Shot Specification برای AI Video؛ دستور هر شات را دقیق و قابل‌ارزیابی بنویسیم

وقتی می‌گوییم «یک شات سینمایی بساز»، هنوز دستور تولید نداده‌ایم. این جمله نیت کلی را منتقل می‌کند، اما دربارهٔ سوژه، کنش، زمان، جای دوربین، قاب، حرکت، نور، نسبت تصویر و معیار پذیرش چیزی نمی‌گوید. مدل مولد ممکن است تصویری جذاب تحویل بدهد، ولی جذاب‌بودن با قابل‌استفاده‌بودن یکی نیست. شاتی که شخصیت را در هر فریم عوض می‌کند، حرکتی برخلاف منطق صحنه دارد یا برای تدوین هیچ نقطهٔ ورود و خروجی ندارد، حتی اگر زیبا باشد، خروجی موفقی نیست.

Shot Specification یا مشخصات شات، یک قرارداد کوتاه و اجرایی برای هر نماست. این قرارداد بین ایدهٔ روایی، طراحی صحنه، ابزار تولید، تدوین‌گر و بازبین واسطه می‌شود. هدفش این نیست که خلاقیت را به فرم اداری تبدیل کند؛ هدف این است که بدانیم از شات چه می‌خواهیم و چگونه می‌فهمیم به خواسته نزدیک شده‌ایم. در تولید AI، این وضوح اهمیت بیشتری دارد، چون یک prompt مشابه می‌تواند خروجی‌هایی با تفاوت جدی در قاب، چهره، حرکت و نور بسازد.

این راهنما یک قالب عملی برای نوشتن spec ارائه می‌کند. ابتدا هدف روایی را مشخص می‌کنیم، بعد سوژه و کنش را از ظاهر جدا می‌کنیم، سپس قاب، لنز یا معادل بصری، حرکت، زمان، نسبت تصویر، نور، صدا و محدودیت‌ها را ثبت می‌کنیم. اعداد مثال فرضی‌اند و نباید به‌عنوان تضمین خروجی تفسیر شوند.

مشخصات شات چه مسئله‌ای را حل می‌کند؟

در یک پروژهٔ کلاسیک، بسیاری از تصمیم‌ها میان کارگردان، فیلم‌بردار، دستیار کارگردان، طراح صحنه و تدوین‌گر شفاهی هماهنگ می‌شود. در پروژهٔ AI، بخشی از این تصمیم‌ها باید به متن قابل‌ارجاع منتقل شود. اگر فقط یک تصویر مرجع یا چند کلمهٔ شاعرانه داشته باشیم، بازتولید و اصلاح دشوار می‌شود. معلوم نیست شکست از کجاست: prompt، تصویر مرجع، مدل، تنظیمات حرکت، انتخاب فریم یا خود ایده.

یک spec خوب سه پرسش را پاسخ می‌دهد:

1. این شات در داستان چه کاری انجام می‌دهد؟
2. در تصویر و حرکت دقیقاً چه چیزی باید دیده یا شنیده شود؟
3. برای پذیرش یا بازکاری چه شواهدی لازم است؟

پاسخ به این سه پرسش کمک می‌کند درخواست خلاقانه را از معیار پذیرش جدا کنیم. «حس تنهایی منتقل شود» یک خواستهٔ خلاق است. «شخصیت در یک‌سوم راست قاب بماند و در پایان نگاه او به پنجره قطع نشود» به معیار قابل‌بررسی نزدیک‌تر است. هیچ معیار متنی جای قضاوت هنری را نمی‌گیرد، اما قضاوت را دقیق‌تر می‌کند.

از هدف شات شروع کنید، نه از مدل

قبل از انتخاب مدل یا نوشتن prompt، نقش شات را در صحنه بنویسید. آیا نما اطلاعاتی را معرفی می‌کند؟ رابطهٔ دو شخصیت را نشان می‌دهد؟ ریتم را کند می‌کند؟ یک transition می‌سازد؟ یا فقط بافت و حال‌وهوا می‌دهد؟ هر شات باید یک کار غالب داشته باشد. اگر قرار است هم‌زمان معرفی مکان، نمایش احساس، توضیح محصول و حرکت پیچیده را در یک نما بگنجانیم، معیار پذیرش مبهم و احتمال شکست بالا می‌رود.

