Prompt kinowy to scenariusz ujęcia, nie opis obrazka
Większość ludzi zaczyna od zdania w rodzaju „kobieta idzie ulicą w deszczu”. Model coś wygeneruje, ale wynik rzadko przypomina kadr z filmu. Powód jest prosty: taki opis mówi, co ma być widać, a nie jak ma to zostać sfilmowane. Prompt kinowy zawiera więc nie tylko treść, ale też decyzje reżyserskie: rodzaj planu, kąt kamery, ogniskową, kierunek światła, paletę barw, tempo ruchu i proporcje obrazu.
Kiedy przestajesz opisywać scenę, a zaczynasz opisywać ujęcie, jakość generowanego materiału skacze o poziom, którego nie da się osiągnąć samym dopisywaniem przymiotników. „Realistyczny, 4K, hiperdetale” to nie instrukcja reżyserska – to życzenie. Instrukcja reżyserska brzmi: „plan średni z wysokości ramienia, kamera przesuwa się powoli w prawo, bohaterka odwraca głowę w stronę okna, kontrowe światło z okna, ciepła paleta z zielonym cieniem”.
W tym warsztacie przejdziemy przez kompletny proces: od anatomii promptu, przez kadrowanie i światło, po spójność postaci w dłuższych sekwencjach i typowe błędy, które najczęściej psują efekt. To nie lista magicznych formuł, lecz sposób myślenia, który przenosi się na dowolne narzędzie generatywne – i który możesz powtarzać przy każdym projekcie.
Sześć warstw kinowego promptu
Dobra instrukcja dla modelu tekst-na-wideo ma strukturę. Najprościej myśleć o niej jak o sześciu warstwach, które układasz od najbardziej ogólnej do najbardziej szczegółowej. Kolejność ma znaczenie – modele często mocniej ważą początek promptu, a ludzie czytający prompt (np. w zespole produkcyjnym) potrzebują najpierw kontekstu.
Warstwa 1: podmiot i akcja
To jedno zdanie, które mówi, kto co robi i w jakim momencie. Unikaj ogólników typu „mężczyzna” – dopisz wiek, sylwetkę, ubiór, stan emocjonalny i cechę charakterystyczną, która pomoże zachować ciągłość (np. „blizna nad lewą brwią”, „kurtka w kolorze rdzy”). Akcja powinna być pojedyncza i obserwowalna: „podnosi walizkę i stawia ją na siedzeniu” działa lepiej niż „szykuje się do wyjazdu”, bo model nie musi zgadywać, który fragment ruchu pokazać.
Warstwa 2: otoczenie, czas i pogoda
Miejsce definiuje fizykę sceny: materiały, odbicia, to, jak rozchodzi się dźwięk i światło. Zamiast „nowoczesne miasto” napisz „przeszklony hol dworca o godzinie 6:40, mokre płytki, poranne światło wpadające pod kątem przez świetlik”. Konkret czasowy jest kluczowy, ponieważ automatycznie ustawia kierunek i temperaturę światła.
Warstwa 3: kadr i perspektywa
Tu wchodzi język filmu: plan daleki, pełny, średni, zbliżenie, detal; kąt kamery (z lotu ptaka, z dołu, na wysokości oczu); pozycja w kadrze (trójpodział, wyśrodkowanie, prowadzenie po przekątnej). To warstwa, która najsilniej odróżnia amatorski wynik od kinowego.
Warstwa 4: światło i paleta
Światło opisuj przez źródło, kierunek i charakter: „twarde boczne światło z jednego okna, wypełnienie z odbicia od podłogi, cienie o niskiej saturacji”. Paletę podawaj jako trzy kolory z rolą, np. „piaskowy jako baza, rdza jako akcent, chłodna szarość w tle”.
Warstwa 5: ruch kamery i tempo
Statyczny kadr, powolny najazd, jazda po szynie, ręczna kamera, obrót wokół bohatera. Dopisz prędkość („bardzo wolno, jakby kamera stała na wózku”) i to, czy ruch ma się zatrzymać, czy trwać przez całe ujęcie. Tempo opisuj czasownikami, nie liczbami klatek.
