ZAKULISJE · AI PRODUKCIJA

Kako smo naredili 100 % AI oglas — brez kamere, brez igralcev, brez snemanja

ekipa snemAI · 24. julij 2026 · 8 min branja

Kratek odgovor: 35-sekundni oglas »Dvigalo« je nastal brez ene same posnete sekunde. Ni bilo kamere, igralcev, snemalne ekipe ne najetih lokacij. Obrazi, pisarna, dvigalo, steklenička, glasovi in glasba — vse je generirano. Spodaj je celoten postopek: katera orodja smo uporabili, kako smo dosegli, da isti liki izgledajo enako čez vse kadre, in katere napake so nas stale največ časa.

Pišemo predvsem o drugem delu. Generiranje lepega posameznega kadra je danes preprosto; sestaviti iz kadrov film, ki ne razpade, je tisto, kar loči oglas od zbirke lepih slik.

Kaj smo naredili

Za lastno parfumsko znamko smo naredili oglas z zgodbo, v kateri je izdelek gonilo zapleta in ne rekvizit. Moški se zjutraj v pisarni naparfumira. V dvigalu ga sodelavka povoha in vpraša, kaj je ta vonj. Njegova partnerka se ga v tistem trenutku oklene z besedami »Moj je …«. Parfum sproži reakcijo, reakcija sproži ljubosumje, ljubosumje je poanta.

Orodja

Postopek po korakih

1. Scenarij pred generiranjem

Najprej dramaturški lok: širina → detajl → zaplet → razplet. Oglas smo razbili na pet kadrov s točnimi dolžinami: uvodni široki kader prazne jutranje pisarne (~8 s), bližnji kader nanašanja parfuma (~8 s), prehod po steklenem hodniku (~5 s), vstop v dvigalo z zapletom (~15 s) in zaključni kader s poanto.

To ni birokracija. Če modelu ne poveš, kaj kader pove in koliko traja, ti vrne naključje.

2. Referenčni elementi — brez tega ni konsistence

Preden smo generirali prvi kader, smo zgradili knjižnico referenčnih elementov, ki se uporabi v vsakem kadru: trije karakterji (glavni junak, partnerka, sodelavka), štiri lokacije (pisarna, stekleni hodnik, avla dvigala, kabina) in izdelek — steklenička s točno obliko, etiketo in merilom.

Vsak element ima poleg opisa tudi prostorske »locke«. Pri dvigalu na primer: vrata so spredaj, upravljalna plošča desno, kamera nikoli ne gleda izza vrat. Brez teh pravil model v vsakem kadru na novo izumi prostor in gledalec takoj čuti, da nekaj ni prav — tudi če ne zna povedati kaj.

3. Enoten format prompta

Vsi kadri so bili napisani po isti shemi:

• Style — videz, svetloba, objektiv, zrno, pravila za zvok
• Characters — identitete z referencami in razločevalnimi znaki
• Scene — lokacija in prostorski locki
• CUT 1…n — objektiv, gibanje kamere, časovna okna, dialog

Ta struktura je občutno zmanjšala število ponovitev, ker model dobi eksplicitne meje namesto proste interpretacije.

4. Generiranje: najprej poceni, potem lepo

Iteracije smo delali v 720p, finalni render v 4K šele ob potrditvi kadra. Za prehode med kadri smo uporabili zaklep prvega in zadnjega frejma, da se barve in kompozicija ujamejo na rezu. Povprečno je bilo potrebnih 3 do 6 poskusov na kader; najtežji so bili kadri s tremi osebami, dialogom in 15 sekundami dolžine.

5. Barvna korekcija — kjer smo se najbolj zmotili

Prva različica filmske emulacije je bila slabša od originala. Kombinacija dveh močnih filmskih profilov je sliko prežgala, ker je bil generiran posnetek že sam po sebi dobro osvetljen in kontrasten. Klasična filmska emulacija predpostavlja raven izhodiščni material, ki ga tu ni bilo.

Končne nastavitve so bile bistveno bolj zadržane: en filmski profil (Kodak Vision3 500T) z rahlim potiskom, kontrast 1,15 s pivotom 0,40, komaj zaznaven lift navzdol, mehka vinjeta in blaga kompresija svetlih delov.

6. Zvok nosi polovico učinka

Glasba je izvirni instrumental z lastnim dramaturškim lokom: gradnja, kratek premor, vrh točno na poanti, razpeljava čez zaključni kader. Najboljši trik celotne produkcije je pol sekunde skoraj popolne tišine tik pred poanto — udarec za njo deluje občutno močneje.

Generirani dialog smo očistili z izolacijo glasu in rezom okoli 275 Hz, ki odstrani bobnenje prostora. Realizem pa v resnici nosijo zvočni učinki: tihi ambient pisarne, pšik razpršilca, ding dvigala, koraki. Brez njih je še tako lep posnetek videti kot animacija.

7. Podnapisi in naslovnice

Slovenski podnapisi so bela pisava s črno obrobo v spodnji tretjini, znotraj varnega območja — berljivo na svetlem in temnem ozadju. Naslovnice za YouTube in Reels smo generirali iz istih referenčnih elementov kot video, da se vizualno ujemajo s posnetkom.

Osem stvari, ki smo se jih naučili

Kaj AI (še) ne zmore dobro

Da ne bo pretiravanja — tehnologija ima jasne meje in dobro je vedeti, kje so:

• Kompleksne interakcije več oseb v enem dolgem kadru. Tri osebe, dialog in 15 sekund so približno meja; čez to razpade.
• Natančna geometrija dotikov. Poljub na lice brez čudnega obračanja glave zahteva zelo eksplicitne locke.
• Doslednost čez več kadrov brez referenčnih elementov. Brez knjižnice se obrazi in obleke spreminjajo.
• Besedilo v neangleških jezikih na generiranih slikah.

Zaključek: AI ne odpravi režije

Ravno nasprotno — zahteva jo bolj kot kdaj prej. Orodja danes zmorejo fotorealistične kadre, a brez jasne dramaturgije, prostorskih pravil in filmske slovnice dobiš lepe posamezne slike, ne pa filma.

Največ dela ni bilo v generiranju, ampak v odločanju: kaj kader pove, kje reže, zakaj je prav ta kot pravi. To je isti posel kot pri klasični produkciji. Razlika je, da stane bistveno manj in traja dneve namesto tednov.