Göra en långfilm med AI

Att producera rörligt bildmaterial har länge varit en av de mest kostsamma marknadsförings- och paketeringsåtgärderna för ett företag. Men med den snabba utvecklingen inom generativ AI har spelplanen ritats om helt. Även om verktygen inte är gratis, kan kostnaden för att göra film eller komplicerade scener minskas avsevärt. Scener som i verkligheten kräver dyra tillstånd, avancerad rekvisita eller komplicerade kamerarörelser kan nu skapas direkt från skrivbordet.

För svenska företagare som sitter på värdefullt material, som en fackbok, en memoar eller en unik företagshistoria, innebär AI en möjlighet att skala upp sitt innehåll till filmformat. Men processen kräver en noggrann struktur för att slutresultatet ska hålla hög kvalitet. Den realistiska ambitionen är dock inte en färdig långfilm med ett enkelt knapptryck, utan en produktionskedja där AI gör mycket av materialet och du själv fungerar som regissör och klippare.

Processen börjar inte med att generera video direkt, utan med att strukturera råmaterialet. Ett bokmanus måste först översättas till scenkort med synlig handling. Ett effektivt sätt är att låta en AI föreslå tre olika berättarlinjer utifrån manuset, med tydliga instruktioner om att inte hitta på nya fakta.

Arbetet underlättas av att dela upp informationen i tre kategorier: vad vi vet med säkerhet, vad vi minns och vad som faktiskt måste gestaltas genom dramatisering. Först när denna struktur är på plats bör man beställa ett synopsis och ett så kallat "treatment" – en sammanhängande beskrivning av filmen utan dialog. Genom att gallra hårt och slå ihop karaktärer kan man göra produktionen både billigare och tydligare.

Ett av de största praktiska problemen vid AI-filmer är så kallad karaktärskonsistens. En person kan ändra ögonfärg mellan två klipp, eller så byter ett rum plötsligt planlösning. För att motverka detta måste företagaren bygga en visuell bibel innan genereringen påbörjas.

Den visuella bibeln låser personens utseende, kläder och miljöer. Den bör innehålla referensbilder på ansikten framifrån och i profil, rummets planlösning, färgpalett och kamerahöjd. Genom att skapa en enkel storyboard och en animatic – stillbilder på en tidslinje med preliminärt ljud – upptäcker man snabbt om scenerna fungerar innan man lägger resurser på att generera färdig video.

Under åren 2024–2025 har flera kraftfulla verktyg etablerat sig på marknaden. Google Veo 2 erbjuder korta genereringar på 5–8 sekunder i 720p-upplösning via ett API, vilket passar för en strukturerad produktionsväg. OpenAI Sora har introducerat möjligheter till videoklipp på upp till 20 sekunder i 1080p, men har fortfarande utmaningar med komplex fysik. Runway Gen-4 skapar 5- till 10-sekundersklipp från en fast startbild, vilket är idealiskt för att behålla utseendet på en karaktär. Slutligen är Kling ett starkt alternativ för bild-till-video och personrörelser.

Det är dock viktigt att förstå verktygens begränsningar. Modellen producerar vanligtvis ett nytt visuellt förslag, inte en inspelning av en beständig fysisk värld. Referensbilder och modellernas särskilda konsistensfunktioner kan minska variationen, men de ersätter inte mänsklig kontroll.

För företagare som vill ta steget handlar nästa fas om att inventera det egna källmaterialet. Välj ut en kortare berättelse, skapa en visuell bibel och genomför ett praktiskt konsistenstest med fem korta bilder av samma karaktär i olika miljöer innan den fullskaliga produktionen dras igång.