Warstwa 6: format i ograniczenia
Proporcje obrazu (2.39:1, 16:9, 9:16), styl (dokumentalny, reklamowy, neo-noir), a także lista rzeczy, których nie chcesz: „bez napisów, bez dodatkowych postaci w tle, bez gwałtownego ruchu kamery”. Negatywne instrukcje są niedoceniane – jedna dobrze sformułowana lista potrafi wyeliminować połowę powtarzalnych błędów.
Kadrowanie i kompozycja: język planów filmowych w praktyce
Kadrowanie to najszybciej zwracająca się inwestycja w prompt. Zamiast pisać „ładne ujęcie”, użyj nazw planów, które model rozumie jak hasła reżyserskie.
- Plan daleki (wide) – pokazuje kontekst, samotność, skalę. Świetny na otwarcia sekwencji i na sceny, w których ważniejsze jest miejsce niż twarz.
- Plan pełny – bohater mieści się w kadrze od stóp do głowy, widać relację z przestrzenią.
- Plan średni – od pasa w górę; standard dialogowy, czytelne emocje i gesty.
- Zbliżenie – twarz lub dłonie; buduje intymność i napięcie.
- Detal – jeden przedmiot, jedna faktura; działa jak interpunkcja w montażu.
Do tego kąt: kamera z dołu zwiększa dominację, z góry osłabia bohatera, na wysokości oczu daje neutralność. Ustawienie bohatera na jednej trzeciej kadru z pustą przestrzenią po stronie spojrzenia tworzy tzw. prowadzenie wzroku – widz patrzy tam, gdzie patrzy postać.
Praktyczna zasada: jedno ujęcie, jedna decyzja kompozycyjna dominująca. Jeśli w jednym prompcie próbujesz jednocześnie uzyskać plan daleki, zbliżenie i obrót o 180 stopni, model wybierze za ciebie – zwykle losowo. Rozbij scenę na osobne ujęcia i sklejaj je w montażu; to droga do kontroli, której nigdy nie osiągniesz w jednym, przeładowanym opisie.
Warto też opisywać relację kamery do bohatera: „kamera cofa się przed idącym mężczyzną, utrzymując plan średni”, „kamera pozostaje nieruchoma, bohater wychodzi z kadru w lewo”. To konkretne, wykonalne instrukcje, które dają efekt podobny do storyboardu.
Światło, kolor i tekstura: nastrój budowany słowami
Nastrój sceny powstaje w 70% ze światła i palety, a nie z fabuły. Dlatego w promptach warto opisywać światło jak elektryk i operator zdjęć jednocześnie.
Kierunek i twardość. Światło miękkie i rozproszone uspokaja, twarde i punktowe buduje napięcie. Kontrowe światło za bohaterem tworzy sylwetkę i głębię, boczne podkreśla fakturę skóry i materiałów, czołowe spłaszcza obraz. Dwa źródła o różnej temperaturze barw (np. ciepłe wnętrze i zimne okno) to najprostszy sposób na uzyskanie „filmowego” wyglądu bez drogiego planu zdjęciowego.
Paleta. Trzy kolory z przypisanymi rolami to praktyczna metoda. Baza wypełnia większość kadru, akcent przyciąga wzrok, a kolor neutralny daje oddech. Przykład: „baza z szarego betonu, akcent rdzy na ubraniu bohatera, neutralna biel na ścianie za nim”.
Tekstura i materiały. Modele świetnie reagują na słowa opisujące powierzchnię: wełna, len, szczotkowany metal, mokry asfalt, matowe szkło, kurz w powietrzu, smugi na szybie. Dopisz też stan: zużyte, przetarte, zakurzone, świeżo pomalowane. Ta warstwa odpowiada za wrażenie „drogo” znacznie bardziej niż jakikolwiek tag techniczny.
Atmosfera. Dym, mgła, para, deszcz, pył, refleksy soczewkowe, ziarno. Każdy z tych elementów wpływa na widoczność światła, dlatego opisuj je razem z jego źródłem: „światło reflektora przechodzi przez warstwę kurzu w powietrzu”.
Uwaga na pułapkę: im więcej atmosfery, tym większa szansa na artefakty i migotanie w ruchu. Jeśli scena ma akcję, ogranicz cząstki do jednego rodzaju. Ciężka atmosfera i dynamiczny ruch kamery naraz to niemal zawsze prośba o chaos.
