01 Сократил презентацию и проверил текст
Я руковожу отделом дизайна МСМ ГРУПП и вел проект сам, с 1 по 7 октября. Из большой презентации оставили то, что нужно партнеру на семинаре: история компании, бренды, логистика, спорт, итог для партнера. Claude собирал слайды в фирменном шаблоне компании по плагину отдела дизайна, я задавал структуру и правил композицию. Черновик текста одновременно читали три нейросетевых редактора: один смотрел логику, второй стиль, третий орфографию и типографику. По их замечаниям я поправил 11 слайдов и у каждой цифры спросил источник.
02 Написал текст под чтение вслух и выбрал голос вслепую
Текст для диктора я переписал под чтение вслух, вышло около 1 200 слов. Названия записал так, как они звучат: МСМ ГРУПП читается как «Эм-Си-Эм Групп». Числа записал словами. Озвучку я генерировал в ElevenLabs. Из двух дикторов голос выбирало руководство: я сделал две пробы на первые шесть слайдов с одним текстом и одинаковой громкостью, подписал их A и B и не сказал, где какой диктор. Все выбрали один и тот же голос. Когда весь текст озвучили этим голосом, ролик был готов через час после последнего аудиофайла: моменты анимации привязаны к словам, а слова в записи находит модель распознавания речи, поэтому новый голос не потребовал ручной правки.
03 Привязал анимацию к словам и собрал звук
Характер движения задал я: спокойно, без отскоков, вращений и 3D, только фирменная графика. Claude сначала присылал раскадровку и собирал ролик после моего утверждения. Ролик собирается в браузере, поэтому все слайды Claude перерисовал из файла презентации и сверил с PDF, чтобы в ролике ничего не разошлось с оригиналом. В ролике 139 моментов, когда на экране появляется цифра, логотип, фото или строка, и каждый стоит на слове диктора. На случай, если модель не разберет слово, к моменту привязано запасное. Музыку и звуковые эффекты я сгенерировал сам в Magnific. Два трека в одном темпе Claude удлинил повторами так, чтобы стык попал в ритм. На смене раздела первый трек заканчивается, следом вступает второй.
