Нейросети научились создавать реалистичные портреты, анимировать фотографии и переносить людей в совершенно новые локации. Но иногда самая сложная задача для генеративного ИИ выглядит довольно просто: заставить двух персонажей правильно взаимодействовать с обычными предметами.

Например, со столиками в кафе.
В меме «Это столики» комический эффект строится вокруг необычной мебели и поведения персонажей. Мужчина располагается на миниатюрном настенном столике и спокойно пьёт кофе. Затем в сцене появляется девушка, а дальнейшие действия превращают обычную ситуацию в абсурдную зарисовку.
Для зрителя происходящее выглядит как короткий комедийный скетч. Для нейросети это целая последовательность задач: сохранить внешность двух людей, правильно расположить их в пространстве, согласовать движения и избежать ошибок при взаимодействии с мебелью.
Разберём, почему такие ролики сложно генерировать вручную, какие фотографии подходят для создания сцены и как повторить мем с помощью готового пресета «Это столики» в SpeShu.AI.
Как устроен мем «Это столики»
В коротких комедийных видео часто используется один и тот же принцип: зритель видит знакомую обстановку, но персонажи ведут себя неожиданным образом.
В случае с «Это столики» таким элементом становится мебель.
В демонстрационном сценарии мужчина в тёмной водолазке располагается на небольшом настенном столике и пьёт кофе. Рядом появляется светловолосая девушка в джинсах, которая занимает соседнее место. Мужчина меняет положение, а в финале оба персонажа продолжают спокойно пить кофе за отдельными столиками.
Весь юмор строится на несоответствии между назначением предметов и действиями героев.
При этом персонажи ведут себя максимально естественно. Они не демонстрируют удивления и не пытаются объяснить происходящее. Именно такая невозмутимость усиливает абсурдность ситуации.

Для повторения этого сюжета с помощью ИИ важно сохранить три составляющие: узнаваемое окружение, последовательность взаимодействий и спокойные реакции персонажей.
Если изменить хотя бы один элемент, результат может оказаться визуально интересным, но потерять комедийный эффект оригинальной постановки.
Почему нейросетям сложно взаимодействовать с предметами
Создать изображение человека рядом со столом относительно просто. Гораздо сложнее правильно показать момент, когда персонаж садится на поверхность, переносит вес тела или меняет положение.
Причина связана с тем, как генеративные модели воспроизводят движение.
Современная видеомодель может создавать последовательность визуально согласованных кадров. Однако убедительное изображение движения ещё не гарантирует соблюдения физических законов.
Нейросеть может сгенерировать ситуацию, в которой рука проходит сквозь предмет, ноги меняют длину, а человек оказывается над поверхностью, на которой должен сидеть.

Для сцены «Это столики» особенно важны три аспекта.
Контакт человека с поверхностью
Когда персонаж садится, положение его тела должно соответствовать высоте опоры.
Таз, ноги и позвоночник меняют положение относительно друг друга. Стопы могут оставаться на полу или перемещаться в зависимости от конструкции предмета.
Если модель неправильно определяет геометрию мебели, персонаж может выглядеть так, будто висит в воздухе.
Сохранение размеров объектов
В генеративном видео предметы иногда меняют форму между кадрами.
Например, небольшая настенная поверхность может внезапно увеличиться, изменить толщину или превратиться в полноценное сиденье.
Такая ошибка особенно заметна в сценах, где мебель играет центральную роль.
Согласованность движений двух людей
Если в кадре одновременно находятся два персонажа, модель должна учитывать положение каждого.
Один человек может сидеть, пока другой подходит к соседнему столику. Затем первый меняет положение, а второй остаётся практически неподвижным.
Это последовательные действия, которые необходимо правильно распределить во времени.
При неудачной генерации оба персонажа начинают двигаться одинаково или неожиданно меняются местами.
Поэтому короткая юмористическая сценка может оказаться технически сложнее красивого видеопортрета с плавным движением камеры.
Пресет «Это столики»: готовая постановка для двух персонажей
Чтобы самостоятельно создать подобную сцену, обычно приходится подробно описывать окружение, действия героев, расположение предметов и последовательность движений.
В SpeShu.AI есть готовый пресет «Это столики», который относится к категории «Стань героем мема».

Он предназначен для создания видео с двумя персонажами на основе загруженных фотографий.
Главная особенность сценария заключается в том, что пользователю не требуется самостоятельно придумывать постановку. Комедийная ситуация, расположение героев и основная последовательность событий уже предусмотрены шаблоном.
При этом внешность участников можно заменить на людей с собственных фотографий.
Такой подход позволяет превратить знакомых, друзей или коллег в героев короткого абсурдного скетча.
Как сделать видео «Это столики» с помощью нейросети
Для использования пресета понадобятся две отдельные фотографии людей в полный рост.
Это важное требование: на снимках должна быть видна вся фигура, включая обувь.
Разберём процесс по шагам.
Шаг 1. Подготовьте две фотографии
В отличие от обычного оживления портрета, здесь лучше использовать изображения, на которых полностью видны оба человека.
Нейросети предстоит воспроизвести движения не только лица, но и всего тела. Поэтому важны пропорции ног, положение рук, обувь и общий силуэт.

Для лучшего результата выбирайте фотографии, на которых:
-
человек изображён в полный рост, от головы до обуви;
-
фигура не перекрыта мебелью или посторонними предметами;
-
хорошо различимы лицо, руки и ноги;
-
нет сильного размытия и искажений перспективы;
-
одежда не сливается с фоном.
Желательно использовать снимки, сделанные примерно с уровня глаз или груди. Сильный ракурс сверху или снизу может усложнить восстановление пропорций.