Spójność postaci i świata w dłuższych sekwencjach
Pojedyncze ujęcie może zachwycić, ale film to seria ujęć, w których ten sam bohater musi wyglądać jak ten sam człowiek. Dlatego buduj kartę bohatera i wklejaj ją do każdego promptu w niemal niezmienionej formie.
Karta bohatera powinna zawierać: wiek, typ sylwetki, wzrost względem otoczenia, kolor i długość włosów, zarost, ubiór z kolorami i materiałami, dwie cechy identyfikacyjne (blizna, pieg, charakterystyczny zegarek), a także sposób poruszania się. Kolejność tych elementów w prompcie powinna być zawsze taka sama – to działa jak podpis i zmniejsza dryf.
Podobną kartę zrób dla miejsca. Zapisz układ przestrzeni: gdzie jest okno, gdzie drzwi, z której strony pada światło, jaki materiał dominuje na podłodze. Kiedy generujesz kilka ujęć w tej samej lokacji, powtarzaj ten opis i zmieniaj tylko warstwę kadru oraz akcji. To najprostszy sposób, aby montaż nie wyglądał jak zlepek scen z różnych filmów.
Dobrą praktyką jest też prowadzenie biblioteki promptów. Każde udane ujęcie zapisuj razem z parametrami, których użyłeś, oraz krótką notatką, co zadziałało. Po trzech projektach przestaniesz zgadywać i zaczniesz korzystać z własnych, sprawdzonych wzorców – to moment, w którym praca przestaje być loterią.
Jeśli model pozwala na warunkowanie obrazem referencyjnym, używaj go do bohatera, a nie do całej kompozycji. Referencja postaci utrzyma twarz i ubiór, a opis słowny zajmie się kadrem i światłem. Mieszanie obu poziomów w jednej referencji zwykle prowadzi do tego, że nowe ujęcia wyglądają jak kopie poprzedniego.
Sceny z wieloma elementami i bohaterami
Sceny zbiorowe wyglądają efektownie w głowie i chaotycznie na ekranie. Problem tkwi w tym, że model musi jednocześnie ustawić kilka osób, przedmiotów i relacji przestrzennych – a każdy dodatkowy element zwiększa ryzyko, że ktoś „przepłynie”, zmieni ubranie albo zniknie w połowie ujęcia.
Rozwiązanie to hierarchia. W prompcie podaj najpierw liczbę osób i ich role, potem relację między nimi, a na końcu tło. Przykład: „trzy osoby przy stole: kobieta w średnim wieku po lewej odwrócona do okna, młody mężczyzna na wprost z dłońmi na blacie, druga kobieta wchodzi z prawej strony w tle, nieostra”. Taki opis ustawia kompozycję i głębię, zamiast zmuszać model do improwizacji.
Trzy praktyczne chwyty na tłok w kadrze:
- Ogranicz liczbę do trzech–czterech bohaterów na ujęcie. Resztę dopisz jako rozmyte sylwetki w tle – to zachowuje wrażenie tłumu bez ryzyka deformacji.
- Ustal, kto jest w ostrości. Fraza „ostrość na mężczyźnie po prawej, pierwszy plan rozmyty” rozwiązuje większość problemów z rozproszoną kompozycją.
- Rezygnuj z interakcji fizycznej, jeśli nie jest konieczna. Dotyk, podawanie przedmiotu, uścisk dłoni to najczęstsze źródło artefaktów. Sfilmuj je w dwóch ujęciach: zbliżenie dłoni i reakcję twarzy.
W scenach z przedmiotami kluczowymi (telefon, list, broń, kubek) opisuj je w jednym zdaniu i powtarzaj identycznie w każdym ujęciu. Zmiana „szklanka z herbatą” na „kubek kawy” między ujęciami to klasyczny błąd ciągłości, który widz wyłapie natychmiast.
Workflow: od pomysłu do gotowej sekwencji
Największy wzrost jakości nie pochodzi z lepszego modelu, lecz z uporządkowanego procesu. Oto kolejność, która sprawdza się przy短kich formach i dłuższych sekwencjach.
