دیپ موشن: موشن دیزاین قابل ویرایش با هوشواره
/ مطالعه در 9 دقیقه
دو گونهٔ حرکت
ویدیوی مولد به جایگاه چشمگیری رسیده است. مدلهای تازه حرکتهای سینمایی دوربین، فیزیک باورپذیر و نوری میسازند که مثل نور واقعی رفتار میکند. برای فضا، بافت و کاوش سریع ایدهها، امکانهایی گشودهاند که چند سال پیش وجود نداشت، و من با لذتی واقعی از آنها استفاده میکنم.
موشن دیزاین چیز دیگری میخواهد. موشن دیزاینر معمولاً دقیقاً میداند چه میخواهد: این لوگو باید در ۴۰۰ میلیثانیه از ۹۲ درصد به ۱۰۰ درصد بزرگ شود، کمی از مقصد رد شود و نرم برگردد، روی ضرب بنشیند و یک ثانیه بماند تا شعار با تأخیری اندک از چپ وارد شود. بعد مشتری میخواهد شعار کمی زودتر بیاید، و طراح میخواهد همان یک چیز را تغییر دهد در حالی که همهچیزِ دیگر دقیقاً همانطور بماند.
چنین کاری به ساختار وابسته است: عناصری که بشود انتخابشان کرد، زمانبندیهایی که بشود تنظیمشان کرد، منحنیهایی که بشود دوباره شکلشان داد، همه مستقل از هم. تولید ویدیو و انیمیشن ساختارمند مسئلههای متفاوتی را حل میکنند و هر دو ارزشمندند. دیپ موشن در چارسوک پاسخ ما به دومی است: هوشواره (AI) که مستقیم با کیفریمها، زمانبندی و روابط کار میکند، تا هر نتیجهای برای دست طراح باز بماند.
موشن دیزاینرها واقعاً چه میکنند
برای فهم مسئله، فهم خودِ کار کمک میکند.
موشن دیزاین هنرِ معنادار به حرکت درآوردن چیزهاست. تیتراژ، انیمیشن رابط کاربری، ویدیوهای توضیحی، انیمیشن لوگو، تصویرسازی داده، گذار میان صحنهها. جایی میان طراحی گرافیک، انیمیشن و فیلمسازی مینشیند.
کار روزانهٔ موشن دیزاینر بیشتر دربارهٔ زمان است. نه فقط اینکه چه اتفاقی میافتد، بلکه کِی، تا چه مدت و در چه رابطهای با همهچیزِ دیگر. با میلیثانیه و فریم فکر میکنند. برایشان مهم است حرکتی شتاب میگیرد یا کند میشود، از مقصد رد میشود و مینشیند یا دقیق میرسد، سه عنصر با هم وارد میشوند یا یکی پس از دیگری با پلکانی اندک.
این تصمیمها تکتک کوچکاند اما روی هم عظیم. فرق انیمیشنی که حس گرانقیمت بودن میدهد با انیمیشنی که ارزان به نظر میرسد تقریباً هرگز یک انتخاب بزرگ نیست. صدها تصمیم کوچک دربارهٔ زمانبندی و منحنی است که هر کدام کمی بهترند.
و مهمتر، موشن دیزاین تکرارشونده است. هیچکس بار اول درستش نمیکند. طراح نسخهای میسازد، تماشا میکند، تنظیم میکند، دوباره تماشا میکند، دوباره تنظیم میکند. بعد مشتری تماشا میکند و یادداشت دارد. بعد موسیقی عوض میشود و همهچیز باید دوباره زمانبندی شود. ابزاری که از تنظیمهای ریز، موضعی و تکرارپذیر پشتیبانی نکند، ابزار موشن دیزاین نیست، هرقدر هم خروجی اولش زیبا باشد.
حرکت دستور زبان دارد
باور اولیهام، که از سالها ساختن انیمیشن و بازی آمده بود، این بود که حرکت، مثل زبان، دستور دارد.