Обрезанный портрет по пояс для такого сценария не подходит: модели придётся самостоятельно достраивать нижнюю часть тела и обувь.
Шаг 2. Выберите пресет
Откройте «Это столики» в SpeShu.AI.
На странице пресета можно ознакомиться с примером результата и перейти к генерации.

Вместо самостоятельного написания сложного промпта вы используете заранее подготовленный сценарий.
Шаг 3. Загрузите изображения
Добавьте две фотографии в соответствующие поля.
Перед запуском проверьте, что оба исходника подходят по требованиям. Особенно важно, чтобы обувь и нижняя часть тела были видны полностью.
Если изображение обрезано, лучше заранее заменить его другим.
Шаг 4. Запустите генерацию
После загрузки фотографий запустите создание видео.
Нейросеть должна воспроизвести заданную сцену, используя внешность людей с референсов.

Длительность ролика, условия генерации и стоимость стоит проверить непосредственно в интерфейсе пресета перед запуском.
Шаг 5. Проверьте результат
Готовое видео желательно просмотреть несколько раз, уделяя внимание разным деталям.
На первом просмотре оцените, насколько узнаваемыми получились персонажи.
На втором обратите внимание на положение тела и контакт с мебелью.
На третьем проверьте последовательность событий: нет ли неожиданных перемещений, исчезающих объектов или нарушений движения.
Если в видео появились заметные ошибки, попробуйте заменить исходные фотографии на более качественные.
Какие ошибки чаще всего возникают при генерации подобных сцен
Мем «Это столики» хорошо демонстрирует типичные трудности генеративного видео.
Человек зависает над мебелью. Модель недостаточно точно воспроизводит положение тела относительно поверхности. Для исправления при ручной генерации можно подготовить более удачный стартовый кадр с хорошо видимой точкой контакта.
Ноги меняют длину. Ошибка может возникать при смене положения персонажа. Чем больше движений содержит один фрагмент, тем заметнее такие нарушения.
Столик превращается в стул. Модель может попытаться привести необычную ситуацию к привычной, изменив конструкцию мебели. Поэтому при ручной генерации важно явно закреплять форму и размеры предмета.
Персонажи меняются внешностью. Это характерная проблема сцен с несколькими людьми. Помогают качественные отдельные референсы и постоянное закрепление ролей.
Движения выглядят слишком резкими. Когда в коротком видео задано много действий, модель может ускорять их, чтобы уложить всю последовательность в доступную длительность.
Меняются чашки и другие мелкие предметы. Взаимодействия рук с небольшими объектами требуют точной согласованности. Чашка может изменять форму, исчезать или проходить сквозь пальцы.
При оценке результата важно понимать, что даже удачный отдельный кадр ещё не означает качественное видео. Основные ошибки часто появляются именно во время движения.
Почему для мемов важна предсказуемость сценария
В обычной творческой генерации неожиданный результат иногда становится преимуществом.
Например, если пользователь просит создать фантастическую сцену, модель может предложить необычную композицию или движение камеры. Это расширяет пространство для экспериментов.
С мемами ситуация другая.

Их узнаваемость зависит от конкретных действий, последовательности событий и визуальных деталей.
В случае «Это столики» недостаточно просто сгенерировать двух людей в кафе. Нужно сохранить абсурдное расположение персонажей, их спокойные реакции и комический ритм.
Если нейросеть переставит мебель или заменит основное действие другим, смысл шутки изменится.
Поэтому готовые сценарии особенно полезны для воспроизведения мемов. Они помогают сократить количество параметров, которые пользователь должен задавать вручную.
При этом предсказуемость остаётся относительной: результат зависит от исходных изображений и возможностей конкретной модели.
Как подготовить ИИ-мем к публикации
После генерации можно добавить несколько элементов, которые помогут зрителю понять шутку.
Звук. Если у исходного мема есть характерное аудиосопровождение, его можно использовать через доступные музыкальные инструменты площадки с учётом авторских прав.
Субтитры. Короткая фраза в начале видео может обозначить ситуацию. Однако избыточный текст способен отвлечь внимание от действий персонажей.
Вертикальный формат. Для коротких роликов в социальных сетях часто выбирают соотношение сторон 9:16. При кадрировании важно оставить видимыми персонажей целиком и не обрезать мебель, на которой строится шутка.
Отметка об ИИ. Если реалистичное видео может быть принято за настоящую съёмку, стоит указать, что оно создано с помощью нейросети.
Если в ролике используется внешность другого человека, необходимо учитывать его согласие на создание и публикацию такого контента.
Итог
Мем «Это столики» показывает, что даже короткая юмористическая сценка может стать интересной задачей для генеративного ИИ.
Модели необходимо работать с двумя персонажами, сохранять их внешность, воспроизводить движения в полный рост и правильно отображать взаимодействие с предметами.
При ручной генерации такой сюжет удобнее собирать последовательно: подготовить исходные кадры, задать действия, анимировать отдельные фрагменты и объединить их на монтаже.
Если же хочется повторить узнаваемую постановку без самостоятельной настройки каждого элемента, можно воспользоваться пресетом «Это столики» в SpeShu.AI.
Для генерации понадобятся две отдельные фотографии людей в полный рост, на которых хорошо видна обувь.
Подобные сценарии интересны с технической точки зрения: они позволяют наглядно увидеть, насколько современные видеомодели справляются с человеческой анатомией, движением и физическим взаимодействием с окружающими объектами.
ссылка на оригинал статьи https://habr.com/ru/articles/1109050/