10 almindelige fejl ved generering af AI-videoer og hvordan man løser dem

Indledning

De fleste fejl i AI-videogenerering er ikke mystiske. De falder ind under et lille antal tilbagevendende kategorier, og når mønsteret først er genkendeligt, er løsningen som regel hurtig. Det, der spilder tid, er at behandle hver fejl som noget nyt, eller – værre endnu – at gentage en identisk anmodning, der deterministisk vil mislykkes igen, og dermed bruge kreditter hver gang.

Her følger de ti fejl, jeg oftest støder på i Seedance 2.0 og lignende modeller, i grov rækkefølge efter, hvor ofte de opstår, samt hvad der rent faktisk løser hver enkelt af dem.

1. Anmodninger mislykkes, efter at en velfungerende integration holder op med at fungere

En integration, der har fungeret fint i måneder, begynder at returnere forbindelsesfejl eller godkendelsesfejl uden ændringer i koden. Den sædvanlige årsag er et endpoint, der er flyttet.

Dette skete i stor skala tidligere på året, da Seedance2.ai skiftede til Seevio.ai — API'ens basis-URL ændrede sig sammen med domænet, så integrationer, hvor værten var indskrevet i anmodningsstien, ikke længere fungerede, mens de, der blev dirigeret gennem en enkelt konfigurerbar basis, blot krævede en opdatering af én værdi. Selve godkendelsesnøglerne blev ikke påvirket. Detaljerne om, hvad der ændrede sig, og hvad der blev overført, dækker de specifikke forhold.

Den generelle lære er værd at tage til sig uanset udbyder: Hårdkodede værter er en risiko, og en basis-URL, der opbevares i konfigurationen, koster intet at opsætte og sparer dig for en dårlig eftermiddag senere.

2. Opgaven forlader aldrig køen

En indsendt opgave forbliver i køtilstand langt ud over den forventede genereringstid. Dette er næsten aldrig en fejl i opgaven – det er kødybden, som varierer med den samlede belastning på platformen og er den mindst forudsigelige del af pipelinen.

Løsningen er tålmodighed plus en timeout. Polling-loops skal have en samlet tidsgrænse, der er generøs nok til at dække den langsomste realistiske rendering, hvorefter jobbet afbrydes i stedet for at blive holdt i kø på ubestemt tid. Alt, der er rettet mod brugeren, bør kommunikere køtilstanden eksplicit i stedet for at vise en spinner på ubestemt tid, fordi en bruger, der ser på en spinner i fire minutter, antager, at produktet er i uorden.

Hvor køtiderne konsekvent er lange, er det hastighedsoptimerede Seedance 2.0-niveau nøglen. Udkastarbejde behøver ikke det øverste niveau og afvikles betydeligt hurtigere.

3. En ikke-understøttet varighedsværdi afvises

En anmodning returnerer en valideringsfejl på varighedsparameteren, selvom værdien ligger inden for det dokumenterede interval.

Varigheden i Seedance 2.0 er ikke et kontinuerligt interval. Den accepterer et fast sæt tilladte værdier, og alt derimellem afvises i stedet for at blive afrundet til den nærmeste tilladte mulighed. Hvis man indtaster syv sekunder, når det accepterede sæt omfatter seks og otte, genereres der en fejl i stedet for et klip på seks sekunder.

Løsningen er at begrænse indtastningen på applikationslaget – en rullemenu eller en enum i stedet for et frit talfelt – så en ugyldig værdi aldrig når frem til API'et.

4. Indtastningen afvises af indholdsfiltrering

En indsendelse afvises, før genereringen påbegyndes. Dette skyldes normalt, at den matcher en indholdspolitik snarere end en fejlformateret anmodning.

De almindelige overraskelser er indirekte: beskrivelser af vold i en åbenlyst fiktiv sammenhæng, henvisninger til offentlige personer, mærkenavne og lejlighedsvis almindelige formuleringer, der kolliderer med et filtermønster. Omskrivning af den specifikke sætning i stedet for hele prompten løser normalt problemet, og at identificere, hvilken sætning der er tale om, er et spørgsmål om at fjerne dem én ad gangen.

Det er værd at indbygge dette som en særskilt fejltilstand i stedet for en generisk fejl, da et forsøg på at gentage en identisk afvist prompt altid vil blive afvist igen.

5. Ansigter forvrænges under bevægelse

Outputtet er fint i det første billede og forringes, efterhånden som motivet bevæger sig, især ved drejninger og ændringer i ansigtsudtryk.

To ting løser det meste af dette. Den første er at stille mindre krav: små bevægelser fra et skarpt startbillede holder sig godt, mens fulde drejninger, at gå mod kameraet og store ændringer i ansigtsudtryk er de steder, hvor forvrængning opstår. Den anden er at levere referencebilleder i stedet for at beskrive personen i tekst. Seedance 2.0 accepterer op til ni referencer i en enkelt generering, og et ansigt, der leveres som reference, holder sig langt bedre end et ansigt, der beskrives med ord.

