Воркфлоу релізу Junkyard King: Секрети створення AI-анімації у стилі 80-х

Коли мова заходить про створення повноцінних художніх анімаційних серій за допомогою генеративного ШІ, більшість авторів стикаються з однією і тією ж фундаментальною стіною — хаосом та втратою контролю. Дрейф стилю, деградація зовнішності персонажів від сцени до сцени та технічні обмеження відеомоделей часто перетворюють багатообіцяючі задуми на набір розрізнених красивих картинок, які неможливо зібрати у цілісний наратив.

Креативний директор та кінорежисер Генрі Добрез (Henry Daubrez), який зараз обіймає посаду Resident Filmmaker у Google Labs, наочно продемонстрував, як подолати ці бар’єри під час релізу першого епізоду свого авторського серіалу — “Junkyard King: Training Day”. Його робота — це вишуканий омаж кінематографу 80-х, де містичний дух Stranger Things органічно переплітається з традиціями самурайського кіно епохи Акіри Куросави та класичними легендами про короля Артура.

У цьому детальному розборі ми детально проаналізуємо унікальний режисерський воркфлоу Генрі, розберемо революційну структуру промптів для точкового редагування кадрів та з’ясуємо, як організувати оркестрацію ШІ-інструментів, щоб перетворити технології на слухняного асистента режисера.

1. Концепція: Дивні дива зустрічають самурайський кінематограф

В основі всесвіту Junkyard King лежить смілива художня деконструкція артурівського епосу. Замість середньовічного туманного Альбіону — покинуте залізничне депо та звалища промислового американського містечка 80-х років. Головний герой — звичайний підліток на ім’я Арті (Artie), який випадково знаходить та витягає неоново-рожеву енергетичну катану з іржавого ковадла посеред пустиря. З цього моменту його рутинне життя перетворюється на небезпечний вир подій.

Для режисера було критично важливо уникнути стандартного пластикового «ефекту нейромережі», який притаманний більшості аматорських ШІ-відео. Візуальна стилістика проекту вимагала складного 2.5D painterly look — ефекту густих художніх мазків фарби, притаманного графічним романам преміум-класу, але із повною відсутністю жорстких чорних контурів. Це вимагало абсолютної дисципліни на етапі препродукції.

2. Стек інструментів: ШІ-агенти як віртуальний продакшн-офіс

Головною концептуальною зміною у воркфлоу Генрі став перехід від хаотичного перемикання між веб-вкладками до використання інтегрованого командного центру. Роль центральної кіностудії та асистента режисера виконував мультиагентний інструмент invideo Agent One. Він виступав у ролі координатора виробництва, через якого Генрі розподіляв завдання на конкретні генеративні підсистеми:

• Генерація відеорядку: Спеціалізована модель Seedance 2.0, яка відповідала за складну фізику рухів, симуляцію польоту та динаміку камери.
• Генерація статичних кадрів та референсів: Модель нового покоління Nano Banana Pro (Gemini 3 Pro Image), яка використовувалася для створення деталізованих концепт-артів, локацій та текстур.
• Голосовий дизайн та ліпсінк: Моделі ElevenLabs для озвучування персонажів та подальшої ручної синхронізації губ у монтажному софті.
• Звуковий дизайн та саундтрек: Нейромережа Suno AI для написання варіацій головної музичної теми в ретро-стилі 80-х та сервіс Epidemic Sound для точкового накладання фонових звукових ефектів (SFX).

За такої схеми сам Генрі виступав виключно в ролі шоураннера, контролюючи загальний темпоритм, драматургію та монтаж, тоді як рутинну роботу з масштабування кадрів та базового рендерингу виконували інтегровані агенти.

3. Захист ідентичності персонажів: Карти персонажів та боротьба за стиль

Найбільший виклик у ШІ-режисурі — це збереження обличчя героя незмінним протягом усього фільму. Генрі вирішив цю проблему шляхом розробки суворих карт персонажів (Character Sheets/Bibles) ще до старту генерації першого кадру. Було створено детальні тривимірні розгортки (turnarounds) Арті в різних ракурсах, зафіксовано точні елементи його гардеробу (характерна спортивна куртка, навушники) та мімічні особливості.

Будь-який наступний генеративний запит в обов’язковому порядку посилався на ці базові карти. Якщо модель починала «вигадувати» нові риси обличчя, генерація відхилялася на користь повторної ітерації.

Паралельно точилася запекла боротьба за візуальний стиль. Стандартні моделі генерації за замовчуванням намагалися додати чорні контури (outlines) на стику об’єктів, наближаючи стиль до класичного аніме. Щоб домогтися м’якого мальованого ефекту 2.5D, Генрі застосував агресивний негативний промптинг. Фраза “No outlines” (без контурів) стала найбільш вживаною у його робочих сесіях, змушуючи нейромережу розраховувати об’єми за допомогою світлотіньового малюнка, а не ліній.

