از یک عمارت تاریخی تا یک داستان کارتونی؛ تبدیل عکس به ویدئو با هوش مصنوعی
چگونه یک عکس واقعی از عمارت آصف وزیری سنندج را در چند مرحله ساده به تصویر کارتونی و سپس یک ویدئوی ۱۰ ثانیهای تبدیل کردیم؟ این تجربه نشان میدهد هوش مصنوعی چگونه میتواند تولید محتوای محلی، ایدهپردازی و روایت داستانهای اصیل را سریعتر و کمهزینهتر کند.
چگونه یک عکس ساده را به محتوای دیجیتال تبدیل کردیم؟
در مقاله قبلی درباره استفاده از تکنولوژی برای تولیدهای دیجیتالی صحبت کردیم؛ درباره اینکه هوش مصنوعی، طراحی دیجیتال، مدلسازی، اتوماسیون و ابزارهای جدید چگونه میتوانند فاصله بین «ایده» و «خروجی» را کمتر کنند.
اما شاید بهترین راه برای فهم این موضوع، یک مثال واقعی باشد.
برای همین این بار یک آزمایش ساده انجام دادیم:
یک عکس واقعی از عمارت آصف وزیری سنندج برداشتیم؛ عکسی از یک بنای تاریخی واقعی در شهر خودمان. سپس با کمک هوش مصنوعی، همان تصویر را به یک صحنه کارتونی تبدیل کردیم؛ در این صحنه، شخصیتهای Peppa Pig مقابل عمارت قرار گرفتهاند و با تعجب به منظره نگاه میکنند. بعد، همان تصویر ثابت را با یک پرامپت دیگر به یک ویدئوی کوتاه تبدیل کردیم.
کل ایده تقریباً در چند مرحله ساده انجام شد و در تجربه ما، از شروع تا رسیدن به یک کلیپ حدود ۲ دقیقه زمان برد.
این موضوع جذاب است، اما بخش مهمتر ماجرا جای دیگری است:
اگر انجام چنین کاری تا این اندازه ساده شده، چرا هنوز از این امکان برای روایت داستانهای محلی و ایدههای اصیل بسیار کمتر استفاده میکنیم؟
یک آزمایش ساده، اما یک ایده بزرگ
سنندج پر از سوژه است.
عمارتهای تاریخی، بازارها، محلههای قدیمی، موسیقی، غذاها، افسانهها، شخصیتهای محلی، طبیعت، صنایعدستی و هزاران داستان کوچک و بزرگ که میتوانند تبدیل به محتوای جذاب شوند.
اما معمولاً برای تولید یک محتوای ویدئویی، ذهن ما سریع سراغ یک فرایند سنتی میرود:
ایدهپردازی → فیلمبرداری → بازیگر → لوکیشن → نور → تدوین → صدا → اصلاحات → انتشار
این فرایند همچنان ارزشمند است و برای بسیاری از پروژههای حرفهای ضروری خواهد بود.
اما حالا یک مسیر دیگر هم وجود دارد:
عکس → ایده → تصویرسازی → ویدئو
و مهمتر اینکه برای آزمایش اولیه یک ایده، دیگر لازم نیست از همان ابتدا یک تیم تولید کامل داشته باشیم.
مرحله اول: شروع از یک عکس واقعی
اول یک تصویر واقعی از عمارت آصف وزیری سنندج انتخاب کردیم.
این تصمیم عمداً ساده بود.
قرار نبود ابتدا یک دنیای فانتزی کامل بسازیم یا یک لوکیشن را از صفر با سهبعدی مدل کنیم. میخواستیم ببینیم آیا میتوانیم یک تصویر واقعی از شهر را مستقیماً وارد یک فرایند خلاقانه دیجیتال کنیم یا نه.
این همان نکتهای است که تولید دیجیتال را جذاب میکند:
دارایی واقعی میتواند نقطه شروع یک محتوای کاملاً جدید باشد.
عکس یک ساختمان تاریخی میتواند بعداً تبدیل شود به:
- تصویرسازی کودکانه
- پوستر
- کارت پستال دیجیتال
- داستان کوتاه
- انیمیشن
- ویدئوی معرفی
- محتوای آموزشی
- محتوای گردشگری
- یا حتی یک شخصیت و دنیای داستانی کامل
بنابراین عکس، دیگر فقط یک عکس نیست.
