Клиент топал ногами, реально, каблуками по паркету, как в мультике )) Кричал: "Вы же профи! Почему столько стоит и так долго? Почему видео в ИИ не с первого дубля?! Какие еще на хрен токены??"

Но я сдержалась и попыталась объяснить, как же это всё устроено.

В голове у людей картинка простая: вводишь промпт, нажимаешь кнопку, забираешь готовый ролик, где у человека стабильное лицо, нормальное количество пальцев и тд, и текст читается. Первый дубль почти всегда черновик, по которому только начинаешь понимать, что вообще пошло не так: не тот ракурс, не тот свет, лишний предмет, а у модели три руки, причем третья, судя по положению , растет из жопы))

Дальше правишь промпт, меняешь референс, перегенерируешь кусок - и только за счёт этих итераций ролик можно показывать людям. Так работает любой монтаж, не только генеративный: даже в живой съёмке никто не снимает сцену один раз и сразу пускает в прокат.

Объяснила через аналогию с фотосессией и сто даже с живым человеком и профессиональным светом никто не публикует первый же кадр из серии - выбирают из тридцати, а часто ещё и ретушируют. С генеративным видео просто эта же работа сдвинута на этап после съёмки, а не до.

Ногами топать перестал, вроде понял.

А у вам есть знакомые люди, которые ждут от ИИ волшебную кнопку "готово с первого раза"?