Заставил нейросеть монтировать мне видео. Она девять раз отрезала мне лицо
Идея была нормальная. Есть открытый проект с инструментами для монтажа: режет паузы, чистит шум, делает субтитры, добавляет вставки. Есть ИИ-агент, который умеет работать с кодом. Соединяем и получаем монтажёра, который ничего не просит.
Дальше всё пошло по классике.
Установка
Агент сразу предупредил, что установка тяжёлая и нужно место на диске. На системном диске у меня места почти не было, пришлось перекидывать на другой.
По заявлению, на чистой системе это занимает минут пятнадцать.
У меня шло больше получаса. Я ушёл поесть, вернулся, а там всё висит. Агент честно написал: реально зависло, тридцать одна минута, загрузка почти не сдвинулась.
В итоге установилось. Настроение к этому моменту было уже не то.
Первая партия
Я решил проверить максимально ленивый сценарий. Не отвечать на уточняющие вопросы, дать сделать всё на своё усмотрение.
Пять коротких роликов он собрал за пятнадцать минут. Скорость отличная.
Качество не очень. Субтитры страшные, часть фраз повторяется по два раза, паузы вырезаны криво.
Что помогло
Переломный момент был не техническим.
Я перестал объяснять задачу как монтаж и начал объяснять её как разработку сайта. Вот стиль, вот элементы, вот как они себя ведут.
Сработало. Появились анимированные плашки, полоса продолжительности сверху, паузы нормально вырезаны, повторы пропали.
Дальше я начал давать развёрнутую обратную связь. Не «переделай», а полотно текста на несколько абзацев с конкретикой.
Где он ломался каждый раз
Лицо.
Плашки закрывали его стабильно, от версии к версии. На одной пропал глаз. На следующей лоб.
Я указал на это. Девятая версия выглядела заметно приятнее, плашки сделаны прилично. Но лицо он опустил вниз кадра.
А внизу вертикального видео всегда висят описания и интерфейс. То есть он взял и убрал моё лицо из видимой зоны.
Я объяснил и это. Стало чуть лучше. Полностью не вылечилось.
Что реально влияет на результат
Две вещи, и обе не про промпты.
Первая: исходник. Я записывал на обычном фоне без света, и результат вышел соответствующий. Из плохого материала никакая автоматика хорошее видео не соберёт.
Вторая: свои материалы. Если положить отдельную папку с исходниками, агент начинает их распознавать и вставлять по смыслу. Тут заметная разница.
Вывод, к которому я пришёл
Профессиональный монтаж это не заменяет. И любительский тоже не заменяет, если честно.
Единственная ситуация, где это имеет смысл: роликов много, денег на монтажёра нет, монтировать самому некогда. Тогда да, такое лучше, чем ничего не выкладывать.
Во всех остальных случаях девять итераций по времени дороже, чем просто сесть и смонтировать.
Кто пробовал отдать монтаж нейросети: на какой версии сдались?
