Automatizálás · AI a tartalomkészítésben
Termékbemutató videók: újrafelvételek és kézi vágás helyett AI-val támogatott munkamenet
Egy körülbelül ötperces termékbemutató videó elkészítése korábban legalább két ember közreműködését és 4–5 óra ráfordítást igényelt nálunk. Saját VeriDome termékünkön négyféle AI-val támogatott munkamenetet próbáltunk ki: a böngészőben felvételt készítő agenttől a saját skillre épülő feldolgozáson át a hangklónozással készült magyar narrációig.
- Feladat
- Követhető, egységes termékbemutató és oktatóvideók készítése
- Kiinduló helyzet
- Ismételt felvételek, külön kép- és hangvágás, több újrapróbálás
- Megoldás
- AI által megtervezett szerkesztés, gépi narráció és újrahasználható videófeldolgozás
Öt perc videó mögött több óra munka
A termék működését ismerő kollégának meg kellett mutatnia a folyamatot, de a felvétel ritkán lett elsőre megfelelő. Újra kellett venni egy-egy részt, előzetesen megvágni a képet, utólag szerkeszteni a hangot, majd újra ellenőrizni, hogyan illeszkedik össze a kettő.
Legalább két ember működött közre, és egy körülbelül ötperces videóra 4–5 órát is rá lehetett szánni. A ráfordítás jelentős része a bemutatás körüli ismétlődő szerkesztési feladatokra ment el.
A célunk az volt, hogy a termék szakértője a bemutatandó működésre koncentrálhasson, a felvétel feldolgozásának minél nagyobb részét pedig átvehesse az AI és az automatizálás.
Négyféleképpen próbáltuk ki a videókészítést
A próbák során a felvétel elkészítésének módját, az agent irányítását és a magyar narrációt is vizsgáltuk. A négy változatból az is kiderült, mennyi emberi útmutatást igényel a folyamat, és mit érdemes újrahasználható tudásként átadni az agentnek.
01 · Külső leírás alapján, ElevenLabs-narrációval
A felvételt is az agent készítette
Az első megközelítéshez egy más által összeállított leírást használtunk. Az agent a böngészőn keresztül hozzáfért a termék felületéhez, visszajelzéseket kapott az állapotokról, maga készítette a képeket és rögzítette a bemutatót. A narrációhoz ElevenLabs-t használt.
A munkamenet jól végigvezette a feladaton, de az irányítása körülményes volt. Nagyon aprólékosan kellett elmondanunk, mit szeretnénk látni: az agent önálló munkájához sok előzetes magyarázat és közbeni pontosítás kellett.
A kiinduló leírás ráadásul más felhasználási esetre készült. Emiatt többször kellett eltérítenünk az eredeti megoldástól, és megmutatnunk, hogy a következő problémát a mi bemutatónkban más módon kell megoldani. A tapasztalat alapján a saját feladathoz illeszkedő, újrahasználható útmutatót készítettünk.
02 · Saját skill, ElevenLabs-narrációval
A saját munkamenetet megtanítottuk az agentnek
A második megközelítéshez már saját skillt építettünk: olyan újrahasználható útmutatót, amely a mi videókészítési feladatunkra adja meg az agentnek a feldolgozás menetét. Így a bemutatóinkhoz szükséges lépéseket nem kellett minden alkalommal elölről, részletesen elmagyarázni.
Ebben a változatban egy meglévő néma képernyőfelvételből indultunk. Az AI azonosította a lényeges lépéseket, jelenetekre bontotta a bemutatót, megtervezte a vágást, és megírta a magyar narrációt. A hang ElevenLabs segítségével készült.
03 · Saját skill, Azure Speech-narrációval
Ugyanazt a feldolgozást másik hangszolgáltatással is kipróbáltuk
A harmadik változat ugyanazt a saját skillt használta, a narrációt viszont az Azure Speech magyar Tamás hangjával készítettük el. Így új képernyőfelvétel nélkül tudtuk összehasonlítani a két szolgáltatással készült magyar hangváltozatot.
A jelenetekre bontás és a videó összeállításának menete újra felhasználható maradt, miközben a narráció szolgáltatóját és hangját változtattuk.
04 · ElevenLabs, hangklónozással
A narráció hangklónozással is elkészült
A negyedik megközelítésben ismét ElevenLabs-t használtunk, ezúttal hangklónozással. A gépi narráció így egy hangminta alapján létrehozott hangon szólalt meg. Ehhez sem kellett a teljes bemutatót újra végigmondani és felvenni.
Az alább beágyazott videó ennek a legutóbbi változatnak az eredménye.
Nézd meg az elkészült bemutatót
A VeriDome Flexi szabad szavas keresését bemutató videó végigvezet a korábbi felvétel kiválasztásán, az elemzés beállításán és elindításán, majd a „kék busz” keresés találatainak megnyitásán.
Az ismétlődő feldolgozás újra használható
A saját skillre épülő munkamenetben a tartalom értelmezését, a jelenetek megtervezését és a szövegírást az AI végzi. A hanggeneráláshoz, az időzítéshez és a videó összeállításához újrahasználható program készült.
A program jelenetenként létrehozza a narrációt, megméri a hang hosszát, és ehhez igazítja a videó időzítését. A már elkészült, változatlan hangrészeket megőrzi és újra felhasználja. A hosszú feldolgozási várakozást a bemutatóban lerövidítettük, ennek jelzésével.
A magyar magyarázó feliratok, a zöld kiemelések és az egységes megjelenés segítik a folyamat követését. A narráció külön készül a képernyőfelvételtől, így a megfogalmazás vagy a hang módosításához nem kell újra felvenni a teljes bemutatót.
Mit mutatott meg a négy próba?
A böngészőben dolgozó agenttel a képek és a felvétel elkészítését is kipróbáltuk. Ennek a megközelítésnek a nehézségét a részletes irányítás és az általános leírás saját feladathoz igazítása adta. A saját skillben már a mi bemutatóink feldolgozásának menetét rögzítettük, amelyet többféle narrációval is használni tudtunk.
A saját skillre épülő próbákban a 94 másodperces néma felvételből hét jelenetes termékbemutató készült:
- ElevenLabs-narrációval körülbelül 50 másodperces videó;
- Azure Speech magyar Tamás hangjával körülbelül 58 másodperces változat;
- ElevenLabs-hangklónozással a fent látható, körülbelül 48 másodperces bemutató.
A próbák megmutatták, hogy a felvétel utáni szerkesztés és narrációkészítés jelentős része átadható az AI-val támogatott folyamatnak. A megfelelően összeállított saját útmutató és az újrahasználható feldolgozás a következő videókhoz is alapot ad.
A korábbi 4–5 órás ráfordítás hosszabb, körülbelül ötperces videókra vonatkozott; ezekből a rövidebb próbákból közvetlen időmegtakarítási arány nem számolható. A kész anyag szakmai, képi és hangzásbeli ellenőrzése továbbra is része a munkának.
Nálatok is a szerkesztés miatt maradnak el a bemutatóvideók?
Termékbemutatók, belső oktatóanyagok és ügyféltámogatási útmutatók készítésénél is sok az ismétlődő feladat. A felvétel, a vágás, a magyarázat és a narráció összehangolásával ezekből egységes, újra használható munkamenet építhető.
Mutass egy tipikus bemutatót, és nézzük meg, mely lépéseit lehet átadni az AI-nak és az automatizálásnak.
Beszéljünk a bemutatódról →