Kildebilledets skarphed har også betydning. Et uskarpt eller delvist tilsløret ansigt i inputet resulterer i et ansigt, der opløses i bevægelse.

6. Flimmer eller rystelser i bevægelsen

Klippet har en ustabil kvalitet — overflader, der skimrer, fine detaljer, der kryber, og teksturer, der ikke vil holde sig i ro.

Dette koncentreres i fine, gentagne detaljer: indviklede mønstre, lille tekst, tæt løv, hår i visse størrelsesordener. Det hjælper at forenkle det beskrevne motiv, ligesom det hjælper at skifte til et højere opløsningsniveau i Seedance 2.0, da artefakten er mere synlig ved lavere opløsninger.

Modstridende instruktioner frembringer det også. En prompt, der beder om både et statisk kamera og en fejende bevægelse, skaber en konflikt, der løses som ustabilitet snarere end som nogen af instruktionerne. Det er en god idé at gennemlæse prompterne for at sikre intern konsistens, inden de indsendes.

7. Referencen er uventet beskåret

Et leveret første billede fremstår afskåret eller omrammet i resultatet.

Dette skyldes en uoverensstemmelse i billedformatet. Et kildebillede i formatet 4:3, der genereres i formatet 9:16, må nødvendigvis miste noget, og hvad der går tabt, bestemmes uden brugerindgriben. Løsningen er at tilpasse kildebilledets format til det ønskede outputformat inden indsendelse — beskær bevidst i stedet for at lade systemet beskære vilkårligt.

Ved at generere direkte i målformatet i stedet for at producere i bredformat og beskære bagefter undgår man det samme problem senere i processen. Seedance 2.0 understøtter hele spektret, herunder 21:9, 16:9, kvadratisk og lodret, så der er sjældent grund til at omramme i efterbehandlingen.

8. Tekst på skærmen vises som meningsløse bogstavformer

Skiltning, tekst på emballage, etiketter og billedtekster gengives som tilnærmelser til skrift snarere end læselige ord.

Dette er en kendt begrænsning i alle aktuelle videomodeller snarere end en fejl, der kan rettes. Tekst overlever ikke genereringen pålideligt, og ingen ændringer i promptformuleringen kan ændre på det.

Løsningen i arbejdsgangen er at tilføje tekst i efterbehandlingen, hvor den vil være skarpere, redigerbar og lokaliserbar. Produkter med tekst på emballagen kan stadig genereres ud fra et referencebillede, men man bør ikke forvente, at teksten på emballagen forbliver læselig, når den er i bevægelse.

9. Kreditterne blev brugt, men der kom ingen brugbar output

En opgave rapporterer, at den er afsluttet eller mislykket, efter at behandlingen allerede er påbegyndt, og saldoen er ændret.

Genereringsfejl, der opstår efter behandlingen er startet, forbruger generelt kreditter, fordi beregningstiden er brugt, uanset om resultatet var brugbart. Dette er værd at forstå frem for at bestride, og det er det stærkeste argument for Seedance 2.0-arbejdsgangen med først udkast og derefter endelig version: udvikling af prompter foregår med den korteste varighed og laveste opløsning, hvor et mislykket forsøg koster meget lidt, og kun godkendte prompter kører med leveringsindstillingerne.

Hvor en saldo reelt ikke stemmer overens – kreditter trukket uden en tilsvarende opgaveregistrering – er transaktionshistorikken referencepunktet, og supporten håndterer uoverensstemmelsen ud fra den.

10. Kamerainstruksionen ignoreres

En specificeret bevægelse udføres ikke, eller der sker noget andet i stedet.

Der er tre årsager, der forklarer næsten alle tilfælde. For mange instruktioner på én gang: En prompt, der anmoder om et indskub, en panorering og en rack-fokus inden for få sekunder, resulterer i en rodet bevægelse i stedet for tre udførte bevægelser. Én bevægelse pr. optagelse er arbejdsreglen. Vag terminologi: Beskrivende formuleringer fungerer dårligere end standardfilmtermer, og Seedance 2.0 reagerer præcist på det tekniske ordforråd, mens løse beskrivelser behandles som forslag. Og umotiverede bevægelser: Et kamera, der er forankret til noget i billedet – som følger et motiv eller afslører en detalje – udføres mere sammenhængende end en abstrakt manøvre.

En generel metode

Den fejlfindingsmetode, der sparer mest tid, er at ændre én variabel pr. forsøg. Når en generation skuffer, og tre ting justeres på én gang, giver det næste resultat ingen information om, hvilken ændring der havde betydning.

Ved at holde Seedance 2.0’s seed-parameter konstant bliver dette betydeligt mere effektivt, da det fjerner stikprøvevariation og isolerer effekten af den ændrede prompt. Kombineret med udkast i lav opløsning forvandler det fejlfinding fra gætterier til noget, der ligger tættere på en kontrolleret test – hvilket er forskellen mellem at løse et problem på fire forsøg og at bruge fyrre credits uden at opdage noget.