O czym jest ten film
- Autor testuje cztery poziomy promptowania w Seedance 2.5 na tym samym produkcie — bezprzewodowych słuchawkach — i porównuje efekty.
- Poziom pierwszy to pojedynczy obraz referencyjny i prompt napisany zwykłym, potocznym językiem.
- Poziom drugi dodaje porządny arkusz referencyjny produktu oraz wygenerowane wcześniej ujęcia z konkretnych kątów i w konkretnym otoczeniu.
- Poziom trzeci wprowadza formułę promptową: podmiot, akcja, tło, ruch kamery, styl.
- Poziom czwarty to pełny, mocno ustrukturyzowany workflow z powiązaniem wszystkich assetów z promptem.
- Na każdym poziomie autor generuje wersję 720p i 1080p, żeby sprawdzić, czy różnica jest widoczna.
- Prosty prompt daje zaskakująco dobry efekt, ale odbiera kontrolę nad kadrami, ruchem i wiernością produktu.
- Im więcej elementów w scenie — postać, lokacja, akcja — tym bardziej brak precyzji w prompcie zamienia się w losowość.
- Łączny koszt wszystkich testów to 2085 kredytów Higgsfield, przy czym najwięcej pochłonęły generacje w 1080p.
- Wniosek autora: 1080p nie zawsze wygrywa, bo 720p da się upscalować, a prawdziwą przewagę daje warsztat promptowania i koncepcyjny.
Redakcyjne tłumaczenie
(Informacja dodatkowa: automatyczna transkrypcja przekręca nazwy własne — „Cines 2.5” i „Stable Diffusion 2.5” to w rzeczywistości Seedance 2.5, model generujący wideo, a „Hicks Field” i „XZ” to platforma Higgsfield, sponsor materiału. W tłumaczeniu przywrócono poprawne nazwy.)
Pytanie wyjściowe
Ile tak naprawdę znaczy promptowanie? Czy 1080p jest zawsze lepsze od 720p? I w którym momencie prompt robi się po prostu zbyt skomplikowany?
Przetestowałem wszystkie poziomy promptowania na tym samym produkcie, a w tym materiale przyglądamy się rezultatom — od poziomu początkującego aż po mój pełny workflow — żeby sprawdzić, czy różnica faktycznie istnieje.
Koncepcja jest bardzo prosta. Chciałem wypróbować różne poziomy promptowania i zobaczyć, jak mocno wpływają na efekty, które dostaję z Seedance 2.5. Do tego przy każdym poziomie porównuję rozdzielczość 1080p z 720p, żeby sprawdzić, czy w ogóle da się zauważyć różnicę.
Wydałem na te testy sporo kredytów i pod koniec materiału podam dokładną kwotę. Jeśli chcecie pracować razem ze mną, w opisie znajdziecie link do wszystkich assetów i wszystkich promptów. Dziękuję też Higgsfield za sponsoring materiału i za wsparcie kredytami, dzięki którym mogłem zrealizować te koncepcje.
Poziom pierwszy — tak zaczynają wszyscy
Poziom pierwszy to punkt startowy każdego: jeden obraz referencyjny i prompt tekstowy napisany tak, jak pisze zwykły człowiek formułujący prośbę.
„Stwórz kinową reklamę tych bezprzewodowych słuchawek. Ma wyglądać fajnie i nowocześnie, ciemnoniebieskie gradientowe studio, dobry montaż, efekty dźwiękowe i muzyka. Wysoka jakość.”
Efekt jest naprawdę imponujący jak na tak prosty prompt — i to dobrze pokazuje siłę Seedance 2.5.
Ale przy takim sposobie promptowania pojawia się kilka problemów. Po pierwsze, nie mamy żadnej kontroli nad kątami kamery, ruchami ani nad tym, co właściwie dzieje się w reklamie. Po drugie, ponieważ podaliśmy tylko jeden obraz referencyjny, pokazujący produkt z jednej strony, model dołożył pokrętło i przyciski po obu stronach produktu. To błąd — w tym konkretnym modelu powinny znaleźć się tylko po jednej stronie.
To są typowe koszty maksymalnego uproszczenia: dajesz Seedance 2.5 pełną swobodę w wymyślaniu tego, co się wydarzy i jak wszystko będzie wyglądać.