واحدهایی دارد. حرکت از یک جا به جای دیگر. مکث، جایی که هیچ چیز تغییر نمیکند. پیشآمادگی، حرکتی کوچک در جهت مخالف پیش از کنش اصلی، مثل آدمی که پیش از پریدن خم میشود. ادامهٔ حرکت، جایی که بخشهایی پس از توقف کنش اصلی هنوز حرکت میکنند، مثل موهایی که پس از برگشتن سر آرام میگیرند. نشستن، جایی که شیئی میرسد و آرام میگیرد، شاید با جهشی کوچک.
قواعدی برای ترکیب این واحدها هست. پیش از حرکت بزرگ آرام شروع کن تا ناگهانی نباشد. عناصر مرتبط را پلکانی بیاور تا چشم یکییکی دنبالشان کند، نه اینکه غرق شود. هرگز نگذار دو چیز در یک لحظه برای توجه بجنگند. بگذار عناصر مهم آخر حرکت کنند تا چشم روی آنها تمام شود. انرژی حرکت را با انرژی محتوا و صدا هماهنگ کن.
و سبکهایی هست که عمداً قواعد را خم میکنند. یک برند بازیگوش ممکن است از جهشهای اغراقشدهای استفاده کند که در برنامهٔ یک بانک مضحک به نظر میرسد. یک برند مینیمال ممکن است اصلاً از رد شدن از مقصد پرهیز کند. زیباییشناسیِ گلیچ عمداً پیوستگی را میشکند. سبک خوب یعنی قواعد را آنقدر خوب بشناسی که بتوانی معنادار بشکنیشان.
موشن دیزاینرهای خوب این دستور را عمیقاً میشناسند، حتی اگر هیچوقت نامش را نبرند. انیماتورها دهههاست دربارهٔ بسیاری از این اصول نوشتهاند. اما در نرمافزار، بیشتر ابزارها حرکت را دادهٔ خام میبینند: کیفریم، منحنی، عدد. دستور فقط در ذهن طراح زندگی میکند.
پس دیپ موشن به جای تولید پیکسل، با خودِ حرکت کار میکند: کیفریمها، منحنیهای نرمی، زمانبندی و رابطه میان عناصر. خروجی هوشواره (AI) انیمیشنی است که میتوانی بازش کنی و ویرایشش کنی، نه ویدیویی که فقط میشود پذیرفتش یا ردش کرد. هر عنصر هنوز یک عنصر است. هر زمانبندی هنوز عددی است که میتوانی تغییرش دهی. هر منحنی هنوز منحنیای است که میتوانی بگیریاش.
آموختن دستور زبان
آموختن این دستور به یک مدل، چالش فنی اصلی بود.
مدلهای مولد از داده یاد میگیرند. برای ویدیوی پیکسلی، اقیانوسی از داده هست. برای حرکت ساختارمند، با کیفریمها، منحنیها و روابط واقعی میان عناصر، خیلی کمتر. بیشتر انیمیشنهای جهان فقط بهصورت ویدیوی رندرشده وجود دارند؛ ساختار زیرینشان هرگز ذخیره یا منتشر نشده.
از چند سو به این مسئله نزدیک شدیم. هر جا توانستیم با دادههای حرکت در قالبهای ساختارمند کار کردیم. بازنماییهایی ساختیم که حرکت را در سطح دستور زبان میگیرند نه کیفریم خام، تا «پیشآمادگی، بعد حرکت سریع، بعد رد شدن از مقصد و نشستن» چیزی باشد که مدل بتواند مستقیم بیانش کند. و به این واقعیت تکیه کردیم که بخش زیادی از دستور حرکت را میشود با قاعده و اصل توصیف کرد، که راهی برای هدایت و ارزیابی مدل حتی در جاهای کمداده به ما داد.
