Tek görüntü, bir sürü müzik: Salvor tanıtım videosunun yapımı

Görüntü: bir kez çizildi

Codex'e verilen brief, filmin ne olmaması gerektiği konusunda netti: reklam yok, abartı yok, uydurma rakam yok, fiyat ya da token yok, bağıran bir çağrı yok. Her bilgi Salvor'un README dosyasından gelecekti ve film telefonda sessizken de anlaşılmalıydı.

Codex filmin tamamını kendi SVG çizimleri ve CSS'iyle tek bir HTML sayfası olarak yazdı. Fikri on kısa sahne taşıyor: "Git preserves what changed." (Git neyin değiştiğini saklar.) "But why this way?" (Ama neden böyle?) "New AI session. Missing context." (Yeni yapay zekâ oturumu. Eksik bağlam.) Sonra Salvor geliyor: kararları, başarısız yaklaşımları, dersleri ve ertelenen bulguları tutan bir klasör; insanlar tarafından incelenmiş, depoda saklanan, yeni oturumların kaldığı yerden devam ettiği bir klasör. Film Salvor yazısı ve "Open source. MIT." ile bitiyor.

Codex fikir için Grok'tan eleştiri istedi ve bir kısmını aldı: kaybolan bağlamın görünür bir resmi, insan onayı için bir onay işareti, yeni oturuma taşınan kayıtlar. Codex'in sandbox'ı tarayıcı çalıştıramadığı için sayfayı Claude Chromium'da açtı, 1.200 karenin hepsini yakaladı ve 40 saniyelik sessiz bir MP4'e çevirdi. O görüntü bir daha hiç değişmedi.

Ses: tekrar tekrar yapıldı

Sessiz filmi görünce ilk tepkim "Ses yok mu?" oldu. Ardından gelenler, sürüm sürüm ve her birinin ardından verdiğim kararla:

• Sakin, özgün bir müzik (Codex). Kodla üretilmiş, sıcak ve sessiz, senaryoyu takip edecek şekilde kurulmuş. Sonra daha fazlasını istedim: "Daha profesyonel ve ilgi çekici olsun, her detay fark edilsin; Grok'tan yardım alın, üçünüz tartışın."
• Her olay için ses tasarımı (Grok, Claude, Codex). Grok 92 BPM bir ritim önerdi ama olayların zamanlarını tahmin etti. Claude gerçek zamanları animasyonun kodundan çıkardı; böylece her ses kendi görüntüsüne bir kare içinde oturdu. Codex 41 ses yerleştirdi: noktalar, onay işaretleri, soru işareti, kopan çizgi, dört kâğıt düşüşü, onay çınlaması, logo. Kararım: "Geçişler iyi zamanlanmış. Ama arka plan müziği saçma. Yapay zekâ ajanlarına uymuyor. Önce siz kendiniz beğenmelisiniz."
• Üç yeni müzik (Codex). Codex üç farklı 40 saniyelik teknoloji filmi müziği yazdı, kendi ölçümlerine göre üçünü de eledi ve birini geliştirdi. Dinleyemediğini de açıkça söyledi; yani "önce siz beğenin" tutamayacağı bir sözdü.
• Gerçek bir parça. Pixabay'den Eugene Myers'ın "The Borderland" parçasını seçtim. Claude parçanın büyük patlamasını, Salvor'un ekrana geldiği 11. saniyeye tam oturttu. Sonra telefonumda açtım ve hiçbir şey duymadım.
• Sessiz telefon. Dosyada ses vardı: çözülen ses −15,86 dBFS ölçüldü. Codex telefonun neden sessiz kaldığını kanıtlayamadı ve tahmin yürütmek yerine bunu söyledi. Sonraki dosyaları telefonlarla en geniş uyumluluk için paketledi (44,1 kHz AAC, ses akışı varsayılan olarak işaretli, düzenleme listesi yok, iki akış da sıfırdan başlıyor) ve her dosyayı geri çözerek sesin orada olduğunu kanıtladı.
• Yapay zekâyla üretilmiş iki parça. Claude, vidIQ'nun müzik aracıyla iki sinematik parça üretti. Codex ikisini de filme oturttu: patlama 11. saniyeye yaklaşık 10 ms yakınlıkta, kapanış vurgusu 36. saniyede logoda, sönen bir ses yerine parçanın gerçek bitişi. Dürüst bir karşılaştırma da yazdı: ikinci parçanın enerjisinin %68'i 120 Hz'in altındaydı, The Borderland'de bu oran %40. Yorumu: daha ağır, küçük hoparlörlerde belki daha az net, ama yapı olarak kullanılabilir.

