AI nie zna się na żartach. Case study reklam AI dla missedcall.pl

Kelner rzucił telefonem. Miał tylko zerknąć na dzwoniący smartfon leżący na barze, a w wygenerowanym klipie chwycił go i cisnął przez kadr. To była jedna z kilkudziesięciu prób jednej sekundy reklamy, w której kamera miała się po prostu obrócić z kelnera na telefon i wrócić do jego miny.

W tej serii nikt nie stał przed kamerą, choć jako operator filmowy z Gdańska na co dzień pracuję głównie z prawdziwymi ludźmi. Mechanik, fryzjerka, kelner i lekarka nie istnieją, a mimo to za każdym z czterech filmów stoi wiele godzin pracy. Oto jak powstały i czego się przy nich nauczyłem.

Klient: nowa usługa i pytanie, czy ktoś jej w ogóle potrzebuje

Zapytanie przyszło przez formularz na stronie. Twórca missedcall.pl budował asystenta AI, który odbiera telefony, kiedy właściciel firmy ma zajęte ręce i chciał krótkiej reklamy, żeby sprawdzić, ile osób w ogóle zainteresuje się takim rozwiązaniem. Bez logo, bo jeszcze go nie było. Tylko domena i zaproszenie na darmowe demo.

To typowa sytuacja, w której nagranie z prawdziwymi ludźmi nie ma sensu. Usługa dopiero startuje, budżet jest testowy, a reklama ma trafić do kilku branż naraz. Zaproponowałem film AI i od razu wygenerowałem jedną scenę pod jego pomysł: mechanik leży pod autem, dzwoni telefon, mechanik się wychyla i wraca do pracy, bo połączenie przejmie asystent. Klient zobaczył jakość na konkretnym przykładzie, a nie na cudzym portfolio.

Skończyło się na pakiecie czterech branż, które żyją z telefonów i pracują rękami: mechanik, fryzjer, restauracja i lekarz. Każda w pionie, a mechanik dodatkowo w poziomie 16:9. Każdy film ma własny początek, bo mechanik musi w pierwszych sekundach zobaczyć mechanika, a fryzjerka fryzjerkę. Rozmowa z asystentem i plansza końcowa są w tym samym stylu.

Pierwsza wersja i zmiana koncepcji

Pierwsze cztery filmy zrobiłem dokładnie według ustaleń: krótka rozmowa, klient chce się umówić, asystent od razu umawia termin, a na końcu powiadomienie o nowej wizycie. Klient odpisał z listą uwag, która zmieniała konstrukcję wszystkich czterech filmów. Reklama miała zaczynać się od problemu, a nie od telefonu. Bohater miał być w centrum, zapracowany do granic absurdu, a całość zabawna, z potencjałem na viral.

Tu musiałem uczciwie rozdzielić dwie rzeczy. Poprawki to zmiany w ramach tego, co już jest: tekst, napisy, tempo, kolejność ujęć. Nowa koncepcja to wygenerowanie większości scen od nowa i ponowny montaż. Napisałem to wprost, wyceniłem przebudowę osobno i klient wybrał nową wersję. Dzięki temu od początku obaj wiedzieliśmy, na co się umawiamy, a nowa koncepcja dostała tyle czasu, ile naprawdę potrzebowała.

AI nie zna się na żartach

Najciekawszy pomysł klienta brzmiał tak: bohaterce w trakcie pracy wyrasta trzecia ręka i odbiera telefon. Zanim cokolwiek obiecałem, zrobiłem test. Kilkanaście prób w trzech modelach wideo (Kling, Seedance, MiniMax Hailuo), z klatkami startowymi i końcowymi, z ręką wyrastającą z pleców, z ramienia, wysuwającą się zza pleców i doklejaną w montażu.

Za każdym razem to samo. Modele uparcie „naprawiały” absurd: fryzjerka odkładała nożyczki i odbierała telefon własną ręką, trzecia ręka pojawiała się znikąd w ostatniej sekundzie albo telefon nagle się dublował. Dzisiejsze modele są trenowane na jak największy realizm, a scena, która łamie fizykę, jest dla nich błędem do poprawienia.