Poziom drugi — odzyskiwanie kontroli nad produktem
Żeby to naprawić, na poziomie drugim przejmujemy więcej kontroli. Najpierw tworzymy dokładniejszy arkusz referencyjny produktu. Następnie generujemy konkretne ujęcia i kąty produktu w konkretnym otoczeniu, przewidzianym dla tej reklamy.
Przechodząc z poziomu pierwszego na drugi, możesz też zacząć korzystać z narzędzi pomagających pisać prompty do obrazów, których potem użyjesz w wideo. Ja na przykład stworzyłem te obrazy przy pomocy własnego skilla do pisania promptów obrazowych, który można pobrać za darmo z opisu.
(Informacja dodatkowa: „skill” oznacza tu zapisany zestaw instrukcji dla asystenta AI, wywoływany na żądanie — nie osobną aplikację.)
Puściłem tę samą reklamę na tych samych assetach i z dość prostym promptem, w 720p i w 1080p.
Powiedzcie szczerze — czy dało się rozpoznać, która wersja to 720p, a która 1080p? Nie wiem, jak dobrze to przechodzi przez kompresję YouTube’a, ale wersja 1080p ma zdecydowanie więcej detalu.
Widać też, że w tej odsłonie mamy znacznie większą kontrolę nad kątami kamery i ruchami produktu niż na poziomie pierwszym. Do tego produkt pozostaje spójny z ujęcia na ujęcie. Jeśli chodzi o detal, 1080p wygląda ostrzej, ale nie sądzę, żeby różnica między dwiema wersjami była w tym przypadku duża.
Poziom trzeci — tu większość ludzi się wykłada
Na poziomie trzecim przestajesz pisać zdania, a zaczynasz używać jakiejś formuły promptowej. Dość podstawowa formuła, od której ludzie zaczynają, wygląda tak: podmiot, akcja, tło, ruch kamery, styl.
Używamy więc tej samej referencji produktu, tworzymy referencję postaci i lokacji, a potem stosujemy wspomnianą strukturę formuły. Mimo to wciąż zostawiamy na stole bardzo dużo — co odkryjemy na poziomie czwartym.
Jak widać, i wersja 720p, i 1080p miały problemy, mimo że użyliśmy formuły promptowej. Zrobiłem to celowo. Skoro wprowadziliśmy więcej elementów — postać, otoczenie, a do tego postać wykonującą jakąś czynność, na przykład taniec — musimy wprowadzić do promptu również więcej kontroli, żeby uniknąć tej przypadkowości i dziwności, która pojawia się w części ujęć. Ogólny look był dobry, ale niektóre ujęcia były zupełnie losowe, a detale produktu w części z nich się rozjechały.
Poziom czwarty — kompletny workflow
Żeby tego uniknąć, przechodzimy na poziom finalny, który nazywam kompletnym workflow. To zdecydowanie najbardziej skomplikowany poziom promptowania: trzeba zbudować wszystkie assety, pomysły, koncepcję i sam prompt w bardzo ustrukturyzowany sposób, żeby naprawdę zablokować każdy detal generacji.
Nagrywałem już szczegółowe materiały o tym workflow na przykładach z pączkiem i z kawą — podlinkuję je poniżej. W skrócie: budujesz mocno ustrukturyzowany prompt i podpinasz do niego wszystkie assety, żeby kontrolować jak najwięcej.
Na tym poziomie możesz też zacząć wykorzystywać trzydziestosekundowe generacje w Seedance 2.5. A kiedy zbudujesz swój rozbudowany, szczegółowy prompt ze wszystkimi postaciami i assetami, dostajesz efekt taki jak ten.
Co dochodzi powyżej promptu
Kiedy osiągniesz ten poziom promptowania, możesz zacząć eksperymentować z różnymi rodzajami promptów i różnymi metodami: storyboardami, pre-visem albo referencjami wideo, o których mówiłem już wcześniej na kanale. Możesz też dokładać elementy postprodukcyjne do swojego workflow — w tej reklamie muzykę i efekt tekstowy dodałem sam.
(Informacja dodatkowa: pre-vis, czyli previsualization, to uproszczona wersja sceny robiona przed właściwą produkcją, żeby ustalić kadrowanie i ruch kamery.)
