På 10 minutter laget jeg hele denne musikkvideoen for Nirvanas 'Smells Like Teen Spirit' ved hjelp av AI. Her er hele arbeidsflyten min og hver melding jeg brukte 👇

Kjerneverktøyet som ble brukt var Googles Veo 3. Men først måtte jeg spikre språket for instruksjonene. En generisk oppfordring som «Nirvana musikkvideo» ville ha vært en katastrofe.

Så jeg brukte (ChatGPT) GPT-4o som en idédugnadspartner for å hjelpe meg med å bygge et ordforråd som ville fange grunge-stemningen. OPPFORDRING: "Oppgi nøkkelord som definerer 90-tallets grunge-stemning til 1991-hiten 'Smells Like Teen Spirit' av Nirvana, og fanger musikkvideoestetikken."

ChatGPT kom opp med en liste over viktige søkeord: -Grusom, 1990-tallsstil -Opptak fra håndholdte videokameraer -Fullsatt auditorium i Seattle -Humørfylt, svakt opplyst gang på videregående skole -Dystopisk energi -Overeksponert scenelys

Med mitt estetiske ordforråd begynte jeg å generere dusinvis av korte klipp i Veo 3. Det er som å være en regissør med et ubegrenset budsjett for B-roll!

For å få hovedkonsertopptakene, måtte spørsmålene være spesifikke om energien og plasseringen. PROMPT: «Et bredt, filmatisk bilde av et tenåringsrockeband som spiller et høyenergisk liveshow i et fullsatt auditorium på videregående skole i Seattle på 1990-tallet.»

Videoen trengte det kaotiske perspektivet på fannivå. En oppfordring til synspunkt gjorde underverker her. PROMPT: «Et grusomt, skulderhøyt POV-bilde fra innsiden av publikum, pekte mot de uskarpe, overeksponerte scenelysene. Du ser bare konturer av bandet.»

For å bygge «historien» rundt konserten, ville jeg ha de klassiske, angstfylte high school-scenene. OPPFORDRING: «En rask sekvens med raskt, humørfylt kamera skjærer gjennom en svakt opplyst gang på videregående skole på 1990-tallet, mens kameraet knipser fra en tenåring til den neste.»

Noen ganger ba jeg bare om ren estetikk for å få klipp jeg kunne bruke som overganger eller tekstur. OPPFORDRING: "generer en video som er inspirert av 1990-tallets Seattle grunge-musikk med en mørk stemning"

Det er her menneske-i-løkken-delen er så viktig. Jeg hadde nå en mappe full av 7-sekunders klipp. Jeg importerte alt til en enkel videoredigerer kalt Capwing. AI var filmfotografen, men jeg var regissøren.

I Capwing sydde jeg de beste klippene sammen, og synkroniserte kuttene til sangens berømte stille-HØYT-stille dynamikk. De kaotiske, høyenergiske skuddene måtte lande akkurat da refrenget traff. Det er her historiefortelling og smak utgjør hele forskjellen.

Her er hva @clairevo (HVORDAN JEG AI Podcast) sa:

AI er ikke perfekt ennå, men artister på 60- og 70-tallet møtte lignende begrensninger med opptaksutstyr. Det jeg skapte var fanfiction, et kjærlighetsbrev til mine favorittlyder fra 90-tallet. Men tanken er at vi nå har verktøyene til å lage originale medier.

Avstanden mellom idé og utførelse har aldri vært kortere. Verktøyene er her, de er tilgjengelige, og de er utrolig kraftige. Mitt råd til alle er enkelt: gå og spill.