د روایتی ویډیو د دوام لپاره د AI لپاره پرامپټ ولیکلو لارښود

تاسو د کیسې یووالی ساتئ په دې توګه چې د شخصیتونو او چاپیریالونو لپاره یو کلک بصري لنگر ټاکئ، بیا د هر کلیپ لپاره د کیمرې موقعیت او د رڼا پیرامیټرونه په کلکه کنټرول کړئ. په جنریټیو ویډیو کې وختي ثبات د دې په هیله نه ترلاسه کیږي چې ماډل ستاسو کیسه پوهیږي؛ بلکې د دې په واسطه ترلاسه کیږي چې هر ویډیو کلیپ د یو ثابت، له مخکې ټاکل شوي بصري حالت جلا رینډرینګ په توګه وګڼل شي.

د جنریټیو ویډیو کې د وخت ناسموالي ستونزه

جنریټیو ماډلونه د یوې لارښودنې او محدودې متنیزې کړکۍ پر بنسټ د فریمونو وړاندوینه کولو له لارې کار کوي. دوی هغه دوامداره حافظه نلري چې ستاسو شخصیت په تیر کلیپ کې څوک و. که تاسو د یوې ښځې د پنځو ثانیو کلیپ جوړ کړئ چې په سړک روانه وي، او بیا د هغې د بلې خوا ته د اړېدلو د بل پنځو ثانیو کلیپ جوړ کړئ، ماډل دوهمه لارښودنه د نوې، جلا لارښودنې په توګه ګڼي. پرته له صریح محدودیتونو، دا احتمال لري چې د هغې د مخ بڼه، د ویښتانو رنګ، د جامو بافت، یا حتی د هغې قد بدل کړي. دا پدیده د وخت ناسازګري ده. ماډل د اوسنۍ لارښودنې دننه د معقولیت لپاره ښه کوي، نه د نړیوال کیسې هویت سره د وفادارۍ لپاره. د دې حل لپاره، تاسو باید له طبیعي ژبې هغو تشریحاتو څخه لرې شئ چې تفسیر ته اجازه ورکوي، او سختو، اعلانونکو مشخصاتو ته مخه کړئ چې د توپیر لپاره هیڅ ځای نه پرېږدي.

د لید انکر تعریفول: د شخصیت او چاپیریال تشریح کوونکو قفل کول

د هر څه مخکې چې حرکت جوړ شي، تاسو باید د خپلو سوژه‌ګانو او چاپیریال بصری هویت په بشپړ دقیق ډول تعریف کړئ. د هر شخص لپاره یو اصلي تشریح جوړ کړئ. دا تشریح باید ثابتې ځانګړتیاوې ولري: عمر، نسل، د مخ ځانګړي برخې (لکه "کلکه ژامغه، په کیڼ ابرو کې کوچنی ټپ")، د ویښتانو سبک او رنګ، او د جامو جزئیات تر نمونې او کټ پورې. د "ښکلي جامې" یا "معمایی ښځه" په څېر مبهم اصطلاحات مه کاروئ. پرځای یې، دقیق ولیکئ: "د خټي رنګه پشمي کوټ، تر غاړې پورې تړل شوی، د سره رنګه ابریشمي سکراف سره." دا تشریح یو ځل ولیکئ، او په هر هغه پرامپټ کې یې کاپي-پیسټ کړئ چې هغه شخص پکې شامل وي.

د چاپیریالونو لپاره هم همداسې وکړئ. موقعیت د مکاني او نسجي ثباتونو سره مشخص کړئ. که صحنه یوه کتابتون وي، د رفونو د لرګي ډول، د قالین رنګ، او د اصلي رڼا سرچینې موقعیت مشخص کړئ. دا تشریحات ستاسو بصري لنگر جوړوي. دا هغه ثابت بنسټ دی چې ټول حرکت پرې جوړیږي. که تاسو د کلیپونو ترمنځ یو تشریح بدل کړئ، نو دوام ماتیږي. که تاسو یو تشریح حذف کړئ، ماډل به خالي ځای د خپل احصایوي اوسط سره ډکوي، چې له مخکیني کلیپ سره به توپیر ولري.

د کیمرې حرکت او فضایی اړیکو لپاره پرامپټ جوړول

د کیمرې ژبه هغه ځای دی چې ډیری روایتی ماتیدل پیښیږي. ماډلونه اکثرا "کیمره تعقیبوي" یا "کیمره کیڼ اړخ ته حرکت کوي" په مبهم ډول تفسیروي، چې د لید یا جهت کې ناڅاپي بدلونونه رامنځته کوي. تاسو باید د کیمرې موقعیت، جهت او د حرکت ویکٹر په روښانه توګه تعریف کړئ. د "کیمره د شخص سره حرکت کوي" پرځای، ولیکئ "ثابت منځنی شاټ، د سترګو په سطحه، کیمره په A موقعیت کې ثابت ده، شخص له کیڼ اړخ څخه ښي اړخ ته د فریم په اوږدو کې حرکت کوي." که تاسو حرکت کوونکی شاټ غواړئ، لاره یې تعریف کړئ: "دولۍ په ورو ورو مخکې حرکت کوي، د سترګو سطح ساتلې، د شخص شاته تعقیبوي."