Epic 2: üç küçük düzeltme

O ikinci parça, "Epic 2", beğendiğim parça oldu. Bundan sonra notlarım kısaydı ve Codex her seferinde yalnızca notun söylediği yeri değiştirdi.

1. "Sadece giriş iyi değil. Gerisi çok güzel." Codex açılışı ölçtü ve zayıf, dengesiz buldu: başta iki saniye çok seyrek, patlamadan hemen önce de enerjide bir düşüş. Parçanın kendi ana temasından, yavaş yavaş açılacak şekilde filtrelenmiş yeni bir giriş kurdu. 11. saniyeden sona kadar her şeyin, beğendiğim sürümle örnek örnek aynı kaldığını da kanıtladı. En büyük fark 0,0 idi.
2. "Kâğıt ve tık seslerini çıkar, 5. saniyeden başlat." Bu not kendi zevkim hakkında beni de şaşırttı. İkinci turdaki özenle zamanlanmış ses tasarımı, artık gitmesini istediğim şeydi. Codex 41 sesin 31'ini çıkardı, yazıların altında yalnızca 10 yumuşak "hava" sesi bıraktı. Notum iki türlü okunabildiği için iki sürüm yaptı: müziği beş saniye öne alınmış tam 40 saniyelik görüntü ve 35 saniyelik kısaltılmış bir kesim.
3. "İlk beş saniye biraz kısık olsun, sonra sesi aç, sonlara doğru kıs." Codex açılışı 6 dB kıstı, yumuşak bir eğriyle patlamaya doğru yükseltti, ortayı −14 LUFS civarında tuttu ve son sekiz saniyeyi logo vurgusunu kaybetmeden kıstı.

Bu üçüncü adımın 40 saniyelik sürümü, X'te paylaştığım video. Sessiz görüntüden son karışıma kadar beş saatten az sürdü.

Ölçümler neyi yapabildi, neyi yapamadı

Üç modelden hiçbiri duyamıyor. Her tur, bitmiş dosyadan alınan sayılarla kontrol edildi: ses yüksekliği, tepe seviyesi, saniye başına enerji, frekans bantlarına göre enerji, görüntüye göre zamanlama, karelerin aynı kalması, sessiz boşluk olmaması. Bu kontroller gerçek sorunlar yakaladı; örneğin tepe seviyesi sınırı aşan bir ilk kodlama. Her sürümde sesin gerçekten bulunduğundan da emin oldular.

Müziğin filme uyup uymadığını ise söyleyemediler. Yukarıdaki listedeki her dönüş, "saçma"dan "sadece giriş"e, oradan "tıkları çıkar"a kadar, bir dinleme kararıydı. Modeller bu konuda dürüsttü: neredeyse her rapor "öznel dinleme onayı hâlâ bekliyor" gibi bir cümleyle bitiyor.

Ne öğrendim

• Görüntüyü erken sabitleyin. Görüntü hiç değişmediği için her ses sürümü adil biçimde karşılaştırılabildi; görüntünün kodu da her ses için kesin zamanları verdi.
• Dar notlar kesin düzeltmeler getirir. "Sadece giriş" notu Codex'in 11 saniyeyi yeniden kurmasına ve geri kalan 29 saniyeye dokunulmadığını kanıtlamasına izin verdi. Belirsiz bir "daha iyi yap", beğendiğim kısmı riske atardı.
• Emek, zevk değildir. Kırk bir özenle zamanlanmış efekt gerçek bir mühendislik işiydi ve sonunda çoğu çıkarıldı. Film için doğru karar buydu.
• İnsanların kullanacağı cihazda deneyin. Sessiz telefon anı, ölçümde sorunsuz görünen bir dosyanın asıl önemli yerde yine de başarısız olabileceğini gösterdi.
• Modellerin "bilmiyorum" demesine izin verin. Codex ne telefonun neden sessiz olduğunu ne de müziğin iyi olup olmadığını biliyormuş gibi yaptı. Bu da ölçümlerine güvenmeyi kolaylaştırdı.

Film, projelerimde kullandığım depo bellek katmanı Salvor'u anlatıyor. Kaynak kodu GitHub'da açık. Son sürümdeki müzik vidIQ ile üretilmiş bir yapay zekâ parçası; görüntü Codex'in kendi çizimi.