Animacja z AI bez dopłat. Ucięte ręce wymagały trzech poprawek

Animację dla dzieci da się zrobić z pomocą AI na domowym laptopie, bez dopłat ponad dwa abonamenty. Tak wynika z wpisu japońskiego autora podpisanego hotto_ken, opublikowanego 11 października w Zenn, japońskim serwisie z tekstami programistów. Rachunek pracy: dwa dni, 18 poleceń, cztery przeróbki filmu.

Autor zawodowo pracuje z generatywną AI od premiery ChatGPT. Claude Code, narzędzie firmy Anthropic, samo pisze i uruchamia programy na podstawie poleceń wpisanych zwykłymi słowami. Powód był domowy. Autor chciał pokazać dziecku serię krótkich filmów o prostych prawdach, na przykład o tym, że trudno mieć zapał przed rozpoczęciem pracy. Każdy odcinek trwa dwie, trzy minuty.

Sprzęt jest przeciętny. Laptop ma kartę graficzną z 6 GB pamięci i 16 GB pamięci operacyjnej. Claude Code napisał scenariusz i programy składające film. Postaci i tła narysował generator obrazów Codex z abonamentu ChatGPT. Głosy dał VOICEVOX, japoński program do czytania tekstu na głos, darmowy. Klatki, czyli pojedyncze obrazki składające się na film, łączył w plik wideo darmowy program ffmpeg.

Autor nie podaje, z jakich planów korzysta. Najtańszy plan Claude z dostępem do Claude Code, Pro, kosztuje według Anthropic 20 dolarów miesięcznie. Po średnim kursie NBP z 9 października to około 78 zł. Cena w złotych może się różnić, bo w części krajów producent dolicza podatek dopiero przy płatności.

Pierwszy film wyglądał na nieruchomy. Autor zmierzył to wrażenie skryptem: film rozłożony na 12 klatek na sekundę, a klatka liczy się jako „ruchoma”, gdy względem poprzedniej zmieniło się co najmniej 0,2 procent pikseli. Tę samą miarę przyłożył do kreskówki z YouTube, na której się wzorował.

Liczba wskazała, co poprawić. Doszły drobne ruchy, jakie ludzie robią w rozmowie bezwiednie. Postać oddycha, kiwa głową przy przecinkach i kropkach, przechyla ją przy pytaniu. Słuchający też przytakuje. Kamera lekko się przybliża do mówiącego. Z wzorcowej kreskówki autor przejął tylko liczby: układ odcinka, podział czasu, tempo mowy, zakres wysokości głosu i kolory. Teksty, rysunki i głosy są własne.

Żeby ruszały się płynniej, postaci podzielono na części obracane w stawach: głowę, ramię i przedramię, jak u kukiełki na drucikach. Ruchu przybyło. Rysunki z generatora były w stylu anime i tworzone jako nieruchome ilustracje. Po obróceniu ramienia odsłaniało się miejsce, jakiego nikt nie narysował: wnętrze barku i głąb rękawa. Autor odpisał w Claude Code krótko: „ręce są poucinane, wygląda to obrzydliwie”.

• Wersja trzecia: postaci w płaskich kolorach, a ręce dorysowane od nowa jako figury w tym samym kolorze. Szczeliny zniknęły, ale na nadgarstku powstał uskok, cień układał się w schodki, a w pozie „zamyślenia” dłoń nie sięgała brody.
• Wersja czwarta: postaci narysowane od początku z myślą o ruchu. Ręce jako rurki odsunięte od tułowia, dłonie w kształcie rękawiczki z jednym palcem, nic na barkach (bez uszu kaptura i włosów opadających na ramiona). W stawie wystarczyło położyć kółko w kolorze ubrania. Ruch: od 86,6 do 98 procent klatek.
• Wersja ostateczna: jeszcze tego samego dnia autor uznał okrągłe łokcie za nie do przyjęcia. Ręka przestała być dzielona na części. Program rysuje ją w każdej klatce od nowa jako jeden kształt przez bark, łokieć i nadgarstek, zaokrąglony na zewnątrz łokcia, ostry od wewnątrz.

Przez dwa dni autor wysłał do Claude Code 18 poleceń. Sam autor poświęcił trzy do pięciu godzin, zwykle przy okazji innych zajęć: słuchał, oglądał, wytykał błędy.