Rolki z AI bez nagrywania: automat z wirtualną asystentką

We wrześniu opisałem, jak oddałem systemowi posty na Facebooka, LinkedIn i Instagram. Zostało wideo. Bez rolek trudno dziś prowadzić Instagram, a nagrywanie siebie trzy razy w tygodniu to dla właściciela małej firmy pierwsza rzecz, która wypada z kalendarza. W listopadzie zbudowałem więc drugi automat, tym razem do filmów.

Opisuję go na własnej firmie, bo tylko tu mogę pokazać wszystko: koszty, błędy i decyzje, których żałuję. Nazw dostawców modeli wideo i głosu celowo nie podaję. Modele i ceny zmieniają się co kilka tygodni, a schemat zostaje ten sam.

Jak działa automat

Najważniejszy jest scenariusz. Model językowy dostaje stały przepis: haczyk w pierwszych trzech sekundach, problem klienta, rozwiązanie, efekt i zaproszenie na stronę. Do tego zasady firmy, czyli to samo, co przy postach: żadnych obietnic, nazw konkurencji ani liczb bez źródła. Dopiero do gotowego tekstu dobierane są sceny, a nie odwrotnie.

Drugi przepływ co 15 minut sprawdza, czy na Instagramie pojawiła się nowa rolka, i publikuje ją jako Reels na Facebooku oraz jako wideo na LinkedIn. Każdy krok, który może się nie udać, ma alarm na Telegramie: model nie oddał filmu w czasie, Instagram nie przyjął pliku, token platformy wygasł.

Dlaczego nie klon właściciela

Pierwszy pomysł był oczywisty: cyfrowy klon mnie, z moją twarzą i moim głosem. Zrobiłem test i zrezygnowałem. Klon, który wygląda „prawie jak ja”, szkodzi bardziej niż postać wymyślona. Widz od razu czuje, że coś jest nie tak, i przypisuje to osobie, którą zna. Przekonujący klon wymaga sesji nagraniowej i płatnych narzędzi z weryfikacją tożsamości, a to już nie jest automat na trzy rolki w tygodniu.

Zamiast tego rolki prowadzi Sybi, wirtualna asystentka Systembox. Przedstawia się jako AI na początku filmu, a w opisie konta jest napisane, kto za nią stoi. Firma, która wdraża AI, pokazywana przez własną asystentkę AI, to przy okazji pokaz tego, co robimy. Mój głos usunąłem z narzędzia, w którym robiliśmy test.

Ta sama twarz w każdym filmie

Modele wideo przy każdym zleceniu rysują postać od nowa. Bez zabezpieczenia Sybi w poniedziałek ma inną fryzurę niż w środę. Rozwiązaniem jest karta postaci: kilka zatwierdzonych kadrów z różnych kątów i w różnych miejscach, które automat podaje modelowi jako wzorzec przy każdej scenie. Ten sam lektor, te same kolory napisów i ten sam układ końcowej planszy robią resztę.

Ile to kosztuje

Najdroższy jest ruch kamery w wysokiej rozdzielczości. Kusi, żeby wszystko zrobić taniej, w 720p. Sprawdziłem: oszczędność to około 2 USD na rolce, a twarz w 720p na telefonie widać jako miękką. Rozsądniej jest płacić za ujęcia z twarzą, a tańsze ustawienia zostawić na przebitki, czyli detale i szerokie plany.

Osobny koszt to testy. Pierwszego dnia automat ruszył 12 razy, a gotowy film dały 3 przebiegi. Reszta to klucze z limitem, odrzucenia przez filtry treści, puste konto u dostawcy modelu i poprawki w montażu. Budżet na pierwszy tydzień warto więc liczyć kilka razy wyżej niż koszt jednej rolki.

Gdzie człowiek musi zostać

• Akceptacja każdej rolki. Automat nie publikuje niczego bez kliknięcia. Model potrafi napisać zdanie, którego firma nie powinna powiedzieć, a film z twarzą i głosem trudniej po cichu poprawić niż post.
• Temat i przesłanie. Automat rotuje usługi, ale o tym, co firma chce w tym miesiącu powiedzieć, decyduje człowiek.
• Prawdziwe nagrania od czasu do czasu. Raz w miesiącu krótki film z telefonu, ze mną i z prawdziwej pracy, przypomina, że za Sybi stoją ludzie.
• Żadnych udawanych klientów. Wirtualna asystentka może tłumaczyć, jak coś działa. Nie może grać zadowolonego klienta ani opowiadać realizacji, której nie było.

Dla kogo to ma sens

Wyników zasięgów jeszcze nie podaję. Pierwsze rolki wyszły 11 listopada, a po kilku dniach liczby niczego nie mówią. Wrócę do tego wpisu po miesiącu i dopiszę, co faktycznie przyniosły.

FAQ: najczęstsze pytania