Kiedy poczujesz się swobodnie w tym typie promptowania, możesz realnie rozbudować swój warsztat i korzystać z wielu różnych metod, by wynieść reklamy na wyższy poziom.
Żeby pokazać różnicę między skomplikowanym a prostym promptem, wygenerowałem tę samą reklamę na tych samych assetach, ale z prostym promptem — i taki był efekt.
Rachunek i wnioski
Na początku obiecałem, że podam całkowity koszt stworzenia tych wszystkich reklam. Łącznie wyszło 2085 kredytów Higgsfield. Jak można się domyślić, to generacje w 1080p pochłonęły największą część kosztów.
Jeśli chodzi o jakość — nie jestem pewien, czy staję po stronie tezy, że 1080p jest zawsze lepsze. Obie opcje są naprawdę dobre, a wynik w 720p zawsze można upscalować zamiast wydawać znacznie więcej kredytów na wersję 1080p. Ale dajcie znać, jakie są wasze obserwacje. Testowaliście 720p i 1080p? Której rozdzielczości używacie obecnie?
Jaki jest więc wniosek z tego materiału? Tak, prostymi promptami da się wygenerować ładne rzeczy, ale przy takim sposobie pracy brakuje kontroli. Najważniejsze jest poświęcenie czasu na rozwijanie umiejętności promptowania oraz umiejętności koncepcyjnych przy tworzeniu tego typu sekwencji. Dzięki temu zyskujesz większą kontrolę i uczysz się realizować wizje, które masz w głowie, bez walki ze złymi generacjami.
Jeśli interesuje was pełny rozbiór promptowania na poziomie czwartym i mojego workflow, zajrzyjcie do tego materiału. Nie zapomnijcie też o społeczności na Skool i o projekcie Higgsfield ze wszystkimi assetami i promptami — linki w opisie. Do zobaczenia w kolejnym odcinku.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Prosty prompt daje zaskakująco dobry obraz i zaskakująco małą kontrolę
Na czym polega: Jedno zdjęcie referencyjne plus prośba napisana potocznym językiem wystarczą, by Seedance 2.5 wyprodukował efektowną reklamę. Cena to zerowa kontrola nad kadrami, ruchem kamery i przebiegiem akcji.
Jak stosować: Traktuj poziom pierwszy jako szybki test koncepcji — sprawdzenie, czy kierunek wizualny w ogóle działa, zanim zainwestujesz czas w assety.
Na co uważać: Nie oddawaj takiego materiału klientowi. To, co dostajesz, jest wynikiem losowania, a nie decyzji — przy kolejnej generacji dostaniesz coś zupełnie innego.
2.Jedna referencja to za mało dla produktu asymetrycznego
Na czym polega: Model dostał zdjęcie słuchawek z jednej strony i „dorobił” pokrętło oraz przyciski po obu stronach, choć w rzeczywistym produkcie są tylko po jednej.
Jak stosować: Zanim zaczniesz generować wideo, przygotuj arkusz referencyjny produktu z wielu stron — lewej, prawej, przodu, tyłu, detali.
Na co uważać: Ten błąd bywa niewidoczny dla twórcy, a natychmiast rzucający się w oczy klientowi, który zna swój produkt. Weryfikuj każde ujęcie pod kątem zgodności detali, nie tylko ogólnego wyglądu.
3.Generowanie ujęć jako obrazów przed wideo zapewnia spójność
Na czym polega: Na poziomie drugim autor najpierw generuje konkretne kąty i ujęcia produktu w docelowym otoczeniu, a dopiero potem robi z nich wideo. Produkt pozostaje spójny z ujęcia na ujęcie.
Jak stosować: Rozbij pracę na dwa etapy: najpierw klatki kluczowe jako obrazy, potem animacja. Obraz jest tańszy i szybszy do poprawienia niż wideo.
Na co uważać: Spójność między ujęciami zależy od jakości obrazów wejściowych — jeśli już na etapie obrazów produkt się rozjeżdża, wideo tego nie naprawi.
4.Formuła promptowa to narzędzie, nie gwarancja
Na czym polega: Struktura „podmiot, akcja, tło, ruch kamery, styl” porządkuje myślenie, ale na poziomie trzecim i tak dała losowe ujęcia oraz rozjeżdżające się detale produktu.