قالب پیشنهادی برای هدف:

فیلد	پرسش راهنما	نمونهٔ فرضی
شناسه	این نما در کدام نسخه و صحنه است؟	S01_SH04_v02
هدف روایی	مخاطب بعد از نما چه چیزی می‌فهمد؟	می‌فهمد شخصیت تصمیمش را عوض کرده است
نقطهٔ ورود	نما از چه وضعیت تصویری آغاز می‌شود؟	دست روی دستگیره، بدون حرکت
نقطهٔ خروج	برای کات بعدی چه وضعیتی لازم است؟	در باز می‌شود و نور وارد قاب می‌شود
کنش غالب	یک عمل قابل‌مشاهده چیست؟	دستگیره پایین می‌رود
معیار شکست	چه چیزی نما را غیرقابل‌استفاده می‌کند؟	تغییر دست، حرکت ناگهانی یا قطع جهت نگاه

نوشتن نقطهٔ ورود و خروج برای ویدئوی AI حیاتی است. تصویری که فقط یک لحظهٔ زیباست، ممکن است برای شروع یا پایان کلیپ مناسب نباشد. با تعریف head handle و tail handle، تدوین‌گر زمان لازم برای کات، صداگذاری و اصلاح سرعت را دارد.

قالب اصلی Shot Specification

می‌توان برای هر پروژه قالب را متناسب کرد، اما حذف فیلدها باید آگاهانه باشد. این ساختار برای شروع مفید است:

شناسه و نسخه:
هدف روایی:
سوژه و هویت‌های ثابت:
کنش اصلی:
محل و زمان:
ترکیب‌بندی و قاب:
لنز یا معادل بصری:
حرکت دوربین:
حرکت سوژه:
مدت و ریتم:
نسبت تصویر و خروجی:
نور و پالت:
صدا یا راهنمای ریتم:
دارایی‌های مرجع:
محدودیت‌ها و موارد ممنوع:
معیار پذیرش و QC:
مالک بازبینی:

این فرم به‌تنهایی فیلم تولید نمی‌کند. ارزش آن زمانی مشخص می‌شود که هر خط به یک تصمیم واقعی وصل باشد. اگر لنز در ابزار انتخاب نمی‌شود، «لنز» را به عمق میدان، فاصلهٔ دوربین از سوژه و زاویهٔ دید ترجمه کنید. spec باید با توانایی واقعی pipeline سازگار باشد، نه با فهرست آرزوها.

سوژه، هویت و کنش را جدا بنویسید

یکی از خطاهای رایج این است که ظاهر سوژه و کار او در یک عبارت طولانی مخلوط شود. برای ثبات، ابتدا هویت را ثابت کنید: سن تقریبی، پوشش، ویژگی غیرحساس و قابل‌مشاهده، نسبت با مکان و دارایی مرجع. سپس کنش را با فعل بنویسید: «سه قدم به سمت پنجره می‌رود»، «فنجان را روی میز می‌گذارد»، «به صفحه نگاه می‌کند». صفات مبهم مانند «حرکت هنرمندانه» یا «رفتار طبیعی» برای معیار پذیرش کافی نیستند.

اگر چند شخصیت دارید، برای هرکدام شناسه بسازید و تعداد افراد را صریح بنویسید. در غیر این صورت مدل ممکن است در فریم‌های مختلف نفر اضافه کند یا لباس‌ها را جابه‌جا کند. دارایی مرجع باید نقش خود را داشته باشد: تصویر مرجع چهره است، تصویر مکان معماری است، طرح لباس رنگ و فرم است و storyboard برای blocking به‌کار می‌رود. از یک تصویر برای همهٔ این نقش‌ها استفاده نکنید مگر آن‌که آگاهانه آزموده شده باشد.

کنش را به یک حرکت اصلی محدود کنید. «شخصیت وارد اتاق می‌شود، لپ‌تاپ را باز می‌کند، پیام می‌خواند و ناگهان می‌دود» برای یک کلیپ کوتاه چهار رویداد است. آن را به چند شات تقسیم کنید. هر شات باید تغییر قابل‌اندازه‌گیری داشته باشد: جابه‌جایی بدن، تغییر نگاه، ورود نور، چرخش دوربین یا تغییر وضعیت یک شیء.