Krok 1: jedno zdanie logline i intencja sceny
Zapisz, co ma poczuć widz: napięcie, nostalgii, ironię, ulgę. Intencja jest filtrem dla wszystkich decyzji wizualnych. Ta sama akcja – bohater wsiada do samochodu – wygląda inaczej w thrillerze i w komedii romantycznej.
Krok 2: lista ujęć zamiast jednego długiego promptu
Rozpisz scenę na 4–8 ujęć. Każde z nich ma jedno zadanie narracyjne. Otwarcie pokazuje miejsce, drugie bohatera, trzecie relację, czwarte detal, piąte reakcję, szóste konsekwencję. Taki rozkład daje montażowy rytm i ułatwia poprawki – wystarczy wymienić jedno ujęcie, a nie całą scenę.
Krok 3: prompt bazowy plus warianty
Zbuduj jeden „master prompt” z kartą bohatera i kartą miejsca. Następnie dla każdego ujęcia zmieniaj wyłącznie trzy warstwy: kadr, ruch kamery i akcję. To porządek, który pozwala generować równolegle dziesiątki wariantów bez utraty spójności.
Krok 4: generowanie w seriach
Generuj po trzy–cztery warianty tego samego ujęcia, zmieniając jeden parametr na raz. Jeśli zmieniasz jednocześnie światło, kadr i paletę, nie dowiesz się, co dało efekt. Prowadź notatki – wersje bez opisów po godzinie zlewają się w jedną masę.
Krok 5: selekcja i montaż
Oceniaj ujęcia w kontekście, nie pojedynczo. Ujęcie, które wygląda świetnie solo, bywa bezużyteczne w montażu, jeśli nie pasuje kierunkiem ruchu do sąsiada. Zasada 180 stopni i kierunek spojrzenia postaci to dwa kryteria, które warto sprawdzić przed eksportem.
Krok 6: korekta i wykończenie
Nawet najlepsze ujęcia zyskują na ujednoliceniu. Wyrównaj balans bieli, przyciemnij cienie, dodaj delikatne ziarno lub winietę, aby wszystkie ujęcia pochodziły z „jednego negatywu”. Jeśli używasz kilku modeli, ten etap jest obowiązkowy – każdy z nich ma inną charakterystykę koloru i ostrości.
Typowe błędy i szybka diagnostyka
Efekt „plastikowej skóry” i przeostrzenia. Zwykle wina zbyt wielu tagów technicznych. Usuń „8K, hiperrealistyczny, ultra HD” i zamiast tego opisz światło oraz materiał. Realizm bierze się z niedoskonałości: porów, kurzu, nierównego cienia.
Bohater zmienia twarz między ujęciami. Skróć opis wyglądu do stałej karty i przestań dodawać nowe cechy przy każdym ujęciu. Używaj referencji postaci, jeśli narzędzie na to pozwala.
Chaotyczny ruch kamery. Ogranicz się do jednego ruchu na ujęcie i dopisz, czy ma być powolny, czy szybki. Dwa ruchy (np. najazd i obrót) niemal zawsze kończą się szarpaniem.
Znikające kończyny i rozmazane dłonie. Skracaj czas trwania ujęcia, unikaj skomplikowanych gestów i zasłaniania rąk przedmiotami. Dłonie pokazuj w krótkich, izolowanych ujęciach.
Scena wygląda jak z innego filmu niż reszta. Zbuduj wspólną paletę i wspólny opis światła dla całej sekwencji. To najczęstszy powód, dla którego projekt „rozjeżdża się” w połowie.
Migotanie w ujęciach z mgłą i dymem. Zmniejsz liczbę cząstek, dodaj statyczną kamerę i krótszy czas trwania. Cząstki plus ruch to najbardziej obciążające połączenie.
Zanim zaczniesz przepisywać cały prompt, zadaj sobie trzy pytania: czy problem dotyczy treści, kompozycji, czy stylu? Naprawiaj tylko jedną warstwę naraz. Diagnostyka po warstwach jest szybsza niż losowe zmiany całego opisu.
Jak wybierać narzędzia i kiedy używać jakiego podejścia
Nie istnieje jeden najlepszy model – istnieje model dopasowany do zadania. Oto kryteria, które warto sprawdzić przed rozpoczęciem projektu.