Motyw odpuściliśmy, a humor zbudowaliśmy na sytuacjach, które zna każdy w danej branży. Mechanik leży pod autem, siedzi „w silniku” i niesie koło z kluczem w zębach, a telefon dzwoni bez przerwy. Fryzjerka strzyże z nożyczkami w zębach i telefonem wciśniętym między bark a ucho, aż telefon jej wypada. Kelner biega z talerzami, a lekarka bada pacjenta. Każde z nich zerka na dzwoniący telefon i nie może go odebrać.

Jak powstaje jedna scena

Film AI nie powstaje z jednego promptu. Każda scena przechodzi tę samą drogę.

Scenariusz. Co dzieje się w każdej sekundzie, co mówi lektor, gdzie wchodzi rozmowa z asystentem i ile trwa każde ujęcie w montażu.

Kadry startowe. Zanim powstanie wideo, generuję obraz, od którego model zacznie. Ten sam bohater w każdym ujęciu, ta sama sala, ten sam telefon w tym samym miejscu. U lekarki doszedł nawet rzut gabinetu z góry, żeby kamera w kolejnych ujęciach patrzyła na to samo pomieszczenie z różnych stron, a nie na trzy różne gabinety.

Wideo. Krótki prompt, jedna akcja, kilka prób na ujęcie. Każdy klip oglądam klatka po klatce, bo błąd potrafi trwać dwie klatki: palec za dużo, przedmiot, który przenika przez dłoń, zmieniająca się w tle ściana.

Postprodukcja. Ekrany telefonów, rozmowa w dymkach, powiadomienie o umówionej wizycie, napisy, dźwięk i muzyka. Głosy lektora, asystenta i klientów generuję w ElevenLabs, a całość od scenariusza po montaż robię sam w DaVinci Resolve Studio.

W liczbach, licząc obie koncepcje, wygenerowałem ponad 500 obrazów i ponad 400 klipów wideo. Do każdego gotowego filmu weszło około dziewięciu ujęć.

Najwięcej prób zjadła restauracja, bo każdy kadr z gośćmi, stolikami i barem dawał modelom więcej okazji do błędów. Fryzjer wyszedł najskromniej w obrazach, za to prawie każde jego ujęcie wideo trzeba było generować po kilka razy.

Co AI robiło źle i jak to obszedłem

Ręce i przedmioty. Kelner układał sztućce na talerzu zamiast obok niego i zapisywał zamówienie, opierając notes o stół gościa. Blat baru potrafił wyrosnąć prosto z gościa restauracji, a na stolikach co chwilę lądowało wino, którego w reklamie być nie mogło. Mechanik dostawał sześć palców na kluczu pneumatycznym. Pomagało tylko generowanie od nowa i dokładne oglądanie każdego kadru, zanim w ogóle trafił do wideo.

Obrót kamery na telefon. Scena „bohater zerka na telefon, kamera obraca się na telefon i wraca do jego miny” powtarza się w trzech filmach. Modele traktowały ją jako zaproszenie do akcji: bohater rzucał telefonem, kładł go, przesuwał po blacie albo telefon nagle stał na stojaku. Zadziałał dopiero prompt, w którym wprost zabroniłem ruszać się czemukolwiek poza kamerą, z kadrem startowym z chwili, gdy bohater już patrzy w bok. Samo cięcie między ujęciami trzeba było jeszcze wygładzić w postprodukcji, żeby nie było widać, że to dwa różne klipy.

Ekrany telefonów. Wygenerowany ekran z połączeniem przychodzącym wyglądał źle i za każdym razem inaczej. Ekran dokładam więc sam: śledzę narożniki telefonu w każdej klatce i nakładam na niego grafikę połączenia, z odblaskiem szyby i ramką etui. Przy szybkim obrocie kamery ekran pojawia się dopiero wtedy, gdy zniknie biały odblask, który wygenerował model.

