AI вече създава пълнометражни филми за седмици, но човешката актьорска игра остава предизвикателство

Изкуственият интелект все по-успешно пресъздава човешки лица, гласове и емоции, а някои компании вече създават пълнометражни филми изцяло с помощта на технологията. Развитието ѝ обаче поставя въпроси за бъдещето на актьорската професия, художествените качества на подобни продукции и възможността компютърно генерираните персонажи да предадат сложността на човешките преживявания.

Един от последните примери за използването на тази технология в киното е уестърнът As Deep as the Grave, в чийто трейлър се появява дигитално пресъздаден образ на покойния актьор Вал Килмър. Неговата по-млада версия произнася репликата: „Не се страхувайте от мъртвите – и не се страхувайте от мен.“ 

Режисьорът Кърт Вурхис използва AI, за да възстанови присъствието на актьора на екрана. Решението е одобрено от семейството на Килмър, което посочва интереса му към новите технологии и възможностите им да разширяват начините за разказване на истории.

Създателката на AI актрисата Тили Норвуд: „Холивуд няма причина за паника“

Резултатът обаче предизвиква противоречиви реакции. Макар визуално да напомня на актьора в по-младите му години, дигиталният персонаж изглежда скован и не успява напълно да възпроизведе характерния му глас и поведение.

Подобни спорове съпътстват и появата на Тили Норууд – изцяло генерирана с изкуствен интелект виртуална актриса, представена миналата година. След първата ѝ поява в кратък комедиен скеч актрисата Емили Блънт я определи като „наистина, наистина плашеща“.

Обявяването на планове Норууд да участва в пълнометражния филм Misaligned допълнително засилва дискусията дали дигиталните актьори могат постепенно да изместят истинските хора. 

Преодоляване на „зловещата долина“

Тим Уебър, главен творчески директор на британската компания за визуални ефекти Framestore, се съмнява, че изцяло генерираните персонажи могат да възпроизведат сложността на човешките емоции.

„Моделите с изкуствен интелект се обучават върху външната страна на нещата – например пикселите на изображенията в интернет. До постигането на истинско човешко изпълнение, в което присъстват автентични емоции, има още много път“, обяснява той пред The Guardian.

Изкуственият интелект може да имитира външните прояви на човешките емоции, но това не означава, че е способен да пресъздаде цялата сложност на актьорското изпълнение. За разлика от него, актьорите могат да черпят от личните си преживявания и чувства, за да изградят по-достоверни и психологически убедителни образи.

Въпреки тези ограничения технологиите за генериране на видео с изкуствен интелект се развиват бързо, като едно от основните предизвикателства остава създаването на достатъчно реалистични дигитални персонажи. Компанията Higgsfield AI наскоро заяви, че е успяла да преодолее т.нар. „зловеща долина“ – ефекта, при който компютърно генерираните лица изглеждат почти като истински, но въпреки това създават усещане за неестественост.

Този проблем не е характерен единствено за генеративния AI. Той се наблюдава и при традиционните компютърни визуални ефекти, използвани в големи холивудски продукции, включително за дигиталното подмладяване на Харисън Форд във филма Indiana Jones and the Dial of Destiny.

Пълнометражни филми, създадени с изкуствен интелект

Higgsfield вече представя две пълнометражни продукции, генерирани изцяло с AI – 95-минутния екшън фентъзи филм Hell Grind и 115-минутната криминална комедия The Cully Hill Boys, чиито стил напомня на този на режисьора Гай Ричи.

Според ръководителя на съдържанието в компанията Адил Алимжанов работата по Hell Grind отнема две седмици, а по The Cully Hill Boys – един месец. Тези срокове обхващат създаването на видеокадрите и последващата им обработка, но не включват времето, необходимо за написването на сценариите.

Първата AI актриса Тили Норвуд пусна собствен сингъл

Двете заглавия са разпространени само онлайн и служат и като демонстрация на технологичните възможности на Higgsfield.

Алимжанов смята, че подобни инструменти могат да направят филмовото производство по-достъпно, като намалят необходимостта от скъпа техника, големи екипи и продължителни снимачни процеси.

„Не можем да се противопоставяме на новите инструменти само защото променят цели индустрии. Ако бяхме направили това при появата на автомобилите, днес всички още щяхме да яздим коне“, коментира 23-годишният специалист, който използва собственото си лице за главния герой в Hell Grind.

Разликата между двете продукции показва и колко бързо се развиват системите за генериране на видео.

