Глоссарий AI-кино: 24 термина для начинающих

Тексты о кино и ИИ полны заимствованных технических слов, и их часто используют вольно. Этот глоссарий определяет те, что встретятся вам в статьях об AI-кино и сгенерированных с ИИ кадрах, — примерно в том порядке, в каком создаётся один такой кадр. Определения намеренно простые, и каждое заканчивается тем, что важно на экране.

Модель и то, как она учится

Модель

Модель — это система, превращающая вход — промпт, изображение, кадр — в выход: сгенерированный кадр, метку, следующее слово. В текстах о кино под «моделью» обычно понимают весь генеративный инструмент, а не один компонент внутри него.

Параметры и веса

Выученные числа внутри модели. Обучение их меняет; инференс использует их, не изменяя. Когда модель называют «большой», обычно имеют в виду количество параметров.

Обучение

Процесс настройки весов модели на данных, обычно через сравнение выходов с целями и сдвиг весов, чтобы уменьшить ошибку. Обучение дорого и чаще всего происходит задолго до того, как вы вообще прикоснётесь к инструменту.

Инференс

Запуск обученной модели для получения выхода. Генерация — это инференс: обучение не происходит, а знания модели заморожены в той точке, где закончилось обучение.

Промпт

Текст инструкции — иногда вместе с изображением, — который задаёт условия генерации. Промпт направляет выход, но это не код. Одинаковые промпты могут давать разные результаты у разных моделей и версий.

Токен

Единица текста, которую обрабатывает модель, часто слово или часть слова. Количество токенов важно, потому что лимиты контекста и стоимость измеряются в токенах.

Мультимодальная модель

Модель, работающая более чем с одним видом входа или выхода: например, текст плюс изображения или звук. Большинство нынешних видеоинструментов мультимодальны хотя бы в этом смысле.

Как строится сгенерированный кадр

Латентное пространство

Сжатое числовое представление изображений или видео. Модели работают в этом пространстве, потому что оно меньше и глаже сырых пикселей, а соседние точки обычно выглядят похоже. «Латентная прогулка» означает движение между точками для постепенного изменения.

Вариационный автоэнкодер (VAE)

Пара сетей, которая сжимает изображение в латентное представление и восстанавливает его обратно. Во многих инструментах для изображений VAE — та часть, что декодирует латентный результат в пиксели.

Диффузионная модель

Генеративная модель, обученная обращать постепенное зашумление: она учится шаг за шагом убирать шум, пока не появится изображение или клип. Подход был изложен в работе, представившей denoising diffusion probabilistic models.

Шаги сэмплинга

Количество шагов удаления шума, которые делает модель. Больше шагов могут добавить детали, но требуют времени и не гарантируют лучший результат.

Сид

Случайное число, с которого начинается шум. Повторное использование сида с той же моделью, настройками и программой может близко воспроизвести изображение. Смените версию модели или платформу — результат может уплыть.

Guidance scale

Настройка, управляющая тем, насколько строго модель следует промпту; часто реализуется как classifier-free guidance. Низкие значения дают более свободные и неожиданные результаты; очень высокие склонны давать хрупкие или перенасыщенные изображения.

Чекпойнт

Сохранённый файл с весами модели, обычно вместе с компонентами, нужными для запуска конкретной модели. Разные чекпойнты одного семейства могут выглядеть и вести себя совсем по-разному.

LoRA

Сокращение от Low-Rank Adaptation: небольшой набор обучаемых матриц, добавленных к замороженной базовой модели. Она учит стиль, персонажа или концепцию с куда меньшим числом обучаемых параметров, чем полный файнтюнинг.

Файнтюнинг

Дальнейшее обучение предобученной модели на новых данных. LoRA — один из эффективных способов это сделать, а слово «файнтюнить» часто используют вольно для любой адаптации.

ControlNet

Надстройка, которая ставит диффузионную модель в зависимость от пространственной информации — позы, карты глубины, контурного изображения, — чтобы выход следовал заданной структуре, а не выдумывал свою.

Inpainting и outpainting

Заполнение или замена части изображения (inpainting) либо расширение его за исходные границы (outpainting). И то и другое обычно при чистке кадров и достройке декораций.

Создание движения

Интерполяция кадров

Синтез новых кадров между существующими, чтобы поднять частоту кадров или замедлить материал. Старые инструменты использовали оптический поток; новые — обученные модели. Интерполяция может сгладить движение, но не вернёт то, что не было снято.

Временная согласованность

Насколько последовательность остаётся связной от кадра к кадру: лица, одежда, свет и физика. Слабая временная согласованность проявляется как мерцание, морфинг или объекты, меняющиеся между кадрами.

Результат и доказательства

Галлюцинация

Правдоподобный, но ложный результат: объект, возникающий из ниоткуда, рука с лишними пальцами, текст, который почти складывается в слово. Термин описывает уверенную бессмыслицу, а не техническую неисправность с одной причиной.

Дипфейк

Синтетическое или подделанное видео или аудио, обычно с лицом или голосом человека, созданное с помощью глубокого обучения. Слово часто используют вольно для любой убедительной подделки, но полезное определение называет конкретную технику и конкретный вред.

AI-апскейл

Повышение разрешения с помощью обученной модели. Он может повышать резкость реальных деталей, но также может выдумать детали, которых в источнике не было, — поэтому этика реставрации обращает на это внимание.

C2PA и Content Credentials

C2PA — открытый технический стандарт для записи происхождения и истории правок цифрового контента. Content Credentials — название этих метаданных в потребительских инструментах. Это подписанное утверждение о происхождении, а не доказательство правдивости контента.

Почему этот словарь важен

Эти термины не нейтральны. Рецензия, говорящая, что кадр «сделан с помощью ИИ», почти ничего не сообщает: рисованная анимация, диффузионная модель и дипфейк все подходят под эту фразу. Понимание конвейера позволяет задавать более точные вопросы — какая модель, на чём обучена, кем запущена, как смонтирована. Именно эти вопросы превращают смутную реакцию в критику.

Чтобы пройти по фильмам, которые ставят большие вопросы, начните с путеводителя по фильмам про ИИ. Практическую сторону проверки синтетического материала разбирает как распознать сгенерированные ИИ кадры. А если нужна производственная механика, а не словарь, читайте как работают видеомодели ИИ.