از صحبت با شخصیت‌های مجازی تا قدم‌زدن در عکس‌ها؛ سازنده فتوشاپ از ابزارهایی خلاقانه پرده‌برداری کرد

ادوبی در کنفرانس سالانه‌ی Adobe Max مجموعه‌ای از پروژه‌های آزمایشی را نمایش داد که مرز میان ویرایش سنتی و تولید محتوا با هوش مصنوعی راباریک‌تر می‌کنند. یکی از ابزارها اجازه می‌دهد با یک شخصیت غیرواقعی صحبت کنید. پروژه‌ای دیگر عکس تخت را به محیطی سه‌بعدی و قابل‌پیمایش بدل می‌سازد. دو آزمایش دیگر نیز ساخت و ترکیب صدا و تکرار ویرایش‌های پیچیده را به تعامل‌هایی شبیه بازی با نشانگر ماوس تبدیل می‌کنند.

ابزارهای معرفی‌شده بخشی از برنامه‌ی موسوم به Sneaks ادوبی هستند. چنین پروژه‌هایی پیش‌نمایشی از قابلیت‌های پژوهشی به‌شمار می‌روند و ممکن است سرانجام وارد برنامه‌های Creative Cloud یا پلتفرم Firefly شوند، اما نمایش عمومی آن‌ها هیچ تضمینی برای عرضه‌ی نهایی ایجاد نمی‌کند.

نام نخستین آزمایش، Project Screen Test است. هدف پروژه ساده‌تر کردن طراحی شخصیت‌های تولیدشده با هوش مصنوعی برای محتوای ویدیویی عنوان شده، اما روش کار با ابزارهای متداول تفاوت دارد. سازنده به‌جای نوشتن توضیحی طولانی درباره‌ی لحن و رفتار شخصیت، مستقیما با او حرف می‌زند و مانند کارگردانی در جلسه‌ی آزمون بازیگری، واکنش‌هایش را هدایت می‌کند.

فرایند با تعیین چند ویژگی پایه مانند مضطرب، خجالتی و معذب آغاز می‌شود. سپس می‌توان یکی از صداهای آماده را برگزید، صدای مطلوب را در یک فرمان متنی توصیف کرد یا نمونه‌ی صوتی در اختیار سامانه گذاشت.

پس از ساخت چارچوب اولیه، کاربر در رابطی شبیه تماس فیس‌تایم با شخصیت گفت‌وگو می‌کند و درباره‌ی گذشته، خلق‌وخو، هدف‌ها، نقص‌ها، ترس‌ها و حتی عادت‌های حرکتی او توضیح می‌دهد.

گفت‌وگوها فقط برای اجرای لحظه‌ای نیستند و به شکل‌گیری شناسنامه‌ی رفتاری شخصیت کمک می‌کنند. برگه‌ی Personality نیز امکان بازبینی و تنظیم دستی ویژگی‌های تولیدشده را فراهم می‌آورد. پس از رسیدن به نتیجه‌ی مطلوب، کاربر محیط یا موقعیتی را شرح می‌دهد و Project Screen Test یک آزمون تصویری متحرک با همان شخصیت می‌سازد.

Project Sight Span تصویر دوبعدی را بازسازی می‌کند تا کاربر بتواند در فضای آن حرکت کند، زاویه‌ی دید را تغییر دهد و دوربین مجازی را به نقطه‌ای تازه ببرد. سامانه برای بخش‌های بیرون از قاب، اشیا و پس‌زمینه‌هایی می‌سازد که با محتوای اصلی هماهنگ به‌نظر می‌رسند. حتی چرخش کامل و نگاه کردن به پشت سر نیز به تولید فضایی پیوسته منجر می‌شود.