درسی که غافلگیرم کرد: روابط از حرکتهای منفرد مهمترند. خوب حرکت دادن یک عنصر آسان است. حرکت دادن پنج عنصر با هم به شکلی که هماهنگ و هدفمند به نظر برسد سخت است. مدل باید نه فقط یاد میگرفت چیزها چطور حرکت میکنند، بلکه چطور در نسبت با هم حرکت میکنند: چه کسی پیش میرود، چه کسی دنبال میکند، چه چیزی منتظر چه چیزی میماند.
از طرح تا حرکت
یکی از جریانهای کاری که بیشتر از همه به آن افتخار میکنم، رفتن از یک طرح خام به انیمیشن است.
طراح چند فلش و خطخطی روی یک فریم میکشد: این از اینجا وارد میشود، این میپرد، این دنبالش میآید، این وقتی آن یکی میرسد محو میشود. سی ثانیه طول میکشد. دیپ موشن آن را به یک تایملاین واقعی با پیشفرضهای معقول تبدیل میکند: مدتهای معقول، منحنیهای مناسب، پلکانی که معنا دارد، و اگر موسیقی باشد، زمانبندی همراستا با آن.
طراح از آنجا ادامه میدهد. شاید پریدن باید بزرگتر باشد. شاید دنبال کردن باید کُندتر باشد. شاید کل کار باید فشردهتر شود. همهٔ اینها دستکاری مستقیم یک تایملاین واقعی است، دقیقاً همانطور که در هر ابزار حرفهای موشن انجام میدهند.
همهچیز را درست درنمیآورد. لازم هم نیست. باید ساختار را درست دربیاورد تا طراح وقتش را صرف حس کار کند، نه آمادهسازی. آمادهسازی بخش ملالآور است: ساختن لایهها، گذاشتن کیفریمها، اعمال منحنیهای پیشفرض، همراستا کردن چیزها با ضرب. حس بخش خلاق است: زمانبندی دقیقی که چیزی را دلنشین میکند. میخواهیم به طراحان وقت بیشتری برای حس بدهیم.
تماشای طراحانی که از این استفاده میکنند یکی از رضایتبخشترین تجربههای ساختن چارسوک بوده. حالت چهرهٔ خاصی دارند وقتی خطخطیشان به حرکتی بدل میشود که از همین حالا به چیزی که تصور کرده بودند نزدیک است. و بعد، تقریباً بیدرنگ، شروع میکنند به تنظیمش. همان تنظیم، اصل ماجراست.
آنچه سخت بود
زمانبندی بیرحم است. گذاری که ۸۰ میلیثانیه طولانیتر باشد کُند به نظر میرسد. گذاری که ۸۰ میلیثانیه کوتاهتر باشد لرزان. ادراک انسان از حرکت فوقالعاده دقیق است، و خطاهای کوچکی که در تصویر ثابت نامرئیاند، در حرکت آشکارند.
مدلی که روی میانگینها آموزش دیده عاشق همان میانهٔ امن و کمی طولانی است. حرکتی تولید میکند که هرگز افتضاح نیست و هرگز عالی نیست: نرم، محتاط، کمی خوابآلود. باید به سمت قاطعیت هلش میدادیم. حرکت خوب متعهد است. وقتی باید سریع برود سریع میرود و وقتی باید بماند میماند. آموختن تعهد به یک مدل، بیآنکه بیپروایش کنیم، تکرارهای زیادی لازم داشت.
ارزیابی حرکت سخت است. حرکت را از یک فریم نمیشود داوری کرد. حتی از توالی فریمهایی که کنار هم چیده شدهاند هم نمیشود با اطمینان داوریاش کرد. باید تماشایش کنی، با سرعت واقعی، و اغلب بیش از یک بار.
همین ما را به ساختن ارزیابیهای بصریای کشاند که حرکت را در طول زمان میبینند: میسنجند آیا عناصر به هم برخورد میکنند، آیا چشم مسیر روشنی دارد، آیا انرژی با محتوا میخواند، و آیا بینندگان انسانی در مقایسهٔ کنار هم یک نسخه را به دیگری ترجیح میدهند. بعدها این کار بخشی از لایهٔ گستردهتر داوری طراحی شد که جداگانه دربارهاش نوشتهام، چون همان ابزارهایی که حرکت را داوری میکنند میتوانند به داوری رابطها هم کمک کنند.
