Grafika a video v ElevenLabs: obrázek, klip i hlas z jednoho účtu

Kdo má ElevenLabs zapsané jako „ten nástroj na hlas“, propásl, že se z něj stala dílna na celý krátký spot. V části Image & Video vybíráte z desítek obrazových a video modelů různých výrobců, a co vygenerujete, můžete o dvě kliknutí dál rozmluvit hlasem, který už v účtu máte.

Výhoda není v tom, že by tu modely byly lepší než jinde. Jsou to tytéž. Výhoda je, že nemusíte přenášet soubory mezi čtyřmi službami a platíte z jedné zásoby kreditů.

Vzorová situace

Klára dělá marketing pro malou pražírnu kávy. Na listopadovou kampaň potřebuje tři vizuály na sítě, jeden patnáctivteřinový klip a k němu namluvený text. Dřív to znamenalo fotobanku, grafika na dva dny a mluvčího. Rozpočet na to nemá.

V ElevenLabs si nejdřív nechá udělat dvanáct variant hlavního obrázku na nejlevnější nastavení. Vybere dvě, ty zvětší. Jednu rozpohybuje do pětivteřinového záběru páry stoupající z šálku. Text namluví hlasem, který už používá pro audioverze newsletteru, a všechno pošle do střihového projektu. Logo a nadpis přidá až v Affinity. Hotovo za odpoledne.

Jak na to

1. Nejdřív obrázek, video až potom

Video je drahé a pomalé, obrázek levný a rychlý. Proto se kompozice, barvy a nálada ladí na obrázku. Rozpohybujete až toho, kdo vyhrál.

Prompt na obrázek pište jako zadání pro fotografa, ne jako seznam přídavných jmen:

Produktová fotografie: šálek filtrované kávy na dubovém stole,
ranní světlo z okna zleva, v pozadí rozostřený pytel se zrny.
Záběr mírně shora, objektiv 50 mm, malá hloubka ostrosti.
Teplé tlumené barvy, žádný text, žádné logo, žádní lidé.
Formát 4:5.

Tři věci v něm jsou schválně: odkud jde světlo, odkud se díváme a co v obrázku být nemá. Bez nich model střílí naslepo.

2. Stejný prompt, tři modely

Rozhraní umí vygenerovat víc variant naráz a model přepnete jedním výběrem. Zkuste stejné zadání na třech: jeden silný ve fotorealismu, jeden v ilustraci, jeden v dodržení předlohy. Rozdíly jsou větší, než byste čekali, a ušetří vám to hodinu ladění promptu u modelu, který se na úlohu prostě nehodí.

3. Jednotný styl přes referenci

Tři vizuály jedné kampaně musí vypadat jako od jedné ruky. Většina modelů přijímá referenční obrázek. První povedený vizuál proto použijte jako předlohu pro další:

Stejný styl, světlo a barevnost jako na přiloženém obrázku.
Nový motiv: ruka sype zrna do mlýnku, stejný stůl, stejné okno.
Žádný text, žádné logo. Formát 4:5.

4. Zvětšení

Na síť stačí výchozí rozlišení. Na tisk nebo velký banner obrázek zvětšete vestavěným nástrojem — až čtyřnásobně. Zvětšujte jen finální kusy, i tohle stojí kredity.

5. Rozpohybování

Vítězný obrázek nastavte jako první snímek videa a popište jen pohyb:

Kamera se velmi pomalu přibližuje. Z šálku stoupá pára.
Nic dalšího se nehýbe. Délka 5 sekund.

Čím méně pohybu chcete, tím lépe to dopadne. Některé modely umí zadat i poslední snímek, takže určíte, kde záběr skončí. Cena roste hlavně s délkou; pět vteřin, které se dají ve střihu zopakovat, je rozumnější než jeden patnáctivteřinový pokus.

6. Hlas a rty

Komentář namluvte běžným způsobem, postup včetně přípravy textu pro ucho je v návodu na audioverze obsahu. Pokud má v záběru někdo mluvit, je tu sada modelů na synchronizaci rtů, která rozmluví fotku nebo hotové video podle zvukové stopy.

7. Export

Obrázky stáhnete jako PNG, video jako MP4. Nebo je pošlete rovnou do projektu ve Studiu a složíte tam se zvukem.

Nejčastější chyby

• Ladit na videu. Deset pokusů o klip vás stojí tolik co stovky obrázků.
• Nechat model psát text. Česká diakritika v obrázku je loterie. Text patří do editoru.
• Nezkontrolovat ruce, oči a nápisy v pozadí. Jsou to místa, kde si divák všimne jako první.
• Použít tvář skutečného člověka. Bez souhlasu ne, ani „jen podobnou“.
• Zapomenout na společnou zásobu kreditů. Video z ní bere stejně jako hlas. Zkontrolujte zůstatek, než slíbíte termín.

Nejlepší nástroje

• ElevenLabs Image & Video — jedno rozhraní pro obrazové, video, zvětšovací a rozmlouvací modely, napojené na hlas a střih.
• Affinity — bezplatný editor na retuš, text, logo a tiskový výstup. Podrobně v samostatném návodu.
• Vlastní fotka z mobilu — nejlepší referenční obrázek je ten, na kterém je váš skutečný výrobek.
• Tabulka s prompty — co fungovalo, s jakým modelem a kolik to stálo. Po měsíci je to nejcennější soubor, který máte.

Co vám to přinese

• Čas: sada vizuálů a krátký klip za odpoledne místo několika dnů domlouvání.
• Peníze: žádná fotobanka a žádný další účet; platíte z kreditů, které už máte.
• Kvalita: jednotný styl napříč obrázkem, videem i hlasem, protože vzniká na jednom místě.
• Klid: varianty jsou levné, takže se nemusíte trefit napoprvé.

Pro tip

Než cokoli zveřejníte, položte si dvě otázky. Mohl by si to někdo splést se skutečnou fotografií nebo záběrem? Pokud ano, označte to jako vytvořené umělou inteligencí; u realistického obsahu to nově není jen slušnost, ale povinnost, o které píšeme v článku o označování podle AI Actu. A je na tom váš skutečný výrobek? Vygenerovaný šálek je v pořádku jako nálada. Jako fotka zboží, které zákazník dostane, je to klamání.

Platí tu stejné pravidlo jako u hlasu: generuje stroj, zveřejňuje člověk, který se na to opravdu podíval.