4. Покриття кадрів: Серійна зйомка камер та монтажні плани

Для створення динамічної сцени діалогу або екшену недостатньо мати один гарний ракурс. Потрібне повноцінне покриття сцени з різних точок зйомки. Для цього Генрі використовував функцію burst shooting (серійної зйомки ракурсів) у Seedance 2.0. Це дозволяло отримати серію коротких кліпів однієї і тієї ж секунди дії, знятих під кутами 45 і 90 градусів.

При монтажі сцен спілкування Арті з його механічним круком Socket використовувався класичний кінематографічний прийом — чергування планів (shot/reverse-shot). Сцени компонувалися за допомогою чергування великих планів (Close-Up / CU), надвеликих планів очей та обличчя (Extreme Close-Up / ECU) та планів через плече (Over-The-Shoulder / OTS) із розмиттям переднього плану для створення глибини кадру.

5. Прорив у Video-to-Video: Створення ефектів та мікро-корекція

Одним із найважливіших відкриттів проекту стала різниця в ефективності підходу Video-to-Video (V2V) для різних типів завдань. Спочатку Генрі намагався використовувати V2V для створення складних візуальних ефектів (VFX) — зокрема, щоб змусити блискавки на рожевій катані динамічно рухатися та змінювати форму поверх вже згенерованого відео.

Результат виявився незадовільним: модель не могла прорахувати фізику електричних розрядів кадр за кадром і просто накладала статичне свічення, яке виглядало чужорідно. Вирішенням стало повне проектування ефекту з нуля (from-scratch generation) із надзвичайно жорсткими текстовими директивами щодо анімації кожного кадру:

Проте V2V проявив себе як ідеальний інструмент для косметичного та реквізитного редагування. Завдяки йому вдалося безшовного додати бруд та пил на обличчя героя в динаміці, домалювати кабель від навушників до плеєра Walkman або точно скорегувати положення механічного крука на робочому столі.

У процесі експериментів було виведено ідеальний шаблон промпту для точкового редагування, який Генрі назвав MODE: EDIT Blueprint. Він працює безвідмовно:

MODE: EDIT
KEEP UNCHANGED: [Перелік усіх елементів кадру, які мають залишитися недоторканими]
CHANGE ONLY: [Опис однієї конкретної деталі для зміни]
NEW VERSION: [Детальний опис нового вигляду цієї деталі]
CONSTRAINTS: [Жорсткі обмеження для запобігання зсуву стилю та артефактів]

6. Режисура не-людей: Виклики з круком Socket

Найважчим актором на знімальному майданчику виявився механічний крук Socket. Змусити неживий металевий об’єкт природно відкривати дзьоб під час реплік, реагувати на слова Арті, злітати у чітко визначеному напрямку поза межі кадру та при цьому не втрачати дрібні деталі своєї конструкції — завдання на межі можливостей сучасних нейромереж. На кожну таку сцену припадало в середньому від 4 до 5 невдалих дублів.

Синхронізація звуку також потребувала ювелірної точності. Оскільки стандартні ШІ-голоси Seedance мали металевий присмак, Генрі повністю перезаписував голосові доріжки в ElevenLabs, після чого вручну накладав їх у відеоредакторі та підганяв ліпсінк за допомогою мікро-зміщень кадрів відео.

Саундтрек створювався за гібридною схемою. Музична тема генерувалася пакетами у Suno для отримання різних інструментальних варіацій одного мотиву. Коли ж Seedance не справлявся з генерацією специфічних шумів (скрегіт металу, шелест крил Socket), Генрі використовував класичну звукову бібліотеку Epidemic Sound, зводячи звуки вручну.

7. Монтаж як основа кінематографу

Фінальним етапом став виснажливий процес монтажу. Генрі підкреслює: “Монтаж — це серце і кров будь-якого кінопроекту, незалежно від того, як він створений”. ШІ може дати чудовий вихідний матеріал, але саме темпоритм склейок, контраст планів та вміння вчасно обірвати сцену створюють магію занурення глядача в історію.

Про масштаби проведеної роботи свідчить суха статистика: у панелі invideo Agent One було зафіксовано понад 920 індивідуальних завдань (генерацій, апскейлів, перерахунків). Загалом на створення короткого епізоду тривалістю трохи більше хвилини було витрачено близько 30 000 кредитів генерації та 4 тижні напруженої роботи.

Мораль шоураннера

Який головний висновок можна зробити з досвіду Генрі Добреза? Технології розвиваються із шаленою швидкістю, проте вони залишаються лише інструментом. Без чіткої художньої візії, без розроблених карт персонажів, без розуміння законів класичного кіномонтажу та режисерської дисципліни — будь-який ШІ-генератор видасть лише хаотичний набір картинок.

Магія створюється не кнопкою “Generate”, а талантом розповідати історії, терпінням відкидати десятки невдалих дублів та вмінням збирати з окремих ШІ-фрагментів живе, дихаюче екранне мистецтво.