قاب و ترکیب‌بندی را قابل‌دیدن بنویسید

اصطلاح‌هایی مانند wide shot، medium close-up و over-the-shoulder شروع خوبی هستند، اما کافی نیستند. بگویید سوژه در کدام ناحیهٔ قاب است، فضای نگاه کجاست، خط افق چه وضعیتی دارد و چه چیزی نباید پوشانده شود. برای متن یا عنوان، safe area را از پیش تعیین کنید. متن دقیق فارسی را بهتر است در مرحلهٔ کامپوزیت کنترل‌شده اضافه کنید؛ مدل مولد نباید مسئول ساخت حروف رسمی، عنوان یا لوگو باشد.

قاب‌بندی را با رابطهٔ فضا و کنش توضیح دهید. اگر شخصیت به سمت چپ نگاه می‌کند، فضای خالی جلوی نگاه در همان سمت می‌تواند خوانایی ایجاد کند. اگر قرار است در شات بعدی به یک نمای باز کات کنیم، جهت حرکت و خط نگاه را حفظ کنید. قاب کاملاً متقارن فقط وقتی مناسب است که تقارن بخشی از ایده باشد؛ در غیر این صورت ممکن است کنش را تخت و بدون مسیر دیداری کند.

برای نسبت تصویر، یک خروجی اصلی و کاربرد آن را بنویسید؛ مثلاً 16:9 برای صفحهٔ وب یا 9:16 برای mobile. اگر قرار است از یک master crop چند خروجی بگیرید، safe zone را در spec ثبت کنید. نمی‌توان فرض کرد که برش بعدی همیشه سر، دست یا اطلاعات صحنه را حفظ می‌کند.

لنز یا معادل بصری در ابزار AI

در برخی ابزارها نام لنز انتخاب نمی‌شود، اما اثر لنز را می‌توان به زبان قابل‌فهم ترجمه کرد. فاصلهٔ دوربین، پرسپکتیو، عمق میدان، اندازهٔ سوژه در قاب و میزان اعوجاج را بنویسید. «نمای نزدیک با پس‌زمینهٔ نرم و فاصلهٔ طبیعی چهره» از ذکر یک عدد بدون هدف روشن‌تر است. اگر از معادل 35mm یا 85mm استفاده می‌کنید، هدفش را هم توضیح دهید.

لنز فقط زیبایی نیست؛ بر پیوستگی اثر می‌گذارد. تغییر ناگهانی از پرسپکتیو فشرده به واید، مکان را متفاوت نشان می‌دهد. هنگام تولید coverage، فهرست نماها را کنار هم بازبینی کنید تا تغییر زاویهٔ دید، ارتفاع دوربین و عمق میدان ناخواسته نباشد. برای insert دست یا شیء، فاصلهٔ دوربین و سمت نور را با master frame مقایسه کنید.

حرکت دوربین و حرکت سوژه

حرکت باید به‌صورت زمانی نوشته شود، نه با چند صفت انباشته. این جمله بهتر است: «در ثانیهٔ اول دوربین ثابت است؛ از ثانیهٔ دوم تا چهارم یک dolly-in آرام انجام می‌شود؛ سوژه فقط در انتها سرش را بالا می‌آورد.» این جمله از «حرکت سینمایی و احساسی و پویا» قابل‌آزمون‌تر است.

برای هر حرکت چهار چیز را مشخص کنید: آغاز، مسیر، سرعت تقریبی یا کیفیت تغییر سرعت، و وضعیت پایان. از ترکیب حرکت‌های ناسازگار پرهیز کنید؛ مثلاً orbit سریع، zoom شدید و لرزش دستی هم‌زمان، مگر اینکه دلیل روایی داشته باشد. در متن، دوربین و سوژه را جدا کنید. اگر هر دو حرکت دارند، جهت و نقطهٔ تمرکز را روشن کنید.

معیار QC حرکت می‌تواند شامل ثبات سوژه، پیوستگی دست و انگشت، حفظ جهت نگاه، نبود warping، نبود لرزش ناخواسته و امکان کات در tail باشد. حرکت خوب لزوماً پیچیده نیست. یک حرکت ساده و پایدار که اطلاعات اصلی را منتقل کند، برای تدوین ارزشمندتر از حرکتی است که در نیمهٔ راه فرو می‌ریزد.

