blog · warsztat · 2026-08-18 · 7 minut czytania

Jak opisać scenę, żeby AI zrozumiało, o co chodzi

Najczęstszy powód, dla którego wygenerowany film wygląda źle, nie leży w modelu. Leży w opisie. Model dostaje tekst i próbuje go zobaczyć - jeśli nie ma czego zobaczyć, dopowiada sobie sam, a jego wyobraźnia rzadko pokrywa się z Twoją.

Zacznij od tego, co jest w kadrze

Pierwsza rzecz, którą model musi wiedzieć, to na co patrzy kamera. Nie temat, nie nastrój, nie branża - konkretny obiekt albo osoba. „Coś o jesieni" to nie jest opis sceny. „Mokre liście klonu przyklejone do szyby samochodu" już jest, bo da się to narysować.

Sprawdzian jest prosty: jeśli dziesięciu ilustratorów narysowałoby na podstawie Twojego zdania dziesięć zupełnie różnych obrazków, opis jest za ogólny.

Dopisz jedną rzecz, która się dzieje

Wideo różni się od zdjęcia tym, że coś się w nim zmienia. Statyczny opis daje statyczny materiał - technicznie poprawny i kompletnie nudny. Dodaj jeden ruch: para unosi się znad kubka, dłoń przesuwa się po materiale, światło przesuwa się po ścianie.

Jeden ruch wystarczy. Trzy naraz kończą się chaosem, bo model próbuje zmieścić wszystko w kilku sekundach i żaden nie wychodzi czysto.

Nie opisuj sprzętu, jeśli nie musisz

Krążą po internecie porady, żeby dopisywać „85 mm, f/1.4, ujęcie z ręki, taśma 35 mm". To działa, ale u nas nie ma sensu - dokładnie tę warstwę dokłada wybrany format. Kiedy wybierasz „Filmowy", do Twojego opisu trafia komplet ustawień obiektywu, światła i ruchu kamery. Jeśli dopiszesz swoje, zaczną się kłócić.

Zostaw sobie techniczne szczegóły na format „Bez szablonu", w którym Twój tekst idzie do modelu bez naszych dodatków.

Dwa mocne przymiotniki, nie dziesięć słabych

„Piękna, magiczna, niesamowita, klimatyczna scena" nie niesie żadnej informacji. „Zakurzona, przeciwsłoneczna" niesie dwie i obie widać na ekranie. Przymiotnik, którego nie da się zobaczyć, to zmarnowane miejsce w prompcie.

Czego nie pisać nigdy

• Napisów na ekranie. Tekst generowany przez model wychodzi krzywo w każdym języku - literówki, zlepki liter, znaki z innego alfabetu. Napisy dokładamy osobno, jako prawdziwą warstwę, i wtedy są czytelne.
• Nazwisk i marek. Wizerunek osób publicznych blokujemy jeszcze przed wysłaniem zlecenia, a marki lecą pod moderację dostawcy. Zamiast „w stylu znanego serialu" opisz cechy: ziarno taśmy, ciepła kolorystyka, długie cienie.
• Kilku scen naraz. Jedno zlecenie to jedno ujęcie. Jeśli potrzebujesz zmiany miejsca, zamów dłuższy materiał - złożymy go z odcinków, zachowując ciągłość postaci i scenerii.

Trzy opisy, które działają

Produkt: „Szklany flakon perfum obraca się powoli na czarnym kamieniu, kropla wody spływa po szkle, w tle unosi się delikatna mgła".

Postać: „Kobieta w płaszczu stoi na dachu wieżowca i patrzy na nocne miasto, neonowe światła odbijają się w kałużach na betonie".

Faktura: „Dłuto zdejmuje cienki wiór z deski, pył drzewny wiruje w smudze światła wpadającej przez okno starego warsztatu".

Każdy z nich mieści się w jednym zdaniu, ma podmiot, ma ruch i ma światło. To jest cały sekret.

Pisz po polsku

Nie tłumacz sobie opisu na angielski „bo model tak lepiej rozumie". Owszem, prompt docelowo idzie po angielsku, ale tłumaczymy go my - razem z całą warstwą techniczną, którą dokłada format. Twoje tłumaczenie z kalką z polskiego zwykle wychodzi gorzej niż oryginał przepuszczony przez naszą warstwę.