4. díl seriálu AI na každý den: Práce s videem a se zvukem

Trávíte hodiny natáčením videí, protože potřebujete něco srozumitelně odprezentovat? Nebo se prostě neradi vidíte na kameře? Řešením může být AI avatar – virtuální postava, která odříká připravený text za vás. HeyGen je online nástroj, ve kterém takové video vytvoříte během pár minut. Stačí napsat skript, vybrat si avatara (digitální „herce“) a nastavit hlas – HeyGen pak vygeneruje videoklip, kde vámi zvolený avatar mluví váš text s věrnou mimikou a gesty.

HeyGen nabízí desítky předpřipravených avatarů různého vzhledu, pohlaví i stylu. Můžete tak zvolit například obchodnici v obleku, lektora v neformálním tričku nebo třeba mladého influencera – podle toho, co se hodí k obsahu videa. Podporováno je přes 30 jazyků včetně češtiny, takže avatar může mluvit česky (přízvuk je minimální). Stačí napsat text v češtině a vybrat český hlas z nabídky. HeyGen má na výběr stovky různých hlasů – od mužských a ženských, formálních i přátelských, až po různé akcenty. Můžete si tak snadno nastavit tón projevu podle potřeby.

Samotný postup tvorby videa je velmi jednoduchý: po registraci na stránce HeyGen si zvolíte šablonu videa (nebo začnete s prázdným plátnem), vložíte text, zvolíte avatara a hlas a jedním kliknutím spustíte generování. Během pár minut se vám ukáže hotové video, které si můžete přehrát a stáhnout. Na obrazovce vidíte náhled avatara a vedle něj textový editor pro scénář – takže úpravy jsou rychlé (viz obrázek níže). Pokud se vám výsledek nelíbí, stačí pozměnit text nebo jiná nastavení a nechat AI přegenerovat video znovu.

Co když chcete něco osobitějšího než předpřipravené postavy? HeyGen umožňuje vytvořit i vlastní avatar, který bude vypadat (a znít) jako vy sami nebo třeba jako váš kolega, maskot firmy apod. Existují dvě hlavní metody: buď nahrajete krátké video, kde dotyčná osoba mluví (cca 2 minuty záznamu), nebo nahrajete sadu fotografií dané tváře (doporučuje se 10–15 snímků z různých úhlů). AI z těchto podkladů vytvoří digitální kopii – avatar, který napodobí vzhled, mimiku a do určité míry i hlas originálu.

Tuto funkci je třeba nejprve aktivovat v nastavení HeyGen (sekce Custom Avatar) a počítat s tím, že vytvoření vlastního avatara může pár hodin trvat. Jakmile je hotový, objeví se ve vaší knihovně a můžete ho používat stejně jako ostatní – stačí mu zadat text a on promluví vaším „digitálním já“. Pro detailní návod na tvorbu vlastního avatara HeyGen zveřejnil přehledný postup – doporučuji se podívat do jejich nápovědy, postup si taky ukážeme v našem videu.

AI avatar z HeyGenu se hodí třeba pro vysvětlující videa, produktové prezentace, e-learning nebo uvítací videa na web – zkrátka všude tam, kde chcete něco sdělit osobně, ale nemůžete nebo nechcete být fyzicky před kamerou. Výsledná videa působí překvapivě věrohodně. Samozřejmě pozorný divák pozná, že jde o animaci (pohyby mohou být občas trochu strnulé), ale pro běžné použití je kvalita více než dostačující. Za zlomek času a nákladů tak vytvoříte obsah, který by jinak vyžadoval kamerové studio, herce nebo vlastní natáčení.