زمان، ریتم و نقاط برش

مدت را با هدف تدوینی بنویسید. «کلیپ چهارثانیه‌ای» به‌تنهایی نمی‌گوید در کدام لحظه تغییر اتفاق می‌افتد. یک timeline کوتاه بسازید:

بازهٔ فرضی	تصویر غالب	نقش تدوینی	کنترل
0 تا 1 ثانیه	وضعیت ثابت ورود	ساختن توجه	سوژه کامل و بدون artefact است
1 تا 3 ثانیه	کنش دستگیره	انتقال اطلاعات	دست و شیء پیوسته می‌مانند
3 تا 4٫۵ ثانیه	ورود نور و بازشدن در	آماده‌سازی کات	جهت حرکت برای نمای بعد حفظ می‌شود

مدت‌های بالا فقط مثال‌اند. اگر مدل در ثانیهٔ آخر کیفیت را از دست می‌دهد، tail کوتاه‌تر یا پایان زودتر تعریف کنید. شروع و پایان را طوری انتخاب کنید که فریم‌های قابل‌استفاده داشته باشند. اگر یک شات باید با صدای ضرب یا دیالوگ هماهنگ شود، cue را به‌صورت تقریبی و قابل‌اصلاح ثبت کنید و زمان دقیق را پس از تولید با فایل واقعی اندازه بگیرید.

نور، رنگ و continuity

به‌جای فهرست صفت‌ها، منبع و جهت نور را بنویسید: «نور سرد از پنجرهٔ سمت چپ، fill بسیار ضعیف از روبه‌رو و پس‌زمینهٔ تیره با انعکاس محدود». پالت را به نقش‌های اصلی تقسیم کنید: رنگ غالب، accent، رنگ پوست و رنگی که نباید وارد صحنه شود. این کار به continuity کمک می‌کند، به‌ویژه وقتی چند برداشت از یک شات تولید می‌کنید.

نور باید با موقعیت زمانی و مکانی منطق داشته باشد. اگر در شات قبل پنجره سمت چپ منبع نور است، در نمای reverse آن را بی‌دلیل به راست منتقل نکنید. سایه، reflection و contrast را هم به‌عنوان کنترل ثبت کنید. در خروجی AI، تغییر ناگهانی نور ممکن است با تغییر چهره یا لباس همراه شود؛ بنابراین کنترل نور فقط زیبایی‌شناسی نیست، شاخصی برای تشخیص شکست تولید است.

صدا، دیالوگ و نسبت تصویر

حتی وقتی تصویر به‌صورت silent تولید می‌شود، راهنمای صوتی ارزشمند است. بنویسید آیا صدای محیط، قدم‌ها، صدای مکانیکی، موسیقی موقت یا سکوت لازم است. دیالوگ را از تصویر جدا نگه دارید و اگر لب‌خوانی دقیق موردنیاز نیست، از promise کنترل‌نشده پرهیز کنید. صدا ممکن است در تدوین ساخته یا جایگزین شود؛ در spec فقط اطلاعات لازم برای ریتم و کنش را ثبت کنید.

نسبت تصویر را به همراه resolution هدف، crop policy و safe area ذکر کنید. اگر چند خروجی لازم است، مشخص کنید کدام master است و کدام adaptation. هیچ resize یا crop خودکاری را بدون مشاهدهٔ فریم نهایی قبول نکنید. نسخهٔ عمودی ممکن است دست یا نگاه را حذف کند و نسخهٔ افقی ممکن است فضای خالی بیش از حد داشته باشد.

محدودیت‌ها: آنچه نباید رخ دهد

محدودیت خوب کوتاه، قابل‌مشاهده و مرتبط با شکست‌های محتمل است. برای نمونه: «بدون شخصیت اضافه»، «بدون تغییر لباس»، «بدون متن تولیدشده داخل تصویر»، «بدون دست اضافی»، «بدون تغییر فصل»، «بدون حرکت دوربین خارج از مسیر تعریف‌شده». از فهرست طولانی ممنوعیت‌های نامرتبط پرهیز کنید؛ محدودیت زیاد می‌تواند تناقض ایجاد کند و بررسی را دشوار سازد.