فضایی اړیکې باید د کیمرې په نسبت قفل شي، نه یوازې د یو بل په نسبت. که شخص A د شخص B ته مخامخ وي، د هغوی نسبي موقعیتونه او جهتونه مشخص کړئ. "شخص A د فریم په کیڼ دریم برخه کې ولاړ دی، مخ یې د ښي اړخ په لور دی. شخص B د فریم په ښي دریم برخه کې ولاړ دی، مخ یې د کیڼ اړخ په لور دی. دوی دوه متره لرې دي." دا هندسي قفل کول ماډل نه پریږدي چې موقعیتونه بدل کړي یا د شاټونو ترمنځ د تعامل زاویه تغیر کړي. د مخونو او بدنونو د جهت ثابتولو لپاره له اصطلاحاتو لکه "پروفایل لید"، "درې-ربعه لید" او "مستقیم مخامخ لید" کار واخلئ.

د رڼا او د رنګ د درجه بندۍ ثبات مدیریت

رڼا د دوامدارۍ ترټولو نازکه خو حیاتي برخه ده. که د رڼا سرچینه د کلیپونو ترمنځ خپل موقعیت یا شدت بدل کړي، سیوري به حرکت وکړي، چې له امله یې لړۍ دوه مختلفې فلمونه ښکاري. خپل د رڼا ترتیب په اصلي تشریح کونکي (master descriptor) کې تعریف کړئ. اصلي د رڼا سرچینه (لکه "یو پورتنی فلوروسنټ ټیوب، سړه سپینه، 4000K")، د سیوري لوری، او د چاپیریال ډکونکې رڼا مشخص کړئ. په هر پرامپټ کې د رنګ درجه بندي لارښوونې شاملې کړئ. که ستاسو روایت نوار (noir) وي، "لوړ تضاد، کم رنګه پالیټ، فیروزوي او نارنجي سیوري رنګونه" مشخص کړئ. که روښانه او خوشحاله وي، "نرم خپاره شوی د ورځې رڼا، تود روښانه برخې، کم تضاد" مشخص کړئ. دا د درجه بندۍ پیرامیټرونه باید د یوې صحنې په ټولو کلیپونو کې ثابت پاتې شي. که تاسو د روایت لپاره د رڼا بدلون غواړئ، نو دا د یو عمدي، پرامپټ شوي لیږد په توګه وکړئ، نه د تصادفي انحراف په توګه.

د کلیپونو تړل: د پای فریمونو کارول د پیل فریمونو په توګه

د کلیپونو ترمنځ د دوامدارۍ ساتلو لپاره ترټولو اغیزمن تخنیک تړل (chaining) دي. کله چې تاسو یوه لړۍ تولیدوئ، د کلیپ 1 وروستی فریم استخراج کړئ او د کلیپ 2 لپاره د پیل فریم یا مرجع انځور په توګه یې وکاروئ. دا ماډل اړ باسي چې خپل تولید له هغه دقیقې لید حالت څخه پیل کړي چیرې چې مخکینی کلیپ پای ته رسیدلی و. که څه هم د نوي عمل لپاره د پرامپټ متن لږ توپیر ولري، د پیل فریم لید انکر (anchor) د شخصیت بڼه، رڼا، او د کیمرې موقعیت قفل کوي. دا طریقه د دوامدارۍ لپاره یوازې د متن پرامپټونو په تکیه کولو څخه غوره ده ځکه چې دا د هویت تشریح کونکو باندې د ماډل احتمالي تفسیر له لارې نه تیریږي. که ستاسو وسیله image-to-video یا keyframe interpolation ملاتړ کوي، نو هغه وکاروئ. که ملاتړ یې نه کوي، نو د پای فریم د سبک مرجع یا inpainting قید په توګه وکاروئ ترڅو د راتلونکي کلیپ پیل د مخکینی کلیپ له پای سره سمون ولري.

عامې تېروتنې: د حرکت زیات مشخصول vs. د متن کم مشخصول

جوړونکي اکثرا په دوو سختو تله‌ګانو کې راښکته کیږي. لومړی د حرکت زیات مشخصول دی. که تاسو د بدن هر میکرو حرکت تشریح کړئ - "هغه سترګې پټوي، هغه خپل وزن بدلوي، د هغې ویښتان په باد کې ښورېږي" - نو ماډل ګډوډیږي او ممکن اصلي عمل له پامه وغورځوي یا فزیکي ناممکنې پایلې تولید کړي. د حرکت تشریحات لوړې کچې او حرکتي وساتئ: "مخکې ګام اخلي،" "سر تاووي،" "لاسه پورته کوي." اجازه ورکړئ چې ماډل د میکرو میکانیکونه پخپله سم کړي.

دوهم ټکی د متن په اړه ناکافي معلومات ورکول دي. که تاسو ماډل ته پریږدئ چې د شخصیت هویت یا د صحنې رڼا له یوه مبهم لارښود څخه اټکل کړي، نو تاسو کنټرول له لاسه ورکوئ. تاسو نشئ فرض کول چې ماډل به د مخکینۍ کلیپ څخه شخصیت په یاد ولري که تاسو بصري لنگر بیا ونه لیکئ. تاسو نشئ فرض کول چې رڼا به ثابت پاتې شي که تاسو په صراحت سره هغه ونه ټاکئ. قاعده ساده ده: د نه بدلېدونکو برخو (هویت، رڼا، د کیمرې موقعیت) لپاره په خورا تفصیل سره معلومات ورکړئ، او د بدلون منونکو برخو (حرکت، عمل) لپاره په لوړې کچې لنډیز سره معلومات ورکړئ.