Дойде ли най-накрая ерата на ултра евтините, собствено продуцирани хитови драми?
Китайската индустрия за микродрами навлиза в период на експлозивен растеж. Миналата година размерът на пазара на късометражни драми надхвърли приходите от боксофиса за първи път – безпогрешен сигнал, че вниманието на публиката и икономиката на съдържанието се променят. В същото време AI бързо прекроява индустрията, прониквайки в целия тръбопровод за създаване с ясна цел: продукция на ниво минута и индустриализиран производствен модел „студио от един човек“.
И все пак за зрителите много драми, генерирани от AI, все още не успяват. Несъответствията в синхронизирането на устните, логическите пропуски в разказването на истории и структурните несъответствия – особено в изцяло управлявани от AI продукции – остават често срещани оплаквания. Прекалено дългите скриптове често излизат извън контрол, героите си противоречат и настройките губят приемственост. Резултатът е познато изживяване: публиката „се оплаква, докато гледа преяждане“, желаейки сами да пренапишат сценария.
Това разочарование вече може да има отговор. В седмицата на стартиране на своя продукт SenseTime представи Seko 2.0, основен ъпгрейд на това, което той нарича първият интегриран AI агент в индустрията за писане и продуциране на многоепизодни драми. Проектиран да адресира директно тези болезнени точки, Seko 2.0 набляга на висока ефективност и ниски бариери за навлизане – позволявайки на отделните създатели незабавно да се превърнат в пълноценен производствен екип.
От стартирането си през юли Seko бързо се превърна в основен инструмент за създателите на видео. Неговият първи голям демонстрационен проект, Wanxin Scheme, копродуциран с професионален творчески екип, оглави класацията на AI микродрами на Douyin с голяма преднина, надхвърляйки 2 милиона по популярност.
От идея до екран: Seko 2.0 довежда създаването на микродрами с изкуствен интелект с една стъпка по-близо
Seko 2.0 се съсредоточава върху едно основно обещание: създаване на съдържание в една стъпка. Актуализацията се фокусира върху три основни възможности – надграден потребителски интерфейс, непрекъснато генериране на скриптове за до 100 епизода и интелигентна оркестрация на агенти. Новият интерфейс предлага по-завладяващо творческо изживяване, позволявайки на потребителите интерактивно да редактират герои, сторибордове, сцени, изображения и кадри по време на процеса на генериране. Потребителите могат да избират бързи вдъхновения, да качват скриптове, да избират модели, да дефинират визуални стилове и да добавят герои директно в интерфейса за чат.
Ключов акцент е мулти-епизодният агент, който позволява на създателите да генерират дългосрочни сериали в множество епизоди. Агентът анализира сценария, изготвя контур от няколко епизода и осигурява последователен характер и сценичен дизайн навсякъде. В сравнение със Seko 1.0, създателите вече имат прецизен контрол върху всеки герой и среда в рамките на един интерфейс за редактиране.
Епизодите могат да се генерират последователно, наследявайки логиката на историята и визуалната приемственост от предишни глави. Фините корекции – от изражението на лицето и движенията на устните до отделните рамки – могат да се редактират. На практика Seko 2.0 може да поддържа непрекъснато създаване на сценарии, обхващащи до 100 епизода. Дори непрофесионалните потребители могат бързо да превърнат идеите в завършени видеоклипове. При тестване пълен едноминутен епизод на микродрама с изкуствен интелект – от концепция до експортиране – може да бъде завършен за по-малко от 15 минути, като се използва само Seko.
Резултатите показват силна визуална последователност между сцените, естествени изражения на лицето и последователно разказване на истории – решаващи подобрения както за сериализирано съдържание, така и за професионални творци.
Четири основни технологии, осигуряващи последователност, точност и бързина
Зад представянето на Seko 2.0 стои цялостно техническо надграждане.
Първият е SekoIDX, технология за съгласуваност на знаците, изградена върху оптимизирани дифузионни модели. Той балансира визуалната прилика с бързата реакция, предотвратявайки артефактите „размяна на лица“, които често нарушават потапянето в генерираното от AI видео.
На второ място е SekoTalk, първото решение в индустрията, поддържащо синхронизиране на устни за повече от два високоговорителя едновременно. Изграден върху цифровата човешка технология, управлявана от SenseTime в реално време, той осигурява генериране на до 25 FPS при настройка с 8 GPU, с латентност на първия кадър само 3,5 секунди, като същевременно поддържа стабилна, многоезична синхронизация на устните в дълги диалози.
Трето е поетапната DMD дестилация, която драстично намалява разходите за генериране на много епизоди. Подходът запазва качеството на движението и емоционалното изразяване, като същевременно намалява разходите за изводи с до 25 пъти, което позволява мащабируемо производство, без да се жертва реализма. Seko 2.0 също поддържа рентабилно внедряване на чипове Cambricon.
И накрая, рамката за изводи LightX2V с отворен код на SenseTime позволява генериране на видео в реално време при условия на ниски ресурси. Проектиран с естествени оптимизации като нискобитово квантуване и оскъдно внимание, LightX2V е надхвърлил 3,5 милиона изтегляния до момента.
Заедно тези технологии позволяват на Seko 2.0 да балансира качество, скорост и цена – предоставяйки изход на ниво минута, като същевременно поддържа разказ и визуална съгласуваност в дълги серии.
Към ерата на масовото създаване на микродрами с изкуствен интелект
Еволюцията на Seko отразява по-широка промяна в създаването на AI видео: намаляване на бариерите, така че повече хора да могат да участват смислено.
Според продуктовия ръководител на Seko Уанг Зибин, водещата философия е проста – създаване за творци. Около 50–60% от потребителите са редовни създатели, разделени между продуценти на професионално съдържание и създатели на MCN с повтарящи се нужди от продукция. Други 30–40% са напълно начинаещи, много от които експериментират с AI видео създаване за първи път.
Отвъд забавлението, Seko дава възможност за междудомейн творчество: учители превръщат ученически есета във видеоклипове, програмисти визуализират фантазии за бойни изкуства, писатели адаптират романи в движение, а държавни служители създават анимирано историческо съдържание.
Тъй като инструментите за създаване стават по-достъпни, историята на индустрията предполага, че ще последва добродетелен цикъл. По-ниските бариери привличат повече творци, повече творци носят по-голямо разнообразие, а разнообразието подхранва устойчивия растеж.
Заключение: Инструментите за видео с изкуствен интелект премахват бариерите пред разказването на истории
Тъй като AI продължава да напредва, създаването на видео вече не е ограничено до професионални студия или бюджети от милиони юани. Инструменти като Seko трансформират видео продукцията в достъпна, мащабируема творческа среда. Чрез комбиниране на техническа дълбочина с използваемост, AI видео платформите тласкат индустрията към бъдеще, в което качеството и мащабът растат заедно – и където всеки може да превърне една идея в история, която си заслужава да бъде гледана. Ерата на „всеки е творец“ може най-накрая да е тук.