В Hell Grind, представен през май, персонажите често изразяват само една емоция в рамките на отделните 15-секундни кадри. Това е и максималната продължителност на видеосегментите, създавани от използвания китайски модел Seedance 2.0.

Три месеца по-късно The Cully Hill Boys демонстрира по-убедителни диалози и по-добър комедиен ритъм. Тримата главни персонажи са дигитални версии на реални личности – баскетболиста Мат Киатипис, състезателя по смесени бойни изкуства Израел Адесаня и стриймъра N3on.

Предизвикателството да се пресъздадат човешките емоции с изкуствен интелект

Въпреки съкратените производствени срокове генерирането на убедителни сцени остава трудоемък процес.

Сценарият на The Cully Hill Boys е написан от човек – Тим Планаган, а филмът е сглобен от 30-секундни видеосегменти с помощта на по-новия модел Seedance 2.5.

Първо се създават подробни визуални изображения на героите, включително кадри в цял ръст и близки планове на лицата. Те служат като основа за запазване на външния вид на персонажите в различните сцени. След това всеки сегмент се описва чрез текстови инструкции с обем около 4000 думи. Те определят действията, движенията на камерата, осветлението и емоционалните реакции. Част от инструкциите също се подготвят с помощта на езиков модел. Получените кадри се преработват многократно, докато резултатът се доближи до търсеното изпълнение.

Зак Лондон, който създава научнофантастични късометражни филми с AI под името Gossip Goblin, обяснява, че най-голямото предизвикателство е предаването на вътрешното състояние на персонажите.

„Изкуственият интелект не е актьор. Как тогава да му обясниш какво преживява героят?“, пита той.

Общи инструкции като „изглежда объркан“ или „говори строго“ често водят до преувеличени реакции или неубедителни резултати. Затова създателите трябва да описват много по-конкретни детайли – леко потрепване на устните, промяна в посоката на погледа или определено движение на очите.

Лондон сравнява този процес с управляването на марионетка, при което всяко движение се настройва поотделно.

За да запази човешки елемент в работата си, той първо записва диалозите с реални актьори и едва след това изгражда анимацията около техните изпълнения.

Според него сегашните AI модели са по-подходящи за стилизирани филми с ярко изразени характери, отколкото за психологически сложни роли.

„Актьорската игра няма да бъде особено фина, като някое голямо изпълнение на Антъни Хопкинс или Оливия Колман. По-скоро напомня на старите филми на Тери Гилиъм или Гай Ричи, където персонажите са по-експресивни“, обяснява той.

Това ограничение обаче не означава непременно, че технологията няма да намери широко приложение. Част от масовите филмови продукции разчитат на сравнително ясно изразени и лесно разпознаваеми емоции, които изкуственият интелект вече може да имитира.

Тили Норвуд – AI „актрисата”, която разгневи Холивуд

Хибридният подход като алтернатива

Други специалисти виждат бъдещето не в пълната замяна на актьорите, а в съчетаването на човешките изпълнения с дигитални технологии.

Сред тях е актьорът Тай Шеридан, известен с участието си във филма на Стивън Спилбърг Ready Player One. През 2016 г. той съосновава Wonder Dynamics, която по-късно става част от Autodesk и разработва инструмента Autodesk Flow Studio.

Шеридан смята, че изкуственият интелект може да направи филмовото производство по-достъпно, но настоява човешката актьорска игра да остане в основата на творческия процес.

„Понякога най-впечатляващият момент се случва за частица от секундата. И не можеш да обясниш точно защо актьорът е погледнал по определен начин“, посочва той.

Flow Studio използва AI, за да предложи по-достъпен вариант на технологията за улавяне на движения. Върху реално заснети кадри могат да се добавят компютърно генерирани персонажи и среди.

Във Framestore Тим Уебър също експериментира с инструменти, които прилагат своеобразен „дигитален грим“ върху традиционни актьорски изпълнения. Предимството на този подход е, че технологията променя визуалния резултат, без да премахва творческите решения на актьора.

Шеридан поставя под съмнение дали генеративните модели изобщо са създадени, за да постигат изключителна актьорска игра, или по-скоро произвеждат статистически усреднени резултати.

Алимжанов обаче защитава различна позиция. По думите му при The Cully Hill Boys е използван метод, при който AI получава информация за преживяванията и ситуацията на персонажа, вместо само инструкции за конкретни лицеви движения. Според него това позволява генерирането на по-естествени емоционални реакции и доближава процеса до начина, по който актьорите изграждат образите си.