Podívejte se jak jsme za pomocí HeyGen popsali jednu z funkcionalit naší platformy SmartFP:

Tip: Mnoho uživatelů také využívá HeyGen pro lokalizaci videí – natočí video jednou (třeba v angličtině) a pak v HeyGenu nechají avatar namluvit překlad do dalších jazyků. Nemusí tak znovu natáčet, jen vymění hlas a titulky. AI se postará o synchronizaci rtů avatara s novým jazykem. Video tak snadno „přeložíte“ například do češtiny, slovenštiny, angličtiny i němčiny – a všude bude mluvit tatáž postava, jen jinou řečí.

Teď se posuneme od mluvících avatarů k obecnější tvorbě videa. Představte si, že byste mohli napsat libovolný scénář jako text a AI podle něj natočí video. Přesně to slibuje novinka od OpenAI jménem Sora. Jde o pokročilý nástroj pro generování videa z textu, obrázku nebo krátkého videoklipu. Sora umí na základě textového popisu vytvořit až 20 vteřinové video klipy – například popíšete scénu „západ slunce nad oceánem, kamera pomalu stoupá vzhůru“ a AI vygeneruje pohyblivý záběr odpovídající popisu.

Sora toho ale umí mnohem víc než jen text → video. Je vybavena celým video editorem s umělou inteligencí. Mezi hlavní funkce patří:

• Remix videa: Nahrajete vlastní krátké video a textově zadáte, co v něm chcete změnit. Můžete třeba přepsat scénu „změň den na noční scénu s deštěm“ a AI provede odpovídající úpravy ve videu.
• Storyboard (časová osa): Můžete spojit více vygenerovaných scén. Sora má editor, kde si v timeline rozložíte sekvenci klipů – například první záběr krajiny, druhý detail na postavu, třetí akční pohyb. Editor vám umožní nastavit, jak na sebe scény navazují, a udržet konzistentní styl napříč celým videem.
• Loop (smyčka): Jedním tlačítkem dokáže Sora upravit video tak, aby poslední snímek navazoval na první – vznikne dokonale plynulá smyčka. To je užitečné třeba pro animované pozadí webu nebo nekonečné GIFy.
• Blend (prolnutí): Sora umí vzít dva různé videoklipy a spojit je do jednoho – inteligentně mezi nimi vytvoří přechod. Tím můžete míchat odlišné scény či styly a vytvořit zajímavé efekty (např. medúza vznášející se mezi korunami stromů).
• Presets: K dispozici jsou přednastavené styly, které dodají videu jednotný vzhled. Např. „filmový noir“ (černobílý s vysokým kontrastem), „papírová vystřihovánka“ (vše vypadá jako z kartonu), „retro archiv“ apod. Můžete tak nechat AI vygenerovat video v konkrétní estetice, aniž byste museli ladit každý detail.

Sora je zkrátka takové malé AI filmové studio. 🙂 V praxi je potřeba říct, že výstupy mají zatím omezenou délku (max. 10 sekund pro běžné uživatele, 20 sekund pro vyšší plány) a generování složitějších scén může být náročné (AI občas bojuje s detaily jako přesné obličeje nebo text v obraze). Jde ale o ohromný posun – ještě před rokem bylo něco takového nepředstavitelné. Dnes si můžete na pár kliknutí „natočit“ vlastní sci-fi záběr nebo rozpohybovat statickou ilustraci.

Jak Soru vyzkoušet? Aktuálně je Sora integrována do webové aplikace ChatGPT. Pokud máte předplatné ChatGPT Plus, získáte přístup i k obrazovým a video funkcím – stačí navštívit web Sora a přihlásit se pod stejnými údaji jako do ChatGPT.

Tip: Soru oceníte, i když se nechcete pouštět do úplně vlastního filmu. Skvěle poslouží například k oživení prezentací nebo webových stránek. Místo statického pozadí můžete pomocí Sory vytvořit působivou animaci (třeba abstraktní smyčku nebo přírodní motiv). Také marketing na sociálních sítích může těžit z AI videí – během chvíle vyrobíte krátké poutavé spoty. A pokud vás baví experimentovat, Sora je přímo hračka pro kreativce – můžete zkoušet nerealistické kombinace (např. „tužkou kreslený dinosaurus hrající na kytaru na měsíci“) a nechat se překvapit, co AI vykouzlí.