محدودیت‌های حقوقی و انسانی را هم وارد کنید. اگر چهره یا صدای فرد واقعی استفاده می‌شود، رضایت و حدود استفاده باید روشن باشد. دارایی‌ای که مجوزش معلوم نیست، صرفاً به‌دلیل در دسترس‌بودن قابل‌استفاده نیست. برای مکان‌های خصوصی و آثار هنری، وضعیت rights را در ledger پروژه بنویسید. در صورت عدم‌قطعیت، شات را برای بازبینی متوقف کنید.

خواستهٔ خلاق در برابر معیار پذیرش

در هر spec یک بخش «Intent» و یک بخش «Acceptance» جدا بسازید. Intent می‌تواند استعاری باشد: «ورود به اتاق مثل عبور از یک مرز احساسی حس شود». Acceptance باید به نشانه‌های قابل‌دیدن وصل شود: «دوربین قبل از عبور در متوقف می‌ماند، نور پشت در در پایان دیده می‌شود، شخصیت از خط تعیین‌شده خارج نمی‌شود و جهت حرکت برای نمای بعدی ثابت است».

این جداسازی از دو خطر جلوگیری می‌کند. خطر اول این است که تیم یک خروجی technically clean را به‌دلیل تفاوت سلیقه رد کند. خطر دوم این است که یک تصویر زیبا به‌دلیل داشتن حس درست، بدون بررسی فنی پذیرفته شود. هر دو بخش لازم‌اند. معیارها باید اولویت داشته باشند: must-pass، should-pass و nice-to-have. اگر must-pass شکست خورد، شات بازکاری می‌شود؛ اگر nice-to-have شکست خورد، می‌توان با نظر کارگردان نگهش داشت.

مثال کامل از یک شات فرضی

در این مثال، پروژه دربارهٔ سازنده‌ای است که پس از تردید، تصمیم می‌گیرد نسخهٔ اول فیلمش را نشان دهد. مشخصات فرضی‌اند:

شناسه و نسخه: S02_SH07_v03
هدف روایی: نشان‌دادن لحظهٔ تصمیم بدون توضیح کلامی
سوژه: یک سازنده، یک نفر، همان لباس و ظاهر master frame S02_MASTER_v01
کنش: ابتدا دست روی لبهٔ لپ‌تاپ ثابت است؛ سپس صفحه را می‌بندد و به سمت پنجره نگاه می‌کند
مکان و زمان: اتاق کار کوچک، عصر ابری، پنجره در سمت چپ دوربین
قاب: medium shot، سوژه در یک‌سوم راست، فضای نگاه به سمت چپ، لپ‌تاپ در foreground
لنز/معادل بصری: پرسپکتیو طبیعی، عمق میدان متوسط، بدون اعوجاج چهره
حرکت دوربین: 0 تا 1 ثانیه ثابت؛ سپس dolly-in بسیار آرام تا 4 ثانیه
حرکت سوژه: فقط بستن لپ‌تاپ و چرخش آهستهٔ سر؛ بدن از جای خود جابه‌جا نشود
مدت: حدود 4 ثانیه، با حداقل نیم‌ثانیهٔ head و tail قابل‌استفاده
نسبت تصویر: 16:9 master، safe zone مرکزی برای crop احتمالی
نور: key سرد از پنجرهٔ چپ، پس‌زمینهٔ کمی تیره، انعکاس کنترل‌شده روی صفحه
صدا: صدای نرم بسته‌شدن لپ‌تاپ و room tone؛ دیالوگ ندارد
محدودیت: بدون انگشت اضافه، بدون تغییر لباس، بدون متن روی صفحه، بدون لوگوی ساختگی
معیار پذیرش: هویت ثابت؛ عمل بستن لپ‌تاپ خوانا؛ جهت نگاه حفظ شود؛ حرکت بدون warping؛ قاب برای کات بعدی مناسب باشد
مالک بازبینی: کارگردان/تهیه‌کننده پس از QC فنی

در این مثال «تصمیم» مستقیماً به مدل واگذار نشده است؛ نشانهٔ تصویری آن تعریف شده است. اگر خروجی لپ‌تاپ را درست نمی‌بندد اما نور و حس عالی است، معیار must-pass شکست خورده و باید بازکاری شود. این تصمیم باید ثبت شود، نه اینکه بعداً درباره‌اش حدس بزنیم.

