רציתי לעשות משהו קטן: לקחת צילום מסך אמיתי של Google, להפוך אותו לסרטון של שש שניות ולהוסיף רק תנועה עדינה.
לא רציתי עיצוב חדש. המטרה הייתה בדיוק הפוכה - לשמור על ההוכחה כמו שהיא.
במקום להזיז את המסך, המודל התחיל לכתוב אותו מחדש
ניסיתי Image-to-Video עם Kling 3.0 דרך Frames. הפרומפט ביקש לשמור על הטקסט, הלוגו, תוצאות החיפוש והמבנה, ולהוסיף רק push-in איטי.
בפלט שראיתי השמות השתנו, העברית התפרקה, חלק מהאנגלית הפך למלל שלא היה במקור, ותוצאות החיפוש עצמן התחילו להיראות כמו גרסה מומצאת של Google.
למה פרומפט קשוח יותר לא פתר את סוג הבעיה
אפשר לכתוב שוב ושוב “אל תשנה טקסט”. אבל מודל וידאו גנרטיבי עדיין מייצר פריימים חדשים מתוך התמונה. הוא לא מחזיק את צילום המסך כמו דפדפן עם שכבות טקסט חיות.
כשאות קטנה צריכה להישמר לאורך פריימים חדשים, סטייה זעירה כבר משנה מילה. בממשק צפוף בעברית זה בולט מהר במיוחד.
הסימן לעצור היה שהמידע חשוב יותר מהתנועה
צילום המסך לא היה רק חומר גלם אסתטי. הוא היה הוכחה. אם השמות ותוצאות החיפוש משתנים, הסרטון מפסיק להגיד את הדבר שבגללו יצרתי אותו.
בנקודה הזאת המשכתי לא לכתוב עוד prompt. החלפתי סוג כלי.
ב-CapCut לא היה מה להמציא
- התמונה המקורית נשארה המקורשום אות ושום רכיב UI לא נוצרו מחדש.
- הזום נעשה כעריכהתנועה דטרמיניסטית על אותה תמונה במקום generation של תמונות חדשות.
- המוזיקה נשארה לפרסוםלא כל שלב צריך לעבור דרך מודל רק מפני שהפרויקט קשור ל-AI.
כלל ההחלטה שנשאר איתי
התמונה היא חומר גלם
אם מותר לעולם שבתמונה להשתנות, לקבל עומק ולהפתיע - Image-to-Video יכול להיות בחירה מצוינת.
התמונה היא מסמך או הוכחה
אם טקסט, מספרים, לוגו או ממשק חייבים להישאר מדויקים, אני מתחיל מכלי עריכה ששומר על המקור.