.

Но третья часть всё ломала.

Если попросить сервис придумать финансовое приложение, он его придумает. Нарисует график, баланс, кнопки покупки и продажи. На коротком фрагменте это может выглядеть отлично. Только к нашему продукту такой интерфейс не имел никакого отношения.

А нам нельзя было показать блогеру выдуманный экран и попросить использовать его как образец. Человек потом откроет настоящий продукт и увидит другие кнопки, другую логику и другие действия. Красивый ролик в таком случае только сильнее запутает зрителя.

Какие инструменты мы попробовали

Мы использовали Google Vids, Runway и Hailuo AI. Были и другие попытки, но эти три хорошо показывают разделение работы, к которому мы в итоге пришли.

Google Vids оказался удобен как место, где можно собрать сцены, голос, изображения и собственные материалы. По ощущениям это что-то между презентацией и простым видеоредактором. В нём не нужно долго осваивать профессиональную монтажную программу, поэтому начать работу может человек без опыта в производстве видео.

Runway и Hailuo мы использовали для генерации отдельных сцен и движения. Когда сервису оставляли свободу, он мог выдать хороший фрагмент: человек за компьютером, абстрактная финансовая визуализация, нужное настроение, движение камеры. Для заставки или перехода этого иногда было достаточно.

На момент нашего опыта самая большая разница проходила не между конкретными сервисами. Она проходила между двумя типами задач.

Сервисы быстро обновляются, поэтому это не попытка навсегда зафиксировать их возможности. Сейчас они могут делать больше, чем во время нашей работы. Но сама граница задачи, как мне кажется, никуда не делась: свобода генерации и точность воспроизведения требуют совершенно разного подхода.

Где именно всё разваливалось

Первая проблема была очевидной: нейросеть меняла интерфейс. Кнопка могла переехать, подпись менялась между кадрами, часть экрана исчезала, а числа превращались в декоративный набор символов. Для атмосферного ролика это мелочь. Для демонстрации продукта это уже ошибка.

Вторая проблема появлялась при правках. Допустим, первый вариант почти подошёл, но нужно изменить один экран или задержать его на секунду дольше. В обычном монтаже это локальная правка. При генерации сцена могла пересобраться целиком, вместе с композицией, движением и деталями, которые нас до этого устраивали.

Третья проблема была в последовательности. Отдельный красивый кадр получить можно. Сохранить один и тот же интерфейс и понятную логику действий на протяжении нескольких сцен оказалось гораздо труднее. В одной сцене пользователь нажимал на кнопку, в следующей уже оказывался в другом, придуманном приложении.

И наконец, ролик должен был объяснять продукт, а не просто создавать настроение. В рекламе можно показать красивый офис, графики и уверенного человека перед монитором. Но в какой-то момент зрителю всё равно нужно понять, что перед ним за продукт и зачем туда переходить.

Как директор по маркетингу оказался за монтажом

После нескольких попыток стало понятно, что готового ролика по одной команде мы не получим. Тогда мы разделили производство на части.

Нейросети оставили то, что у них получалось лучше: общие сцены, фон, отдельные визуальные фрагменты и черновой образ ролика. Настоящий продукт начали записывать отдельно. Затем реальные экраны вставляли в заготовку, подгоняли под голос и вручную соединяли с остальными сценами.

Звучит уже не как автоматическая генерация, правда?

Я сидел и монтировал ролик сам. Ещё один человек помогал собирать отдельные части. Мы двигали фрагменты, меняли переходы, вставляли интерфейс и снова смотрели, понятно ли человеку, что происходит на экране.

Самое неприятное было даже не в монтаже. В компании уже не осталось привычного человека, которому можно передать задачу целиком. ИИ дал нам куски результата, но ответственность за то, чтобы превратить их в готовый ролик, никуда не исчезла. Она просто переехала к людям, у которых вообще-то была другая работа.

В итоге на более-менее приемлемый пример ушло четыре недели. Причём это был именно пример для блогеров, а не большая рекламная кампания и не сложный фильм о продукте.

Получилось ли заменить дизайнера

Если ответить коротко, то частично.

Без ИИ мы, вероятно, дольше искали бы общую подачу, собирали бы примеры и готовили первые сцены. Нейросети заметно ускорили старт. Они помогали быстро проверить, нравится ли нам настроение, темп и сама идея.

Но роль дизайнера состояла не только в том, чтобы создать красивый первый вариант. Кто-то должен был понять задачу, сохранить точность продукта, внести правки и отвечать за конечный результат. Вот эту часть нейросеть на себя не забрала.

Поэтому фраза «ИИ заменил дизайнера» в нашем случае была слишком удобной. Вернее было бы сказать так: ИИ забрал часть операций дизайнера, а оставшуюся работу распределил между директором по маркетингу и ещё одним сотрудником.

На бумаге должность исчезла. В реальном процессе работа осталась.

Когда такой способ всё-таки имеет смысл

После этого опыта я бы не стал отговаривать от генерации видео. Для некоторых задач она уже очень полезна.

ИИ хорошо подходит, если:

• ролик создаётся с нуля и нет необходимости точно воспроизводить существующий интерфейс;
• допустимы разные варианты персонажей, окружения и деталей;
• нужен быстрый черновик или визуальный пример идеи;
• отдельные сцены потом всё равно будет собирать человек;
• ошибка в мелкой детали не меняет смысл продукта.

Я бы не убирал дизайнера или монтажёра из процесса, если:

• нужно показывать настоящий интерфейс без выдуманных элементов;
• важна одинаковая логика и внешний вид в нескольких сценах;
• предстоит много точечных правок;
• ролик должен строго соответствовать фирменному стилю;
• срок важнее самого факта, что работа сделана при помощи ИИ.

Есть ещё один простой вопрос, который стоило задать нам в самом начале: кто закончит ролик, если генератор выдаст только 70 процентов результата?

Если на него нет ответа, эти оставшиеся 30 процентов легко превращаются в большую часть всей работы.

Что я вынес из этих четырёх недель

Мы начали с предположения, что создание видео похоже на создание статичной картинки, только с движением. На практике оказалось, что ролик о существующем продукте ближе к сборке системы. В нём должны совпасть сценарий, голос, темп, интерфейс и действия пользователя. Ошибка в одном месте тянет за собой правки в остальных.

ИИ действительно может ускорить отдельные этапы. Но экономию стоит считать не по времени первой генерации. Нужно смотреть, сколько людей и часов потребовалось до результата, который можно использовать.

В нашем случае красивый первый фрагмент появлялся быстро. Готовый ролик не появился даже через четыре недели. Между этими двумя событиями и находилась работа, которую мы слишком рано посчитали исчезнувшей.

Поэтому теперь я осторожнее отношусь к формулировке «эту роль можно заменить ИИ». Сначала лучше взять одну реальную задачу, заранее определить, что считается готовым результатом, и посмотреть, кто доведёт её до конца.

Потому что иногда нейросеть действительно убирает работу. А иногда она просто передаёт её человеку с более дорогой должностью.