Чому AI не зніме за вас кіно: наш досвід інтеграції нейромереж у вертикальні новели
Андрій Блажик
ШІ
13 травня 2026, 11:03
Чому AI не зніме за вас кіно: наш досвід інтеграції нейромереж у вертикальні новели
В AMO Pictures пошук нових технологічних рішень ніколи не був чимось надзвичайним. Ми завжди тестували, «ламали» і перезбирали пайплайни, щоб створювати якісний контент в ногу з часом. Просто сьогодні це трансформувалося в окремий R&D-напрям.
Зараз глядач диктує шалений темп споживання. Щодня на десятках застосунків виходять повнометражні вертикальні фільми, а конкуренція зростає в геометричній прогресії. Щоби встигати за цим темпом і створювати якісний контент, ми постійно адаптуємося та шукаємо нові підходи. А ще проявляємо творчість не лише в сценаріях і монтажі, а й у технічній побудові пайплайнів, роботі з даними та аналізі слабких місць.
У світі, де нові моделі виходять щотижня, треба ретельно аналізувати де технологія реально дає буст і звільняє час для творчості, а де просто створює ілюзію розвитку.
Рік постпродакшену за місяць
Світові студії давно перейшли від експериментів до реальних робочих інструментів. Наприклад, компанія Cinelytic, яка має контракти з Warner Bros., розраховує успішність сценаріїв за допомогою алгоритмів ще до початку зйомок. Netflix нещодавно випустив у open source модель Void, яка прибирає зайві об’єкти з кадру, не порушуючи водночас фізику.
Але головна різниця між великим метром і нами — це час. У Голлівуду є роки на продакшн та постпродакшен одного фільму. У нас — місяць. Тому ми не просто копіюємо досвід великих студій, а адаптуємо технології та створюємо екосистему, де починаємо будувати інструменти під себе.
Як ми використовуємо АІ в продакшені: система Human-in-the-loop
Ми — студія, що створює контент. І AI для нас — це насамперед інструмент, який прибирає зайві бар'єри, щоб наші таланти мали більше простору для самовираження.
Система human-in-the-loop допомагає нам автоматизувати роботу в пайплайні так, щоб вивільнити час для креативу.
Як це працює на практиці?
Я зазвичай ділю будь-який пайплайн на частини. Наприклад, на чотири. Перша і третя (технічна підготовка, збірка) можуть бути повністю або частково на AI. Але друга і четверта (прийняття рішень, фінальний контроль) — це завжди зона відповідальності людини. Тому дуже важливо правильно оцінювати тип задачі й підібрати правильні інструменти.
Які інструменти ми вже використовуємо в AMO Pictures?
Варіативність. Генеративні моделі відкривають можливості для швидких превізуалізацій. Це не фінальний кадр, але це допомагає команді зрозуміти, як він може виглядати й з якими задачами ми можемо зіткнутись при зйомці.
Генерація додаткових кадрів. Зйомка — це дуже активний та щільний процес, особливо у виробництві вертикальних серіалів. На відміну від великого кіно, ми знімаємо значно більше хронометражу за день.
Тому, якщо на монтажі ми розуміємо, що історію можна покращити додатковим кадром, у нас є всі інструменти, щоб зробити це на рівні, який пройде перевірку якості (QC). Наприклад, деталь пістолета, крупний план героїні, вовк чи гвинтокрил у закритому небі Києва. Моделі Kling, Veo, Seedance 2.0 легко закривають ці задачі.
VFX. Той самий вовк у кадрі раніше означав би тижні роботи та головний біль для всього відділу постпродакшену. Зараз ми робимо це швидше та якісніше. Я бачу великий вплив АІ на VFX індустрію. Наприклад, зйомка напівпрозорих об’єктів (скла чи легких суконь) на хромакеї десятиліттями була табу через дефекти під час «вирізання» фону. Нещодавно ця проблема зникла завдяки CorridorKey — системи на базі Machine Learning, яка ідеально відокремлює об’єкт від фону. Це ще один інструмент у нашому арсеналі, який розширює творчі можливості.
Скрипти. Вайбкодинг (Claude Code, Antigravity) дозволяє нам швидко створювати кастомні скрипти. Це кардинально змінило роботу з фінальним матеріалом. Один проєкт може містити 60–70 серій і раніше кожен пакет матеріалів доводилося ставити в чергу на експорт вручну, один за одним. Зараз це повністю автоматизований процес. Ми не просто економимо час, а й отримуємо значно точніший Quality Check.
Які Hard Skills потрібні командам
Я часто думаю, якою буде наша команда за два роки. І впевнений: свої скіли точно доведеться адаптовувати й вивчати нові:
- Промпт-інженерія. Уміння створювати логічний, структурований і оптимізований запит — невіддільна частина роботи вже сьогодні.
- Структурування даних. LLM краще за все працюють зі структурованими та зрозумілими для них даними. Тому чим раніше взятися за цей крок, тим легше буде надалі.
- Надивленність і творче мислення. Тільки ця навичка зможе надати відповідь, що з мільйона генерацій піде далі у виробництво.