موسیقی همهچیز را عوض میکند. بخش زیادی از موشن دیزاین روی صدا ساخته میشود. همراستا کردن حرکت با موسیقی فقط جور کردن ضربها نیست؛ جور کردن جملهبندی، انرژی و احساس است. یک اوج حرکتی میخواهد که اوج بگیرد. یک مکث سکون میخواهد. اینکه مدل خوب گوش کند، پروژهٔ طولانی دیگری بود.
طراحان عادتهای محکمی دارند. هر موشن دیزاینری مجموعهای از ابزارها را عمیقاً میشناسد، و دیپ موشن باید در جریانهای کاریای جا بیفتد که از قبل وجود دارند. یاد گرفتیم خروجی تمیز و سازگاری را بر افزودن ویژگی مقدم بداریم. ابزار درخشانی که در یک پایپلاین واقعی جا نیفتد استفاده نمیشود.
پیکسل و ساختار به هم خواهند رسید
فکر نمیکنم آینده یا تولید پیکسل باشد یا حرکت ساختارمند. فکر میکنم به هم خواهند رسید.
مدلهای پیکسلی در بافت، فضا، نور و چیزهایی که توصیف ساختاریشان سخت است فوقالعادهاند: دود، آب، شیوهٔ حرکت نور روی پوست. حرکت ساختارمند در زمانبندی، نیت و کنترل دقیق فوقالعاده است. پروژههای واقعی به هر دو نیاز دارند.
ابزارهایی را تصور میکنم که در آنها طراح ساختار را تعریف میکند، کدام عناصر، کدام زمانبندی، کدام روابط، و یک مدل پیکسلی فضای اطرافش را رندر میکند. یا جایی که ویدیوی تولیدشده را بشود پس از ساخت به عناصر قابل ویرایش تجزیه کرد. پژوهشها به این سو میروند و مشتاقم ببینم به کجا میرسند.
ابزارهایی برنده میشوند که بگذارند طراح روان میان این دو جابهجا شود: تولید وقتی الهام میخواهد، ساختار وقتی کنترل میخواهد.
چرا کنترل یک ارزش خلاق است
زیر همهٔ اینها نکتهای فلسفی هست که برایم مهم است.
وقتی مردم دربارهٔ هوشواره (AI)ٔ (AI) مولد در حوزههای خلاق حرف میزنند، اغلب کنترل را محدودیتی فنی میدانند که سرانجام حل خواهد شد، گویی ایدئال مدلی است آنقدر خوب که هرگز لازم نباشد چیزی را تنظیم کنی. با این چارچوب مخالفم.
کنترل یک راهحل موقت نیست. کنترل جایی است که خلاقیت زندگی میکند. توانایی انجام تنظیمهای کوچک و سنجیده، همان شیوهای است که آدم تصور خاص خودش را بیان میکند نه یک تصور میانگین را. ابزاری که نیاز به کنترل را از میان بردارد، امکان یک صدای شخصی را هم از میان برمیدارد.
این همان اصلی است که پشت همهٔ چیزهایی است که در چارسوک میسازیم: انسان و هوشواره (AI) که با هم اثر میسازند، در حالی که دست انسان روی کار است. دیپ موشن همان اصل است که روی زمان و حرکت اعمال شده.
تا وقتی پیکسل و ساختار کاملاً به هم برسند، اگر کارتان به این بستگی دارد که ضرب دقیقاً همانجا بنشیند که میخواهید، حرکتی لازم دارید که بشود گرفتش. شرطِ پشت دیپ موشن همین است، و تا امروز هر طراحی که امتحانش کرده، با کلمههایی متفاوت همین را به من گفته: بالاخره چیزی که همانطور حرکت میکند که من فکر میکنم.