V předchozích příkladech jsme vytvořili obsah – ať už video nebo zvuk. Skvělým pomocníkem v další fázi je ale nástroj, který sám o sobě generativní AI není, ale pomůže vám vše zorganizovat. K čemu jsou sebelepší AI výtvory, pokud je nemáte kde přehledně shromáždit, naplánovat jejich publikaci a zajistit spolupráci týmu? Pro tento účel slouží v platformě SmartFP modul Řízení projektů (FastTask). Ukážeme si, jak může marketingovému týmu usnadnit plánování a schvalování příspěvků na sociální sítě či obecně řízení kampaní.

Modul Řízení projektů je navržen tak, aby usnadnil efektivní plánování, sledování a koordinaci úkolů v rámci týmu. Můžete si vytvořit například projekt „Letní marketingová kampaň“, do něj přidat všechny dílčí úkoly (např. „Vytvořit upoutávkové video“, „Napsat texty k příspěvkům“, „Naplánovat zveřejnění na Facebooku“, „Schválit vizuály s vedením“ atd.) a přiřadit je kolegům s termíny. Každý úkol vidíte na přehledné kanban tabuli – ta zobrazuje sloupce typu To-Do (K vyřízení), In Progress (Rozpracováno), Done (Hotovo) apod. Úkoly si přetahujete mezi sloupci podle toho, v jaké jsou fázi, což dává všem okamžitý přehled o stavu kampaně.

Komunikace v týmu probíhá přímo u úkolů – každý úkol má svou diskuzi, historii změn a možnost přikládat soubory. Například grafik nahraje do úkolu návrh banneru (třeba obrázek vygenerovaný AI v předchozím dílu 😊) a označí úkol jako čeká na schválení. Odpovědná osoba dostane notifikaci (emailem nebo v aplikaci) a může se podívat, okomentovat, případně úkol posunout dál. Všechny změny (přesunutí do jiného stavu, nový komentář, úprava textu…) jsou logovány s časem na časové ose úkolu – kdykoliv se tedy můžete podívat, kdo co udělal a kdy. Tato transparentnost zabrání zmatkům, že by se něco ztratilo v e-mailu nebo zapomnělo.

Skvělou vychytávkou modulu FastTask je rychlé zaznamenávání nápadů a požadavků (nutný WIndows, Outlook a Chrome). Když vám třeba přijde e-mail od klienta s požadavkem na marketingový materiál, stačí ho přetáhnout do okna SmartFP – automaticky se založí nový úkol s předvyplněným názvem a popisem z toho e-mailu. Podobně můžete jedním klikem vložit screenshot: stisknete Print Screen nebo Ctrl+V a snímek obrazovky se přiloží k úkolu – výborné pro vizuální připomínky („tady upravit tuto část webu“ apod.).

Z pohledu vedoucího týmu modul nabízí také filtrování a přehledy. Můžete si nechat zobrazit všechny úkoly jednoho pracovníka napříč projekty, nebo naopak všechny úkoly, které mají tento týden deadline. Snadno tak odhalíte, kdo je přetížený, co hoří a kde jsou volné kapacity. Pro marketingové kampaně je důležité i schvalování výstupů – ve SmartFP jednoduše zavedete, že úkol má stav „Čeká na schválení“ a odpovědná osoba jej buď schválí (přesune do Hotovo), nebo vrátí s komentářem do Rozpracováno. Celý proces tak máte pod kontrolou a nic se nepublikuje bez odsouhlasení.

Modul Řízení projektů je univerzální: využijí ho nejen marketéři, ale třeba i vývojové týmy, obchodní oddělení pro správu nabídek, HR při náboru atd. Je to flexibilní nástroj pro jakékoliv projektové řízení. Pokud vás tato ukázka zaujala, rádi vám připravíme demo a ukážeme, jak by modul fungoval ve vašem prostředí.