نمایش زنده‌ی محیط سه‌بعدی بافتی پیکسلی و کم‌جزئیات دارد، اما پس از انتخاب زاویه‌ی نهایی، وضوح تصویر دوباره افزایش پیدا می‌کند. روش یادشده امکان جابه‌جایی بسیار گسترده‌تر از قابلیت Spatial Reframing اپل را فراهم می‌آورد و حتی نقطه‌ی ثبت تصویر را تغییر می‌دهد. در مقابل، هرچه فاصله از قاب اصلی بیشتر شود، نتیجه کمتر به یک عکس ثبت‌شده و بیشتر به بازسازی مولد شباهت پیدا می‌کند.

Project Sight Span تنها به عکس‌های دوربین محدود نیست و با نقاشی و تصویرسازی نیز کار می‌کند. سبک هنری اثر در بخش‌های تولیدشده ادامه می‌یابد و عناصری مانند خال‌کوبی یا اجزای چهره، پس از تغییر موقعیت، تا حد قابل‌توجهی شبیه مرجع اولیه باقی می‌مانند.

Project Sound Bender ساخت و ترکیب جلوه‌های صوتی را به حرکت نشانگر روی یک بوم تبدیل می‌کند. کاربر ابتدا کلیپ ویدیویی را بارگذاری می‌کند و سپس صدای موردنظر را شرح می‌دهد. سامانه جلوه‌های صوتی را تولید و زمان‌بندی آن‌ها را به‌طور خودکار با تصویر هماهنگ می‌کند.

چهار گوشه‌ی بوم مربعی به چهار برداشت مرتبط اما متفاوت اختصاص می‌یابد. در نمونه‌ی نمایش‌داده‌شده، صداهایی مانند قل‌قل متراکم همراه با ترکیدن حباب‌ها، غرش سنگ‌های جوشان، آواهای زیر الکترونیکی و خش‌خش آتش برقی در گوشه‌ها قرار داشتند. حرکت نشانگر در سطح بوم سهم هر صدا را در ترکیب نهایی تغییر می‌دهد و نتیجه هم‌زمان شنیده می‌شود. کاربر همچنین می‌تواند محتوای هر گوشه را با جلوه‌ی دیگری جایگزین کند.

Project Rinse Repeat برای تکرار ویرایش روی افراد یا اشیای دیگر در همان تصویر طراحی شده است. اگر ویرایشگر زمان زیادی صرف حذف جوش و لکه‌های پوست یک نفر کند، ابزار می‌تواند منطق همان تغییرات را با ویژگی‌های چهره‌ی افراد دیگر در یک عکس گروهی تطبیق دهد. برخلاف کپی ساده‌ی پیکسل‌ها، این خود فرایند ویرایش است که منتقل می‌شود.

وجه مشترک چهار پروژه، تبدیل فرایندهای دشوار و چندمرحله‌ای به تعامل‌هایی مستقیم‌تر است. طراحی شخصیت از راه مکالمه انجام می‌شود، قاب‌بندی با حرکت در فضای مجازی تغییر می‌کند، صدا با جابه‌جایی نشانگر شکل می‌گیرد و مجموعه‌ای از اصلاحات تصویری با کپی کردن روند کار تکرار می‌شود. ظاهر برخی قابلیت‌ها به اسباب‌بازی‌های تعاملی شباهت دارد، اما خروجی آن‌ها می‌تواند در پروژه‌های حرفه‌ای به کار رود.

گاتام میسورپژوهشگر ارشد ادوبی، گفته است ساده‌تر شدن تعامل‌ها فقط برای پایین آوردن مانع ورود نیست و می‌تواند کنترل دقیق‌تری نیز به خلاقان باتجربه بدهد. به‌گفته‌ی او، جست‌وجوی صوتی Sound Bender و جای‌گذاری دوربین در Sight Span نمونه‌هایی هستند که متخصصان می‌توانند با تکیه بر قضاوت خود نتیجه را مستقیم‌تر اصلاح کنند.

دیدگاه شما درباره‌ی تاثیر چنین ابزارهایی بر آینده‌ی مشاغل چیست؟