میتواند بذر یک محتوای جدید باشد.
مرحله دوم: تبدیل عکس به یک دنیای کارتونی
در مرحله بعد، تصویر را به ChatGPT دادیم و با یک پرامپت ساده، خواستیم فضای تصویر به یک صحنه کارتونی تبدیل شود؛ به شکلی که شخصیتهای Peppa Pig در مقابل عمارت قرار گرفته باشند و از دیدن آن شگفتزده شوند.
نکته جالب این آزمایش این بود که برای رسیدن به یک نتیجه قابلقبول، لازم نبود یک دستورالعمل پیچیده یا یک فرایند طولانی بنویسیم.
ایده اصلی را توضیح دادیم:
یک مکان واقعی در سنندج، چند شخصیت آشنا، یک واکنش ساده و یک فضای سرگرمکننده.
هوش مصنوعی بخش بزرگی از تبدیل این ایده به تصویر را انجام داد.
اینجا یک تفاوت مهم وجود دارد
هدف اصلی، نشان دادن «جادوی یک پرامپت» نیست.
پرامپت فقط رابط میان ایده انسان و ابزار تولید است.
ارزش واقعی در این است که فرد بداند:
- چه چیزی را میخواهد بسازد؟
- مخاطب چه کسی است؟
- چه داستانی باید منتقل شود؟
- شخصیتها چه کاری انجام دهند؟
- و خروجی قرار است در کجا استفاده شود؟
هرچه این تصمیمها روشنتر باشند، ابزار هم کاربردیتر میشود.
مرحله سوم: یک تصویر ثابت را زنده کردیم
مرحله بعدی این بود که ببینیم آیا میتوانیم همین تصویر را به یک ویدئوی کوتاه تبدیل کنیم.
برای این کار، تصویر را وارد Google Veo کردیم و با یک پرامپت دیگر حرکت صحنه را تعریف کردیم.
Google، Veo را بهعنوان یک مدل تولید ویدئو معرفی میکند که میتواند از متن و تصویر برای ساخت ویدئو استفاده کند و روی کنترلهایی مانند حرکت دوربین، سبک، شخصیت و حتی امتداد صحنه تمرکز دارد.
در آزمایش ما، یک خروجی ویدئویی کوتاه حدود ۱۰ ثانیهای به دست آمد.
یعنی مسیر به این شکل شد:
عکس واقعی عمارت
↓
تصویرسازی کارتونی
↓
تعریف حرکت و رفتار
↓
ویدئوی کوتاه
و کل مسیر، در تجربه ما، حدود دو دقیقه طول کشید.
چیزی که مهمتر از خود ویدئو است
اگر فقط به نتیجه نهایی نگاه کنیم، ممکن است بگوییم:
«خب، یک تصویر کارتونی و یک ویدئوی کوتاه ساخته شد. تمام.»
اما این برداشت، بخش مهم ماجرا را از دست میدهد.
موضوع اصلی کاهش هزینه آزمایش ایده است.
فرض کنید یک تهیهکننده یا تولیدکننده محتوا ایدهای دارد:
«اگر یک شخصیت کارتونی وارد عمارت آصف وزیری شود و از دیدن فضای آن شگفتزده شود چه؟»
در گذشته، برای اینکه بفهمیم این ایده جذاب است یا نه، شاید لازم بود بخش قابل توجهی از فرایند تولید را طی کنیم.
امروز میتوانیم ابتدا یک نمونه بسیار کوچک بسازیم.
اگر جذاب نبود، ایده را کنار میگذاریم.
اگر جذاب بود، آن را توسعه میدهیم.
این تغییر بسیار مهم است:
تکنولوژی فقط تولید را سریعتر نمیکند؛ آزمایش کردن را هم ارزانتر میکند.
چرا این موضوع برای محتوای محلی اهمیت دارد؟
اینجا دقیقاً جایی است که فکر میکنیم این فناوری هنوز به اندازه کافی مورد استفاده قرار نگرفته است.
فرض کنید یک شبکه تلویزیونی محلی، یک استودیو تولید محتوا، یک سازمان گردشگری یا حتی یک گروه کوچک رسانهای بخواهد هر هفته یک داستان کوتاه درباره سنندج منتشر کند.
