Kuinka kirjoittaa hyvä LTX-2.3-prompti (video äänen kanssa)

Videomallin promptittaminen ei ole sama asia kuin kuvamallille kirjoittaminen. SDXL:llä kuvailet jäätyneen hetken. LTX-2.3:lla kuvailet liikkuvan kuvan äänellä, joten kaksi asiaa, joita et ole koskaan aiemmin kirjoittanut, muuttuvat yhtäkkiä tärkeiksi: liike ja ääni. Kun nämä ovat kohdallaan, klippisi tuntuvat harkituilta; jos sivuutat ne, saat jäykän ja äänettömän diaesityksen. Tämä opas näyttää, kuinka kirjoitat LTX-2.3-prompteja, jotka oikeasti liikkuvat ja kuulostavat hyvältä.

Yksi virhe, jota kannattaa välttää: promptittaminen kuten kuvamallin kanssa

Yleisin aloittelijan virhe on kuvailla kohtausta eikä kuvaa. "Nainen punaisessa mekossa kahvilassa" on kuvaprompt. LTX-2.3 renderöi jotain, mutta ilman liikevihjausta se joutuu arvaamaan, ja se arvailee yleensä pienesti (pieni pään liike, välähdys). Tuloksena on lähes paikallaan pysyvä klippi.

Korjaa tämä vastaamalla aina kolmeen kysymykseen, joita malli ei pysty päättelemään staattisesta kuvauksesta:

• Mikä liikkuu? (kohde, kamera vai molemmat)
• Miten kamera käyttäytyy? (staattinen, panorointi, dolly, käsivarakamera)
• Mitä kuullaan? (taustaääni, puhe, efektit)

Promptikaava, joka toimii

Ajattele LTX-2.3-promptia kuutena paikkana. Et tarvitse kaikkia kuutta joka kerta, mutta mitä enemmän täytät, sitä enemmän hallitset:

Kohde + Toiminta/Liike + Kamera + Ympäristö/Valaistus + Tyyli + Ääni

Esimerkki paikka paikalta:

Nuori nainen punaisessa mekossa (kohde) kääntyy kameraa kohti ja hymyilee (toiminta), hidas dolly sisäänpäin (kamera), lämmin kultaisen tunnin valo ikkunan läpi (ympäristö/valaistus), elokuvallinen, matala syväterävyys (tyyli), pehmeä huoneen taustaääni ja hento vinyylin narina (ääni).

Tuo yksi lause kertoo LTX-2.3:lle, mitä tapahtuu, miten se on kuvattu ja miltä se kuulostaa. Se on koko homma.

Kuvaile liikettä verbeillä

Liike elää verbeissä. Heikot promptit ovat täynnä substantiiveja ja adjektiiveja; vahvat promptit lisäävät toimintasanoja: kääntyy, kävelee, nojaa, kurkottaa, kallistaa, vilkaisee, hengittää, huojuu, ajelehtii. Pidä se yhden selkeän toiminnan verran lyhyttä klippiä kohden. Viiden sekunnin kuva ei pysty näyttämään, "hän nousee ylös, kävelee ikkunalle, avaa sen ja sytyttää savukkeen", se on neljä kuvaa. Pyydä yksi hetki, toteuta se, sitten generoi seuraava.

Puhu kameran kieltä

LTX-2.3 ymmärtää elokuvauksen termejä. Käytä niitä kehyksen hallintaan:

• Kuvan koko: lähikuva, puolikuva, laaja kuva.
• Kameran liike: staattinen kuva, hidas panorointi vasemmalle, dolly sisäänpäin, seurausajo, käsivarakamera.
• Tunnelma: lukittu ja vakaa, tai hieno käsivarakameran huojunta realismin vuoksi.

"Staattinen kuva, lähikuva" on täysin erilainen klippi kuin "käsivaraseurausajo, laaja kuva", vaikka kohde olisi sama. Päätä kamera tarkoituksella.

