Az AI-videós storyboard gyártási térkép: előre megmutatja, hány snitt kell, mi történik bennük, és melyikhez milyen referencia szükséges. A megfelelő modellben ma már a generálás egyik bemenete is lehet: a képsor és a hozzá tartozó instrukció együtt írja le a jelenetet.
A CreativeSpotnál a 2024 óta végzett videógenerálásban az egyik legnagyobb változást éppen itt látjuk. Egyre több vizuális döntést tudunk megmutatni, a szöveges promptban pedig pontosíthatjuk a mozgást és a képek szerepét. Ez előrehozza a kreatív döntéseket, és segíthet visszafogni a felesleges újragenerálást.
2024-től 2026-ig: a képkockától a jelenettervig
Amikor 2024-ben elkezdtünk AI-videókkal dolgozni, a részletes instrukciók követése a saját munkáinkban még sokkal bizonytalanabb volt. A korai munkafolyamatainkban, majd a Runway-ben használt kezdő- és végképes megoldásoknál is gyakran az volt a kérdés: a generátor hogyan jut el egyik állapotból a másikba?
Ma a megfelelő multimodális eszközben a helyszín, a karakter, a képkivágás és a snittek kapcsolata együtt adható át. A storyboardra írt megjegyzések vagy a mellette megadott leírás a kamera szögét és tervezett mozgását is közvetíthetik. A saját tapasztalatunkban ez az egyik leglátványosabb előrelépés.
Az eredmény továbbra sem garantált. A storyboard felismerése és a jelenet pontos végrehajtása két külön feladat. A rosszul azonosított karaktert, az elcsúszó mozgást vagy a hibás tárgyinterakciót továbbra is ellenőrizni kell.
Mit ad át a kép-, videó- és hangreferencia?
A képreferencia megmutathatja, ki szerepel, milyen környezetben, milyen fényben és milyen kameraállásból. A storyboard több ilyen állapotot rendez időbeli sorrendbe. Egyetlen állókép a mozgást csak jelölni vagy leírni tudja; annak időzítését külön is érdemes megadni.
A videóreferencia a támogatott üzemmódokban mozgásmintát, kameravezetést vagy előadásmódot közvetíthet. A hangreferencia szerepe lehet például a hangkarakter vagy a ritmus meghatározása, de a konkrét lehetőségeket az adott felületen kell ellenőrizni. A ByteDance Seedance 2.0 hivatalos leírása kép-, hang- és videóbemenetet is támogat; a Kling VIDEO 3.0 dokumentációja pedig több snitt és elemekre vonatkozó referenciák használatát mutatja be.
A szöveges prompt szerepe átalakul: kevesebb már látható részletet kell újra elmagyarázni, és több figyelem jut arra, mi történjen, milyen sorrendben, melyik referencia melyik részét kövesse a generátor.
Storyboard vagy kezdőkép? Ezt külön kell választani
A teljes storyboard több képkockából és technikai jelölésből álló jelenetterv. A kezdőkép egy konkrét snitt első állapotát határozza meg. Ha a storyboardot egy egyszerű image-to-video kezdőképmezőbe tesszük, előfordulhat, hogy a modell a teljes kollázst kezdi mozgatni.
A storyboardot értelmező munkafolyamatban ezért megadjuk a kockák sorrendjét, a snittek hosszát és a jelölések szerepét. Ha a felület külön snittleírást kér, oda kerülnek ezek az adatok. Ha csak kezdőképet fogad, a storyboardból külön, tiszta referenciaképeket készítünk, majd snittenként generálunk. Itt szokott elcsúszni a dolog: ugyanaz a képfájl két külön mezőben más feladatot kap.
Egy helyszín, egy karakter, három beállítás
A három képkocka egy kávézós jelenet vizuális terve. A helyszín, a rózsaszín kötényes lajhár és a bögre összeköti a beállításokat; a kísérő instrukció adja hozzá az időt és a kameramozgást.
1. snitt · 0–3 mp
Tágabb beállítás, szemmagasság. A lajhár a pult mögött áll, a bögre előtte. A kamera lassan közelít.
2. snitt · 3–6 mp
Középközeli, enyhén oldalról. A lajhár két manccsal finoman megemeli a bögrét. A kamera rögzített.
3. snitt · 6–9 mp
Termékközeli, a pult magasságából. A bögre ismét a pulton áll, a lajhár a háttérben életlen. A kamera finoman közelít.