لازم نیست هر قسمت یک پروژه بزرگ باشد.
میتوان مجموعهای از ایدههای کوچک ساخت:
«اگر بناهای تاریخی سنندج حرف میزدند چه؟»
هر قسمت یک ساختمان.
«سنندج از نگاه یک کودک»
یک شخصیت کودک، شهر را کشف میکند.
«یک روز در بازار قدیمی»
یک داستان کوتاه کارتونی با فضای بازار.
«افسانههای کردستان، با زبان امروز»
بازآفرینی داستانهای محلی برای مخاطب جوانتر.
«گردشگر کوچک»
یک شخصیت کارتونی به نقاط دیدنی شهر سفر میکند و درباره آنها سؤال میپرسد.
اینها فقط چند نمونه هستند.
نکته اصلی این است که سوژه محلی از قبل وجود دارد.
چیزی که کم داریم، همیشه سوژه نیست؛ گاهی فرمت و ابزار روایت است.
تلویزیون محلی میتواند بسیار بیشتر از خبر و گزارش تولید کند
رسانه محلی معمولاً بخش بزرگی از انرژی خود را صرف خبر، گزارش، مصاحبه و پوشش رویداد میکند.
این محتوا لازم است.
اما یک رسانه مدرن میتواند لایه دیگری هم داشته باشد:
روایت خلاقانه از هویت محلی.
تصور کنید یک آرشیو دیجیتال بزرگ از داستانهای تصویری درباره شهرهای مختلف ایران وجود داشته باشد.
مخاطب فقط خبر دریافت نمیکند؛ بلکه با شهر خودش داستان دارد.
یک کودک سنندجی میتواند عمارتهای شهرش را در قالب شخصیتهای جذاب ببیند.
یک نوجوان میتواند تاریخ یک محله را در قالب یک داستان کوتاه دنبال کند.
یک گردشگر میتواند پیش از سفر، شهر را از طریق محتوای خلاقانه بشناسد.
و یک رسانه میتواند به جای بازنشر محتوای تکراری، مالک روایت خودش باشد.
AI قرار نیست خلاقیت را حذف کند؛ باید تولید ایده را آسانتر کند
یک برداشت نادرست از هوش مصنوعی این است که:
«پس دیگر نیازی به نویسنده، طراح، فیلمساز یا تهیهکننده نیست.»
اما چنین نتیجهای از این آزمایش به دست نمیآید.
برعکس.
در این فرایند، مهمترین بخش هنوز کاملاً انسانی است:
انتخاب سوژه.
هیچ ابزاری تصمیم نگرفت که عمارت آصف وزیری میتواند نقطه شروع یک داستان جذاب باشد.
این تصمیم از یک انسان آمد.
بعد از آن، فناوری کمک کرد ایده سریعتر آزمایش شود.
بنابراین میتوان فرایند را اینطور دید:
خلاقیت انسانی
↓
تعریف ایده
↓
هوش مصنوعی
↓
نمونه اولیه
↓
بازبینی انسانی
↓
توسعه ایده
این مدل بسیار کاربردیتر از این تصور است که AI قرار است «همه چیز را خودش انجام دهد».
از یک ویدئوی ۱۰ ثانیهای میتوان خیلی بیشتر ساخت
۱۰ ثانیه پایان داستان نیست.
در واقع، میتواند سکانس اول باشد.
Google برای Veo قابلیتهایی مانند حفظ شخصیت، امتداد صحنه، کنترل حرکت دوربین و استفاده از تصاویر مرجع را معرفی کرده است.
یعنی میتوان همان ایده را ادامه داد:
قسمت اول:
شخصیتها به عمارت میرسند.
قسمت دوم:
وارد محوطه میشوند.
قسمت سوم:
یک جزئیات تاریخی را کشف میکنند.
قسمت چهارم:
درباره داستان ساختمان صحبت میکنند.
قسمت پنجم:
از عمارت خارج میشوند و به مقصد بعدی میروند.
در اینجا دیگر با یک «ویدئوی AI» طرف نیستیم.
با یک فرمت تولید داستان طرف هستیم.
و این تفاوت بسیار مهم است.