Promptita ääni, tämä on LTX-2.3:n supervalta

Koska LTX-2.3 generoi kuvan ja äänen yhdessä, voit kirjoittaa äänen suoraan, ja sinun kannattaa tehdä niin. Kolme kerrosta, jotka kannattaa miettiä:

• Taustaääni / tilaääni: "hiljainen huoneen taustaääni", "sade ikkunassa", "kaukainen kaupungin liikenne", "aallot".
• Puhe / dialogi: kuvaile esitystapaa ("pehmeä kuiskaus", "lämmin nauru") eikä tarkkoja sanoja, jos haluat sen kuulostavan luonnolliselta.
• Efektit: "askeleet puulla", "ovi narisee", "vinyylin narina", "kevyt tuulenvire".

Jos et sano äänestä mitään, LTX-2.3 täyttää sen itse, eikä se välttämättä vastaa haluamaasi tunnelmaa. Yksi lyhyt äänifraasi riittää yleensä ohjaamaan sitä.

Teksti videoksi vs. kuva videoksi

Nämä kaksi lähtökohtaa haluavat hieman erilaiset promptit:

• Teksti videoksi: kuvailet kaiken, myös kohteen. Käytä koko kuuden paikan kaavaa.
• Kuva videoksi (suositeltu tendre.AI:ssa): stillisi määrittelee jo kohteen, ulkonäön ja kehystyksen. Pidä siis kohteen kuvaus kevyenä ja käytä sanat haluamasi liikkeen ja äänen kuvaamiseen. Esimerkki olemassa olevan muotokuvan päälle: "hän kallistaa hitaasti päätään, hiukset liikkuvat kevyessä tuulessa, hienovarainen hymy, staattinen kamera, pehmeä hengitys ja kaukainen kaupungin taustaääni". Animoit, et kuvaa uudelleen.

Kuva videoksi on paras vaihtoehto: paikallisesti lukitsemasi hahmo (käyttäen LoRAa tai kiinteää siementä) siirtyy suoraan klippiin, sama naama, sama tyyli.

Iteroi 1080p:llä, viimeistele 4K:lla

Promptit löydetään, niitä ei kirjoiteta. Luonnostele 1080p:llä, jotta jokainen otto on nopea: aja se, katso ja kuuntele, muuta yksi asia (voimakkaampi kameraliike, selkeämpi äänivihje), aja uudelleen. Kun kuva osuu kohdilleen, renderöi se uudelleen 4K:lla. Muuta yksi muuttuja kerrallaan, niin tiedät, mikä oikeasti auttoi.

Kaksi esimerkkiä, joita voit soveltaa

Teksti videoksi, elokuvallinen:

Puolikuva naisesta sadepisaroiden peittämän ikkunan luona, hän kääntää hitaasti päänsä kameraa kohti ja hymyilee, hidas dolly sisäänpäin, synkkä sininen illan valo, elokuvallinen filmijyvä, pehmeä sade lasilla ja matala taustahumina.

Kuva videoksi, paikallisesta stillista:

Hän hengittää rauhallisesti ja räpäyttää silmiään, muutama hiussäie ajelehtii kevyessä tuulessa, staattinen lukittu kamera, matala syväterävyys säilytettynä, hiljainen huoneen taustaääni ja hento kellon tikitys.

Molemmat ovat lyhyitä, nimeävät yhden selkeän toiminnan, asettavat kameran ja antavat äänelle yhden ohjeen. Se on kaava.

Tee ja älä tee

• Tee nimeä yksi toiminta, yksi kameran käyttäytyminen, yksi äniidea.
• Tee käytä elokuvauksen sanoja (lähikuva, dolly sisäänpäin, käsivarakamera).
• Älä pinoa neljää toimintaa yhteen 5 sekunnin klippiin.
• Älä jätä ääntä tyhjäksi, jos tunnelma on tärkeä.
• Älä kuvaa kohdetta uudelleen kuva videoksi -tilassa, animoi se.

Miten tämä sopii tendre.AI:hin

tendre.AI:ssa kuvat pysyvät täysin paikallisesti omalla GPU:llasi. LTX-2.3-video pyörii pilvi-GPU:lla tarvittaessa, laskutetaan per klippi krediiteillä, joten luonnostelet kuvat yksityisesti ja käytät krediittejä vasta, kun animoit parhaan oton. Koska video alkaa paikallisesta stillista, rakentamasi hahmo siirtyy klippiin, sama naama, sama ulkonäkö, nyt liikkeellä ja äänellä.

Kaikki generoitu on 100% synteettistä: kukaan oikea henkilö ei ole kuvattu, ja jokainen kohde on kiistattomasti aikuinen.