Tip: Zamyslete se, kde všude ve vašem procesu by šel využít nástroj řízení projektů a dejte nám vědět.

Když jsme se v minulém díle věnovali obrázkům, zmínili jsme, že AI někdy tápe v konzistenci – vygenerujete-li deset obrázků „téže“ osoby, každá může vypadat trochu jinak. To je u videa problém: v každém snímku by se herci měnily rysy obličeje! Proto vznikají nástroje, které se zaměřují na udržení konzistentní postavy napříč více záběry. Jedním z nich je OpenArt – původně platforma pro AI generování obrázků, která dnes nabízí i pokročilé modely pro video.

OpenArt má funkci zvanou Characters, jež vám umožní vytvořit si vlastní postavu a tu pak používat opakovaně. Postup je takový, že nahrajete jeden nebo několik obrázků dané postavy (může to být reálná osoba – třeba vaše selfie, nebo i vymyšlená kreslená postava) anebo jednoduše slovně popíšete, jak má vypadat. AI následně vygeneruje model téhle postavy a vy mu můžete dát jméno. Kdykoliv pak v OpenArt tvoříte obrázek či video, stačí do promptu vložit odkaz na tuto konkrétní postavu a AI zajistí, že výsledek bude odpovídat jejímu vzhledu.

Příklad: Řekněme, že si vytvoříte charakter „Anna – mladá brunetka v červených šatech“. Necháte OpenArt vygenerovat několik obrázků, vyberete ten, který se vám líbí nejvíc, a uložíte si Annu jako svou postavu. Teď chcete vytvořit komiksový příběh o Anně – potřebujete tedy sérii obrázků, kde Anna vystupuje pokaždé v jiné situaci, ale pořád vypadá jako Anna. S běžným generátorem by se stávalo, že jednou by měla jiný nos, podruhé jiné oči… S OpenArt Characters řeknete: „[Anna] sedí v kanceláři a píše na počítači, komiksový styl“. AI vygeneruje obrázek s Annou u počítače. Další scéna: „[Anna] běží po pláži při západu slunce“ – zase dostanete Annu, tentokrát v pohybu na pláži. A tak dále. Celý komiks má jednotnou hlavní hrdinku.

Tohle je skvělé pro brandové postavy, maskoty, nebo třeba když chcete v marketingu používat stejného AI „herce“ v různých vizuálech. Nemusíte pokaždé ladit prompt, aby „vypadal podobně“ – OpenArt se postará o shodu rysů automaticky.

OpenArt ovšem nezůstává jen u statických obrázků. Díky integrovaným modelům (jako je třeba Kling 2.1 – jeden z nejnovějších AI video modelů) můžete generovat i krátká videa. A co je zásadní, konzistence postavy platí i v čase – tedy v rámci videa. Pokud používáte definovanou postavu, AI se ji snaží udržet stejnou od prvního do posledního snímku videa. To řeší problém, kdy starší AI video modely měly „plovoucí“ obličeje (charakter vypadal v každém snímku trošku jinak, což oko pozná jako nepřirozené). S OpenArt by se tohle mělo dít méně.

Jak OpenArt použít? Stačí se zaregistrovat na openart.ai – základní generování obrázků je zdarma (dostanete určité množství kreditů na den). Pro pokročilejší funkce, delší videa nebo trénování vlastních postav je potřeba placený tarif nebo dokoupení kreditů, ale na vyzkoušení nepotřebujete nic platit.