- Kontrola kamery. Jeśli twoja scena opiera się na ruchu, wybierz narzędzie, które pozwala precyzyjnie opisać kierunek i prędkość. Do statycznych, kompozycyjnych ujęć wystarczy prostszy generator.
- Spójność postaci. Sprawdź, czy narzędzie wspiera referencje wizualne i utrzymanie tożsamości między ujęciami. Bez tego dłuższe sekwencje staną się pracą ręczną.
- Długość ujęcia. Krótkie klipy świetnie nadają się na montażowy rytm, ale nie na dialogi i płynne przejścia. Planuj scenę tak, aby składała się z krótkich fragmentów.
- Koszt iteracji. Wybierz narzędzie, w którym testowanie wariantów jest szybkie. Warsztat polega na porównywaniu, a nie na jednym idealnym kliknięciu.
- Format wyjściowy. Jeśli materiał idzie do mediów społecznościowych, generuj od razu w pionie i komponuj z myślą o bezpiecznych marginesach.
Praktyczna strategia to praca dwuetapowa: tanie, szybkie narzędzie do eksploracji pomysłów i kompozycji, a dopiero po zatwierdzeniu storyboardu – dokładniejszy generator do finalnych ujęć. Oszczędza to czas i nerwy, bo większość pomysłów nie przetrwa próby montażu.
Warto też pamiętać, że generowanie obrazu nie zwalnia z myślenia o dźwięku. Zaplanuj, gdzie będą pauzy, gdzie wejdzie muzyka, a gdzie zostanie tylko odgłos otoczenia. Cisza w odpowiednim miejscu robi dla wrażenia kinowości więcej niż dodatkowe ujęcie.
FAQ: najczęstsze pytania o prompty do kinowych scen
Czy długi prompt jest lepszy niż krótki? Nie samą długością się wygrywa. Dobry prompt ma 60–120 słów uporządkowanych w warstwach. Powyżej tego zaczyna się szum, w którym model nie wie, co jest ważne. Jeśli potrzebujesz więcej informacji, buduj osobne ujęcia.
Jak zacząć naukę promptowania? Weź jedną scenę z filmu, który lubisz, i opisz ją w sześciu warstwach. Nie kopiuj kadru – odtwórz decyzje: rodzaj planu, kierunek światła, paletę, ruch. To ćwiczenie w kilka dni daje więcej niż przeglądanie setek gotowych promptów.
Czy mogę używać jednego promptu do całej sceny? Możesz, ale stracisz kontrolę nad montażem. Rozbij scenę na ujęcia i traktuj prompt bazowy jako szablon. Konsekwencja w powtarzaniu karty bohatera i miejsca to podstawa spójności.
Dlaczego moje ujęcia wyglądają generycznie? Bo opisują treść, nie światło i kompozycję. Dodaj konkretny kierunek światła, dwa kolory z rolą i jedną niedoskonałość – kurz, rysę, wilgoć. Generyczność to brak decyzji.
Jak radzić sobie z dialogami? Generowane wideo rzadko obsługuje mowę w sposób wiarygodny. Nagraj dialog osobno, a w obrazie pokaż reakcje, gesty i detale. Ujęcia słuchającego bohatera działają lepiej niż próba pokazania mówiącej twarzy w długim ujęciu.
Ile wariantów warto generować? Trzy–cztery na ujęcie to zdrowe minimum. Jeden wariant to loteria, dziesięć to chaos w selekcji. Zapisuj, co zmieniłeś w każdym wariancie, inaczej porównanie straci sens.
Czy warto tworzyć własną bibliotekę promptów? Zdecydowanie. Notuj nie tylko treść promptu, ale też efekt i kontekst użycia. Po kilku projektach zobaczysz własne wzorce – to najcenniejszy zasób, jaki zbudujesz w pracy z generatywnym wideo.
Kinowy efekt nie bierze się z jednego magicznego zdania. Bierze się z serii świadomych decyzji: co pokazujesz, jak to oświetlasz, jak porusza się kamera i jak wszystko trzyma się razem w montażu. Kiedy zaczniesz pisać prompty jak reżyser, a nie jak osoba zamawiająca obrazek, różnica stanie się widoczna już w pierwszej sekwencji.