Referencia szerepe: a három kép három egymást követő snittet jelöl. Azonos karakter, kötény, bögre, kávézó és fényelés. Az időadatok és a kamerautasítások gyártási instrukciók.
A bögre visszahelyezése a 2. és 3. snitt közti vágásban kimarad. Ha ezt az akciót is látni szeretnénk, külön meg kell tervezni.
Példa a kísérő input promptra
Ez a mintaprompt storyboardot értelmező, több snittet támogató munkafolyamathoz készült. Egy kezdőképes felületen külön képekkel és külön mozgáspromptokkal dolgozzunk.
Input, negatív és system prompt: melyik mire való?
Ezek eltérő szerepű instrukciók. Nem minden videógenerátorban találunk hozzájuk külön mezőt, és egy címke beírása önmagában nem hoz létre új vezérlési lehetőséget.
| Prompttípus | Feladata | Gyakorlati példa |
|---|---|---|
| Input prompt | Az adott generálás jelenetét, akcióját és kameramozgását írja le. | „A szereplő finoman megemeli a bögrét. Rögzített kamera.” |
| Negatív prompt | A kerülendő elemeket jelöli, ha a modell és a felület támogatja. | Külön negatív mezőben például: „felirat, vízjel”. A hatását tesztelni kell. |
| System prompt | Ahol elérhető, az asszisztens vagy videós agent tartós munkaszabályait adja meg. Gyakran a promptot előkészítő réteghez tartozik. | „A jelenettervben minden snitthez adj időtartamot, akciót és kameramozgást.” |
A negatív prompt hasznos lehet, de nem általános recept. A Runway Gen‑4 hivatalos útmutatója nem támogatottként írja le a negatív megfogalmazást, és pozitív instrukciókat ajánl. „Ne mozogjon a kamera” helyett például „rögzített kamera”. Ugyanitt a szöveget elsősorban a mozgás leírására javasolják használni.
Mit döntünk el előre?
Képkivágás, szereplő, termék, akció, kamera, narráció, felirat és időtartam. Ha ezek tiszták, nem a drága videógenerálás közben kezdünk kreatív döntéseket hozni.
Egy snitt, egy feladat
A storyboard segít elkerülni a túlterhelt jeleneteket, és világossá teszi, melyik képnek mi a kommunikációs szerepe.
Előre látszik a generálási kockázat
Az összetett kézmozdulat, termékinterakció és dialógus egyszerre nagyobb kockázat. A nehéz snitteket korán lehet egyszerűsíteni.
Olcsóbb a papíron javítás
A koncepciót a generálás előtt lehet jóváhagyni. Egy storyboard-kocka módosítása olcsóbb, mint több videóváltozat újragenerálása.
A workflow alapja
A storyboardból készül a shotlist, referencialista, promptstruktúra és vágási terv.
Mit vigyél el ebből?
- A storyboard a terv jóváhagyását és a generálás előkészítését is segíti.
- A képsor akkor használható közvetlen bemenetként, ha a modell és a választott üzemmód értelmezi ezt a szerepet.
- A kép megmutatja a megjelenést; a szöveg pontosítja az akciót, a sorrendet és a mozgást.
- A negatív és a system prompt használata felületfüggő.
- Az előre tisztázott jelenet csökkentheti az elkerülhető próbálkozásokat, de a tényleges eredményt ellenőrizni kell.
Ha AI-videósorozatban vagy magyarázó animációban gondolkodsz, érdemes először a jelenetek célját, a referenciákat és a nehezebb mozgásokat tisztázni. A CreativeSpotnál ezekből készítünk vállalkozásoknak és szervezeteknek használható videós tartalmat. Nézd meg, hogyan készítünk AI-reklámvideót.
Kapcsolódó cikkek
- Miért nem elég egy jó prompt egy profi AI-reklámvideóhoz?
- Text-to-video vagy image-to-video?
- Mennyibe kerül valójában az újragenerálás?
- Karakter- és termékkonzisztencia
- Kontinuitás AI-videóknál
Források és a példa korlátja
A 2024 óta megfigyelt változás CreativeSpot-tapasztalat. Az eszközök dokumentációja a támogatott bemeneteket és vezérlést támasztja alá; a fenti storyboardhoz ebben a példában nem készült tesztvideó.
- Runway: Gen‑4 Video Prompting Guide – a kép és a mozgásprompt szerepe, pozitív megfogalmazás.
- ByteDance: Seedance 2.0 – kép-, hang- és videóreferenciák.
- Kling: VIDEO 3.0 Model User Guide – Multi-Shot, snittleírások és elemreferenciák.