V přehledu nástrojů zvolte Characters (Postavy) a vytvořte si nějakou zkušební. Můžete nahrát třeba jednu fotografii sebe a nechat AI dotrénovat charakter. Pak zkuste vygenerovat jednoduchý obrázek s použitím této postavy (v promptu použijte jméno nebo odkaz na tu postavu – návod vám OpenArt ukáže). Uvidíte, jak AI vykreslí scénu s vámi jako „hercem“. Je to trochu sci-fi, ale funguje to! 🙂 Až si pohrajete s obrázky, přepněte na Video (OpenArt podporuje generování videa – buď čistě z textu, nebo z obrázku, podobně jako Sora). Zadejte, co má vaše postava dělat, a během chvíle dostanete animovaný klip.

Tip: OpenArt nedávno přidal i možnost Lip Sync – tedy rozpohybování rtů postavy podle zvukové stopy. Můžete tak nahrát vlastní audio (třeba komentář vytvořený v ElevenLabs, o kterém píšeme níže) a OpenArt k němu vygeneruje video, kde vaše AI postava přesně artikuluje ten nahraný projev. Tím vlastně propojíte hlasový klon s animovanou postavou – výsledkem je mluvící avatar velmi blízký realitě. Tato technologie se teprve rodí, ale naznačuje budoucnost, kde si každý bude moci „hrát“ ve svém virtuálním studiu s herci a hlasy podle libosti.

Na závěr se podívejme na oblast zvuku – konkrétně syntetický hlas. Ať už potřebujete namluvit video, vytvořit audio verzi článku, nebo třeba hlas pro svého chatbota, nemusíte si najímat profesionálního herce. Špičkové AI modely dnes dokážou číst text k nerozeznání od lidského hlasu. Jedním z nejznámějších nástrojů je ElevenLabs.

ElevenLabs umožňuje jednoduše vložit libovolný text a nechat si ho převést na mluvené slovo. Podporuje mnoho jazyků (češtinu nevyjímaje) a hlavně nabízí velmi přirozeně znějící hlasy. Po registraci do ElevenLabs můžete hned začít – otevřete sekci Speech Synthesis, napíšete nebo vložíte text a vyberete hlas z nabídky. K dispozici jsou přednastavené hlasy (v angličtině jich je nejvíce, pro češtinu vyberete např. hlas Antonín nebo Zuzana, které znějí jako běžný český moderátor). Kliknete na Generate a během pár sekund se vygeneruje audio soubor, který si můžete přehrát nebo stáhnout.

Kvalita výstupu vás pravděpodobně překvapí – pryč jsou doby monotónních robotických hlasů. ElevenLabs umí intonovat věty, dělat přirozené pauzy, měnit tón podle obsahu (otázku vyzní tázavě, u vykřičníku přidá důraz atd.). Pokud se vám něco nezdá, můžete zkusit upravit text (např. přidat čárky pro pomalejší tempo, nebo dopsat výslovnost cizích slov foneticky) a generovat znovu. Pro český text je kvalita také velmi dobrá, i když u složitých slov či jmen občas AI trochu tápe – v takovém případě pomůže přepsat problematické slovo tak, jak se vyslovuje.

Kde se takový syntetický hlas hodí? Například můžete ozvučit instruktážní video (třeba právě to, které jste si vytvořili v HeyGenu – místo defaultního hlasu avataru nasadíte vlastní audio). Dále je to skvělé pro podcasty nebo audioblogy – napíšete článek a jedním klikem z něj máte audiozáznam, který mohou posluchači slyšet místo čtení. Firmy využívají ElevenLabs pro automatizované telefonní systémy, hlasové asistenty, nebo třeba personalizované zprávy (kdy zákazník slyší svoje jméno v namluveném textu, aniž by to kdo ručně nahrával).