ساختار QC پیش از رفتن به تدوین

بازبینی را در دو لایه انجام دهید. لایهٔ اول فنی است و با چک‌لیست نسبتاً عینی پیش می‌رود. لایهٔ دوم روایی و زیبایی‌شناختی است و به قضاوت انسانی نیاز دارد. چک‌لیست فنی پیشنهادی:

• آیا فریم اول و آخر به نقطهٔ ورود و خروج تعریف‌شده نزدیک‌اند؟
• تعداد شخصیت‌ها، لباس، مو، چهره و props در طول شات ثابت مانده‌اند؟
• دست، چشم، دهان، اشیای شفاف و خطوط مستقیم artefact واضح ندارند؟
• حرکت دوربین و سوژه همان چیزی است که spec می‌گوید؟
• نور، سایه و جهت نگاه با شات‌های مجاور سازگار است؟
• نسبت تصویر، crop، resolution و safe area درست‌اند؟
• متن یا لوگوی ناخواسته تولید نشده است؟
• صدا یا cue موقت با کنش اصلی تناقض ندارد؟
• دارایی‌های استفاده‌شده مجوز، رضایت و مسیر ثبت‌شده دارند؟

پس از QC فنی، از یک بازبین بخواهید بدون دیدن prompt بگوید شات چه اطلاعاتی منتقل می‌کند. اگر پاسخ با هدف روایی فاصله دارد، مشکل فقط prompt نیست؛ شاید خود spec بیش از حد شلوغ یا هدف شات مبهم باشد. بازبینی انسانی باید دلیل پذیرش یا رد را ثبت کند، نه اینکه فقط برچسب «خوب» یا «بد» بزند.

تست کوچک و مقایسهٔ کنترل‌شده

قبل از تولید تعداد زیادی variation، یک تست کوچک با یک تغییر انجام دهید. اگر هم‌زمان مدل، طول، حرکت، رنگ و تصویر مرجع را عوض کنید، نمی‌فهمید کدام تغییر نتیجه را بهتر یا بدتر کرده است. برای هر variation شناسه بسازید و فقط یک یا دو متغیر را تغییر دهید. یک جدول مقایسه به تصمیم کمک می‌کند:

نسخه	تغییر	نتیجهٔ فنی	نتیجهٔ روایی	تصمیم
v01	dolly-in حذف شد	پایدار	حس تصمیم ضعیف	رد
v02	dolly-in آهسته	دست کمی ناپایدار	حس مناسب	بازکاری
v03	سرعت کمتر، مرجع ثابت	پیوستگی بهتر	اطلاعات کامل	کاندید

این جدول ادعای علمی دربارهٔ «بهترین مدل» نیست؛ تاریخچهٔ تصمیم همین شات است. در Tex2Film، مدیریت شات و نسخه‌ها باید بخشی از workflow باشد.

نسخه‌گذاری و ثبت دلیل اصلاح

نام‌گذاری ثابت جلوی گم‌شدن master را می‌گیرد. شناسهٔ صحنه، شمارهٔ شات، نسخه و وضعیت را در نام یا metadata ثبت کنید؛ مثلاً S02_SH07_v03_QC-pending. نسخهٔ پذیرفته‌شده را silent replace نکنید. اگر correction می‌خواهید، successor بسازید و بنویسید چه چیزی ثابت می‌ماند و چه چیزی تغییر می‌کند.

فرم کوتاه اصلاح:

نسخهٔ مرجع: S02_SH07_v02
ایراد مشاهده‌شده: حرکت دست در ثانیهٔ 2 ناپایدار است
تغییر مجاز: کاهش سرعت dolly و ثابت‌ماندن مرجع چهره
تغییر ممنوع: لباس، نور پنجره و نسبت تصویر
شرط پذیرش بعدی: دستگیرهٔ لپ‌تاپ در سه فریم کلیدی پیوسته باشد
بازبین و زمان: ثبت در ledger پروژه

این شیوه هم برای کار تیمی و هم برای یادگیری پروژه ارزش دارد. وقتی دلیل اصلاح ثبت شود، prompt به یک متن جادویی و غیرقابل‌تحلیل تبدیل نمی‌شود.

حقوق، رضایت و عدم‌قطعیت خروجی

مشخصات فنی بدون قرارداد استفاده کامل نیست. اگر از تصویر، صدای، چهره یا طراحی متعلق به دیگران استفاده می‌کنید، منبع و اجازه را ثبت کنید. برای اشخاص واقعی، رضایت باید متناسب با کاربرد باشد؛ رضایت برای تست داخلی الزاماً به‌معنای اجازهٔ انتشار عمومی نیست. اگر خروجی شبیه فرد یا اثر شناخته‌شده‌ای شده است، آن را بی‌اهمیت تلقی نکنید.