Jak stosować: Używaj formuły jako listy kontrolnej, żeby nie pominąć żadnego wymiaru sceny, a nie jako kompletnego opisu.
Na co uważać: Poczucie, że „mam już formułę, więc jest dobrze”, jest tu główną pułapką — autor wprost mówi, że to poziom, na którym większość ludzi się wykłada.
5.Złożoność sceny musi iść w parze ze szczegółowością promptu
Na czym polega: Dopiero po dodaniu postaci, lokacji i czynności — tańca — pojawiła się losowość. Więcej elementów oznacza więcej miejsc, w których model może zaimprowizować.
Jak stosować: Za każdym razem, gdy dokładasz element do sceny, dokładaj też opis, który go ogranicza: co robi, jak się porusza, jak jest kadrowany.
Na co uważać: Nie skaluj ambicji sceny szybciej niż warsztat promptowy. Bezpieczniej dodawać elementy pojedynczo i sprawdzać efekt, niż wrzucić wszystko naraz.
6.Poziom czwarty to praca koncepcyjna, nie dłuższy prompt
Na czym polega: Kompletny workflow oznacza zbudowanie assetów, pomysłu, koncepcji i ustrukturyzowanego promptu, do którego podpięte są wszystkie materiały — tak, by każdy detal był zablokowany.
Jak stosować: Zaplanuj produkcję tak, jak planuje się prawdziwy spot: bohater, lokacja, produkt, lista ujęć. Prompt jest zapisem tego planu, a nie jego substytutem.
Na co uważać: To poziom drogi czasowo. Ma sens przy komercyjnych realizacjach z konkretnymi wymaganiami, a nie przy szybkich eksperymentach.
7.1080p nie jest automatycznie lepszym wyborem
Na czym polega: Wersje 1080p są ostrzejsze i mają więcej detalu, ale autor nie uznaje przewagi za rozstrzygającą i wskazuje, że 720p można upscalować zamiast płacić więcej kredytów.
Jak stosować: Domyślnie generuj w 720p, zwłaszcza na etapie iteracji, i podnoś rozdzielczość tylko dla ujęć finalnych albo wcale — zastępując ją upscalingiem.
Na co uważać: Autor sam zaznacza, że kompresja YouTube’a częściowo zaciera różnicę. Przy dostarczaniu materiału na inne kanały dystrybucji różnica może być bardziej widoczna.
8.Kredyty topnieją szybciej przez rozdzielczość niż przez liczbę prób
Na czym polega: Cały cykl testów kosztował 2085 kredytów Higgsfield, a największą część kosztu wygenerowały ujęcia w 1080p.
Jak stosować: Ustal budżet kredytowy przed rozpoczęciem projektu i rezerwuj wysoką rozdzielczość na końcową generację, gdy prompt jest już dopracowany.
Na co uważać: Liczba 2085 dotyczy konkretnego zestawu testów autora i systemu kredytowego Higgsfield — nie przenoś jej wprost na własne rozliczenia.
9.Trzydziestosekundowe generacje otwierają się dopiero przy pełnej kontroli
Na czym polega: Autor wskazuje możliwość korzystania z 30-sekundowych generacji w Seedance 2.5 jako opcję dostępną na poziomie czwartym.
Jak stosować: Sięgaj po długie generacje wtedy, gdy masz już opanowaną strukturę promptu — dłuższy materiał to więcej sekund, w których model może odejść od twojej wizji.
Na co uważać: Dłuższa generacja przy niedopracowanym prompcie oznacza droższą pomyłkę, nie lepszy efekt.
10.Postprodukcja i metody pomocnicze są częścią rezultatu
Na czym polega: Muzykę i efekt tekstowy w finalnej reklamie autor dodał sam. Wymienia też storyboardy, pre-vis i referencje wideo jako narzędzia rozszerzające warsztat.
Jak stosować: Nie oczekuj, że model dostarczy gotowy spot. Zaplanuj etap montażu, dźwięku i typografii jako osobną, świadomą część pracy.
Na co uważać: Efekty dźwiękowe i muzyka generowane przez model bywają wystarczające do szkicu, ale przy materiale komercyjnym własna ścieżka daje kontrolę i przewidywalność, których generacja nie zapewni.