AI Görsel ve Video Üretiminde Önce Reddetme Kriterlerini Yazıyorum

AI Görsel ve Video Üretiminde Önce Reddetme Kriterlerini Yazıyorum

AI ile görsel üretirken eskiden yalnızca ne istediğimi yazıyordum.

Ürün masanın üzerinde olsun.

Işık soldan gelsin.

Arka plan sade olsun.

Video ise kamera yavaşça öne doğru hareket etsin.

Bunların hepsi üretilecek sonucu tarif ediyor. Fakat bir süre sonra başka bir sorunun en az bunlar kadar önemli olduğunu fark ettim:

Hangi durumda sonucu kesinlikle kullanmayacağım?

Şimdi üretime başlamadan önce küçük bir "reddetme listesi" hazırlıyorum.

Bu yöntem özellikle çok sayıda görsel veya kısa video üretirken gereksiz tekrarları azaltıyor.

İyi Sonucu Değil, Kötü Sonucu Tanımlamak

Örneğin gerçek bir ürün için kısa bir tanıtım görseli hazırladığımı düşünelim.

İstediğim sonucu şöyle tarif edebilirim:

• Sade masa
  
• Yumuşak sabah ışığı
  
• Ürün merkezde
  
• Temiz arka plan
  

Fakat bu liste bana bir sonucun kullanılabilir olup olmadığını tam olarak söylemiyor.

Bu yüzden ikinci bir liste ekliyorum:

• Ürünün rengi değişirse reddet.
  
• Ürünün temel şekli değişirse reddet.
  
• Olmayan bir logo veya yazı oluşursa reddet.
  
• Arka plan üründen daha fazla dikkat çekerse yeniden değerlendir.
  

Artık çıktıya yalnızca "güzel mi?" diye bakmıyorum.

Önceden belirlediğim birkaç koşulla karşılaştırıyorum.

Neden Bu Kadar İşe Yarıyor?

AI çıktılarında ilginç bir durum var.

Teknik olarak yanlış olan bir sonuç görsel olarak çok etkileyici olabilir.

Örneğin model ürüne yeni bir düğme ekleyebilir. Görsel harika görünebilir. Ama gerçek üründe o düğme yoksa pazarlama görseli olarak kullanılması doğru değildir.

Reddetme kriterini önceden yazmazsam, görsel kalitesi kararımı kolayca etkileyebiliyor.

Kriter önceden belliyse karar daha basit:

Güzel bir görsel olabilir, ama bu proje için uygun değil.

Video İçin Liste Biraz Değişiyor

Aynı yöntemi AI video üretiminde de kullanıyorum.

Örneğin bir ürün görselinden kısa video oluşturacaksam kriterler şöyle olabilir:

• Ürün şekli belirgin şekilde değişirse reddet.
  
• Renk sahne içinde değişirse reddet.
  
• Kamera gereğenden fazla hareket ederse yeniden dene.
  
• Yeni nesneler ortaya çıkarsa kontrol et.
  
• Son kare ilk görselle tamamen kopuk görünüyorsa reddet.
  

Bunlar evrensel kurallar değil. Her proje için farklı olabilir.

Önemli olan, videoyu gördükten sonra kriter uydurmamak.

Kararı mümkün olduğunca üretimden önce vermek.

Birden Fazla Model Kullanırken Daha Faydalı

Bu yöntem farklı modelleri karşılaştırırken daha da işe yarıyor.

Örneğin DoMax AI gibi birden fazla AI görsel ve video üretim seçeneğini aynı çalışma akışında kullanabildiğim bir ortamda, her model için tamamen farklı değerlendirme yapmak istemiyorum.

Aynı görev için aynı temel kriterleri koruyorum.

Model A güzel bir görüntü oluşturabilir. Model B daha sade bir sonuç verebilir. Ama proje için kritik olan ürünün şeklini korumaksa, değerlendirmeyi buna göre yapıyorum.

Böylece "hangi model daha etkileyici?" yerine daha somut bir soru sorabiliyorum:

Hangisi bu görevin koşullarını daha iyi karşılıyor?

Üç Sonuç İçin Basit Bir Not

Sonuçları değerlendirirken uzun raporlar tutmuyorum. Bazen şu kadar basit:



Bu küçük notun iki faydası var.

• Birincisi, neden tekrar üretim yaptığımı biliyorum.
  
• İkincisi, birkaç gün sonra eski sonuçlara döndüğümde neden kullanmadığımı hatırlıyorum.
  

"Beğenmedim" Yeterli Bir Neden Değil

Önceden sonuçların yanına sık sık sadece "kötü" yazıyordum. Bu not daha sonra hiçbir işe yaramıyor.

Nesi kötü? Kompozisyon mu? Ürün mü değişti? Hareket mi yanlış? Yazı mı bozuk?

Şimdi reddettiğim sonuçlarda mümkün olduğunca tek bir somut neden bırakıyorum.

Bu aynı zamanda bir sonraki promptu yazmayı da kolaylaştırıyor. Bir sonucu neden reddettiğimi biliyorsam, sonraki denemede neyi değiştireceğim daha açık oluyor.

Her Hata Yeniden Üretim Gerektirmiyor

Her sorun için yeniden üretim yapmak gerekmiyor.

Örneğin küçük bir kırpma problemi normal bir editörde birkaç saniyede çözülebilir. Ama ürünün temel şekli değişmişse, dışarıda düzeltmeye çalışmak yerine yeni bir üretim daha mantıklı olabilir.

Bu yüzden bazen sonuçları üç gruba ayırıyorum:

• Kullan.
  
• Düzenle.
  
• Yeniden üret.
  

Bu ayrım, "kusursuz sonucu AI'dan almak zorundayım" düşüncesini de azaltıyor.

Yayınlamadan Önce Ayrı Bir Kontrol

Üretim kriterleri ile yayın kriterlerini de birbirinden ayırmak gerekiyor.

Bir görsel üretim açısından başarılı olabilir ama hâlâ yayınlanmaya hazır olmayabilir.

• Gerçek ürün özellikleri, fiyatlar, tarihler, adresler ve ekranda görünen yazılar ayrıca doğrulanmalı.
  
• Kullanılan referans görsellerin ve diğer materyallerin kullanım hakları da kontrol edilmeli.
  

AI çıktısının ikna edici görünmesi, içindeki bilgilerin otomatik olarak doğru olduğu anlamına gelmiyor.

Neyi Kesinlikle Kabul Etmiyorum?

AI üretiminde genellikle promptun başına odaklanıyoruz:

Ne istiyorum?

Son zamanlarda ben buna ikinci bir soru ekliyorum:

Neyi kesinlikle kabul etmiyorum?

Bu küçük değişiklik, sonuçları değerlendirmeyi şaşırtıcı şekilde kolaylaştırdı.

Artık her üretimden sonra sıfırdan karar vermek yerine, önceden belirlediğim birkaç koşula bakıyorum.

Bazen daha iyi üretim için ihtiyacımız olan şey daha uzun bir prompt değil.

Neyi reddedeceğimizi daha üretmeden önce bilmektir.