در prompt یا spec بنویسید کدام بخش فرضی است. اعداد مربوط به فاصله، زمان و حرکت در مثال‌ها فقط برای ارتباط تیمی‌اند؛ تا وقتی با asset واقعی و تست pipeline اندازه‌گیری نشده‌اند، نباید به‌عنوان تضمین عملکرد مدل مطرح شوند. خروجی مولد ممکن است در یک اجرا خوب و در اجرای دیگر متفاوت باشد. به همین دلیل human review، ثبت نسخه، تست مستقل و امکان rollback ضروری است.

اشتباه‌های رایج

اول، spec به جای هدف، مجموعه‌ای از کلمات ترند است. اضافه‌کردن «cinematic، epic، ultra-detailed» جای تعریف کنش، قاب و خروجی را نمی‌گیرد. دوم، همه‌چیز به یک شات سپرده می‌شود و معیار پذیرش عملاً ناممکن می‌گردد. سوم، قاب و حرکت تعریف می‌شوند ولی نقطهٔ ورود و خروج مشخص نیست؛ در نتیجه خروجی برای تدوین بی‌مصرف است.

اشتباه چهارم، استفاده از متن یا لوگوی تولیدشده توسط مدل برای اطلاعات رسمی است. متن دقیق، تاریخ، نام محصول و لوگو را کنترل‌شده compose کنید. اشتباه پنجم، نادیده‌گرفتن دارایی مرجع و continuity است. اگر master frame نداریم، نباید از چند شات طوری حرف بزنیم که انگار یک جهان فیزیکی ثابت وجود دارد. اشتباه آخر، اعلام «موفقیت» با دیدن یک preview است. فایل دانلودشده، inspection، QC و تأیید انسانی لازم‌اند.

یک گردش کار قابل‌اجرا

برای هر شات این ترتیب کوتاه را اجرا کنید:

1. هدف روایی و کنش غالب را بنویسید.
2. master frame، هویت‌ها و مکان را قفل کنید.
3. قاب، حرکت، زمان، نور و نسبت تصویر را مشخص کنید.
4. محدودیت‌ها و حقوق دارایی را ثبت کنید.
5. یک تست کوچک با یک تغییر بگیرید.
6. خروجی واقعی را دانلود و فریم‌های کلیدی را مشاهده کنید.
7. QC فنی و بازبینی روایی را جدا انجام دهید.
8. دلیل قبول یا اصلاح را در نسخهٔ جدید ثبت کنید.
9. فقط asset پذیرفته‌شده را به تدوین، صداگذاری یا انتشار بدهید.

این فرایند ممکن است در ابتدا کندتر از نوشتن یک prompt کوتاه به‌نظر برسد، اما هزینهٔ خطا را پایین می‌آورد و اعضای تیم می‌توانند تصمیم را از روی سند دنبال کنند.

جمع‌بندی

Shot Specification پلی است بین نیت خلاق و خروجی قابل‌ارزیابی. با نوشتن هدف روایی، سوژه و کنش، قاب و لنز یا معادل بصری، حرکت، زمان، نسبت تصویر، نور، صدا، محدودیت و معیار QC، شات از یک آرزوی کلی به یک واحد تولید تبدیل می‌شود. این فرم نتیجهٔ مدل را تضمین نمی‌کند؛ انتظار را روشن، خطا را قابل‌تشخیص و اصلاح را قابل‌ردیابی می‌کند.

بهترین نقطهٔ شروع یک پروژهٔ AI video، انتخاب مدل نیست؛ تعریف شات و شرایط پذیرش آن است. هرجا ابهام، حقوق نامعلوم، رضایت ناکافی یا continuity شکسته وجود دارد، وضعیت باید «نیازمند بازبینی» بماند. با master frame، تست کنترل‌شده، نسخه‌گذاری و human review می‌توان خروجی‌های مولد را به مواد قابل‌تدوین نزدیک کرد. Tex2Film برای چنین رویکردی باید محل مدیریت شات، brief، reference و تصمیم‌های QC باشد؛ نه جایگزین قضاوت کارگردان و تیم تولید.