Třešnička na dortu je funkce Voice Lab, kde můžete naklonovat vlastní hlas. Pokud vám nevyhovuje žádný z předpřipravených (nebo prostě chcete, aby to znělo jako vy), nahrajete do systému několik ukázek svého hlasu. Stačí pár minut záznamu – ideálně čistého hlasu bez hluku. ElevenLabs z těchto ukázek natrénuje model, který mluví téměř stejně jako vy. Potom jakýkoliv text, který napíšete, může znít, jako byste ho četli vy osobně. Je docela zvláštní zážitek slyšet svůj hlas, jak říká věty, které jste nikdy neřekli. 🙂

Využití je nasnadě: můžete tak škálovat sami sebe – například vytvářet videa či prezentace, kde vystupujete „vy“, aniž byste museli každý výstup pracně namlouvat. Tvůrci podcastů tímto způsobem lokalizují obsah do cizích jazyků (svůj hlas naučí mluvit anglicky, španělsky apod., čímž získají zahraniční verze svého pořadu, které však pořád znějí jako oni).

Tip: ElevenLabs vyniká ve výrazu řeči – dokáže dodat hlasu emoce. V rozhraní můžete u hlasu nastavit parametry Stability a Clarity/Style. Když snížíte Stability, hlas bude výrazově bohatší (např. pro dramatické čtení nebo emotivní projev). Zvýšením Clarity zas docílíte formálnějšího a čistšího projevu (třeba pro zprávy). Zkuste si pohrát s těmito nastaveními, případně využít Voice Styler, kde textu můžete připsat instrukci typu „řekni to nadšeně“ nebo „smutným tónem“. AI pak upraví intonaci, jako by skutečně prožívala danou emoci.

• AI už umí generovat video i hlas, což výrazně zjednodušuje tvorbu multimediálního obsahu. Krátké spoty, animace, prezentace nebo namluvené komentáře lze vytvořit bez specializovaného vybavení.
• Virtuální avatar (HeyGen) dokáže nahradit vaši prezentaci před kamerou – ideální, když nechcete vystupovat osobně, nebo potřebujete obsah ve více jazycích.
• Generování videa z textu (Sora, OpenArt) je stále v rané fázi, ale už teď umožňuje experimentovat s vizuálními nápady. I bez znalosti střihu či animace můžete získat originální klipy pro své projekty.
• Konzistentní postavy: Díky nástrojům jako OpenArt lze udržet jednotný vzhled postav napříč obrázky i videem. Budování vizuální identity (maskoti, postavy v kampaních) tak dostává nový rozměr.
• AI hlas (ElevenLabs) je k nerozeznání od lidského a otevírá cestu k automatizaci audio tvorby – od videí, přes podcasty po zákaznickou podporu. Klonování vlastního hlasu může ušetřit spoustu času při nahrávání opakujících se textů.
• Integrace do praxe: Aby všechny tyto výstupy přinesly užitek, zapojte je do svých pracovních postupů. Používejte projektové nástroje (jako SmartFP FastTask) k organizaci práce, nastavte jasné procesy pro schvalování AI generovaného obsahu a nezapomeňte školit tým v etickém používání AI.
• Buďte odpovědní: AI vám dává do rukou velkou moc vytvářet přesvědčivý obsah. Využívejte ji kreativně, ale transparentně – označujte generovaný obsah a respektujte soukromí a práva druhých.

Pokud máte nápad na konkrétní téma nebo nástroj, který by vás v rámci AI zajímal, dejte mi vědět! 🙂 Tento seriál vzniká pro vás – rád ho přizpůsobím tomu, co vás nejvíc pálí nebo láká vyzkoušet. Zároveň budu rád, když se podělíte o své zkušenosti s nástroji, které jsme dnes prošli. Zkusili jste vytvořit vlastní video avatar, nebo jste si už nechali naklonovat hlas? Co vás nadchlo a co naopak zatím zklamalo? Vaše postřehy můžou pomoct ostatním čtenářům i mně při dalším objevování možností AI.

Pojďme společně dál zkoumat, jak nám AI může ulehčit práci i život, a zároveň se z toho poučit a užít si trochu té futuristické zábavy. Díky, že seriál sledujete, a budu se těšit u příštího dílu!