اما یک مسئله مهم: ابزار آزاد است، محتوا نه همیشه
برای نمونه این مقاله، استفاده از شخصیتهای شناختهشدهای مانند Peppa Pig برای نمایش ایده جذاب است؛ اما در یک پروژه عمومی، تبلیغاتی یا تجاری باید حقوق مالکیت فکری و مجوز استفاده از شخصیتها و برندها بررسی شود.
وبسایت رسمی Peppa Pig نیز تصریح میکند که نامها، شخصیتها، تصاویر، علائم تجاری و محتوای مربوط به این برند تحت حقوق مالکیت فکری قرار دارند.
بنابراین برای تولید واقعی یک سری محتوای محلی، مسیر حرفهایتر این است که:
- از شخصیتهای دارای مجوز استفاده شود؛ یا
- شخصیتهای کاملاً جدید طراحی شوند؛ یا
- یک زبان بصری اصیل برای پروژه ایجاد شود.
این محدودیت اتفاقاً میتواند یک فرصت باشد.
چون هدف نهایی نباید ساخت «نسخهای از Peppa Pig در سنندج» باشد.
هدف باید ساختن شخصیتها و داستانهای مخصوص خودمان باشد.
چیزی که واقعاً میتوان ساخت
حالا به جای اینکه سؤال کنیم:
«با AI چه چیزی میشود ساخت؟»
بهتر است بپرسیم:
«چه داستانهایی داریم که تاکنون به دلیل هزینه یا دشواری تولید، فرصت ساخته شدن پیدا نکردهاند؟»
این سؤال بسیار مهمتر است.
چون سنندج فقط چند ساختمان تاریخی نیست.
سنندج یک مجموعه عظیم از:
- داستان
- شخصیت
- موسیقی
- معماری
- غذا
- زبان
- خاطره
- طبیعت
- فرهنگ
- و تجربه انسانی
است.
تکنولوژی میتواند بخشی از این مواد خام را به محصولات دیجیتال جدید تبدیل کند.
مثلاً یک آرشیو محتوایی میتواند در آینده شامل صدها داستان کوتاه باشد که هرکدام با یک تصویر شروع شدهاند و به یک ویدئوی کوتاه، یک داستان تعاملی یا حتی یک مجموعه چندقسمتی تبدیل شدهاند.
و شاید این مهمترین فرصت باشد
امروز ساخت یک نمونه اولیه تصویری، دیگر الزاماً یک پروژه بزرگ نیست.
این یعنی میتوان:
بیشتر ایدهپردازی کرد.
بیشتر آزمایش کرد.
بیشتر شکست خورد.
و ایدههای بهتر را سریعتر پیدا کرد.
شاید مهمترین تغییری که AI در تولید دیجیتال ایجاد کرده، همین باشد.
نه اینکه هر فرد بتواند در چند دقیقه یک فیلم سینمایی بسازد.
بلکه اینکه فاصله بین «این ایده جالب است» و «بیایید ببینیم واقعاً چطور میشود» بسیار کوتاهتر شده است.
از یک عکس شروع کنید
آزمایش ما بسیار ساده بود:
یک عکس واقعی از سنندج → یک تصویر کارتونی → یک ویدئوی کوتاه
اما همین فرایند ساده میتواند نقطه شروع یک سیستم تولید محتوای بسیار بزرگتر باشد.
دفعه بعد، میتوانیم همین داستان را ادامه دهیم:
یک عمارت → چند شخصیت → چند صحنه → یک روایت کامل → چند ویدئو → یک داستان چندقسمتی.
و این شاید همان جایی باشد که تولید دیجیتال واقعاً معنا پیدا میکند:
وقتی تکنولوژی فقط یک تصویر زیبا نمیسازد، بلکه به ما کمک میکند داستانهایی را که قبلاً امکان ساختنشان را نداشتیم، واقعاً بسازیم.
در رایاسا، یکی از جذابترین کاربردهای تکنولوژی همین است: تبدیل ایدههای کوچک به نمونههای واقعی و قابل آزمایش.
شاید داستان بعدی، داستان یکی دیگر از بناهای تاریخی سنندج باشد.
یا شاید داستانی که هنوز کسی آن را تعریف نکرده است.