Hiperlaps. Scena, w której bohater w przyspieszeniu biega od roboty do roboty, a telefon na pierwszym planie stoi i dzwoni, okazała się dla AI nie do zrobienia. Modele nie rozumiały, czym jest hiperlaps. Złożyłem go sam w DaVinci: kilka osobnych ujęć ze statyczną kamerą, maska na blat z telefonem, żeby ten stał w miejscu, a reszta sali żyła na przyspieszeniu.

Dźwięk ze słuchawki. U fryzjerki telefon dzwoni jej przy uchu, a klient coś do niej mówi. Zamiast prawdziwych słów zrobiłem pocięty, zniekształcony głos w paśmie telefonicznym, z echem jak ze studni. Słychać, że ktoś coś mówi, ale nie wiadomo co i o to chodziło.

Wersja pozioma po wersji pionowej

Poziomy mechanik miał wyglądać tak samo jak zaakceptowany pion, tylko w kadrze 16:9. Pierwsze podejście, czyli dorysowanie brakujących boków do gotowych klipów, okazało się drogie i zawodne: mechanikowi znikały nogi, a tło po bokach się rozlewało.

Zadziałało coś innego. Do każdego ujęcia wygenerowałem nowy kadr startowy 16:9, a pionowy klip dałem modelowi jako referencję ruchu. Model odtworzył tę samą akcję i ten sam ruch kamery, tylko w szerokim kadrze. Generowałem przy tym tylko tyle sekund, ile ujęcie trwa w montażu plus mały zapas.

Najdłużej walczyłem z kluczem pneumatycznym. Wersja pionowa ma kąt kamery, w którym nie widać, w co mechanik wkłada nasadkę. W szerszym kadrze felga była widoczna, a modele uparcie celowały nasadką w środek koła albo obok śruby. Rozwiązaniem nie był lepszy prompt, tylko inny kąt kamery, który ukrywa miejsce styku dokładnie tak jak w pionie.

Efekt

Klient dostał pięć reklam po około 40 sekund: cztery branże w pionie na Instagrama, TikToka i YT Stories oraz mechanika w poziomie na YouTube i stronę. Każdy film ma ten sam schemat: zapracowany bohater i dzwoniący telefon, potem asystent, który odbiera i sam umawia klienta, powiadomienie o nowej wizycie i plansza z missedcall.pl. Po jednej rundzie poprawek drugiej koncepcji klient zaakceptował całość z komentarzem, że „jest dużo, dużo lepiej”.

Projekty zostały u mnie, więc kolejne branże albo wersje pod inne grupy klientów mogą powstać na tej samej bazie: z tym samym stylem, planszą i schematem rozmowy.

Co z tego wynika, jeśli zamawiasz film AI

Ustal koncepcję przed pierwszą wersją. Poważnie czy z humorem, co widz ma zobaczyć w pierwszych sekundach i do czego ma go nakłonić. Zmiana pomysłu po zobaczeniu gotowego filmu oznacza nowe generowanie i nowy montaż, a to wydłuża też czas realizacji.

Humor buduj na prawdziwych sytuacjach, nie na fizyce. AI świetnie pokaże zapracowanego mechanika z kluczem w zębach. Trzeciej ręki, latającego jak helikopter telefonu ani innego cudu już nie, przynajmniej na razie.

Ekran aplikacji i tekst to robota dla montażu. Jeśli w reklamie ma być widać Twoją usługę na ekranie, licz się z tym, że powstanie w postprodukcji, a nie w generatorze.

Formaty zamów od razu. Pion i poziom zaplanowane na starcie wychodzą lepiej i taniej niż dorabianie drugiego formatu po akceptacji.

Za filmem AI też stoi człowiek. Prompty, klatki referencyjne i wybór kilku sekund z setek generacji to dalej godziny pracy. Generator daje ujęcia, ale reklamę trzeba z nich złożyć.

Jeśli startujesz z nową usługą albo potrzebujesz kilku wersji reklamy pod różne branże, opisz pomysł w formularzu poniżej. Napisz, co sprzedajesz i do kogo ma trafić film, a wrócę z wyceną w ciągu 24 godzin.