Курс знакомит студентов с современными технологиями генеративного искусственного интеллекта для создания видеоконтента и промо-материалов. Программа охватывает основы работы генеративных моделей (diffusion models, GANs, трансформеры для видео), технологии text-to-video и image-to-video генерации, управление визуальным стилем и композицией кадра через промпты, создание консистентных персонажей и сцен, генерацию и обработку звука (музыка, голос, звуковые эффекты), а также интеграцию различных генеративных технологий в единый производственный пайплайн.
Курс сочетает теоретические основы и практическую работу над собственным видеопроектом, что позволяет студентам освоить полный цикл создания видеоконтента с использованием генеративного ИИ — от идеи и раскадровки до финального видео и промо-материалов. В результате освоения дисциплины студенты будут знать принципы работы основных генеративных технологий для видеопроизводства
Цель освоения дисциплины
Целью освоения дисциплины является формирование у студентов практических навыков использования генеративного искусственного интеллекта для создания видеоконтента и промо-материалов в медиаиндустрии.
Планируемые результаты обучения
Знает принципы работы генеративных моделей для создания видео, изображений и аудио; этические и правовые аспекты использования генеративного ИИ в профессиональной деятельности
Разрабатывает концепцию видеопроекта с учётом технологических возможностей генеративного ИИ
Корректно формулирует эффективные промпты для управления визуальным стилем, композицией кадра и характеристиками персонажей
Создаёт консистентный видеоконтент, управляя нарративом и визуальной непрерывностью
Интегрирует различные генеративные технологии (видео, изображения, музыка, голос) в единый производственный процесс
Разрабатывает промо-материалы для медиапроектов с использованием генеративного ИИ
Содержание учебной дисциплины
Тематический блок 1. Основы генеративного ИИ для видеопроизводства
1.1. История и эволюция генеративных технологий
1.2. Принципы работы генеративных моделей
1.3. Применение генеративного ИИ в медиаиндустрии
1.4. Этика и право в генеративном видеопроизводстве
Тематический блок 2. Визуальное управление: кадр, композиция, персонаж
2.1. Типы кадров и композиция в генеративном видео
2.2. Создание и управление персонажами
2.3. Визуальный стиль и референсы
2.4. Основы нарратива и сторителлинга для коротких форматов
Тематический блок 3. Аудио и мультимодальные технологии
3.1. Генерация музыки и звуковых эффектов
3.2. Генерация и клонирование голоса
3.3. Синхронизация губ и анимация персонажей
3.4. Мультимодальные подходы: интеграция визуала и аудио
Тематический блок 4. Продакшн и пост-продакшн с генеративным ИИ
4.1. Генерация видео: от кадра к последовательности
4.2. Монтаж и пост-продакшн с ИИ
4.3. Оптимизация и адаптация контента
4.4. Quality control и финализация проекта
Тематический блок 5. Создание промо-материалов и визуальной айдентики
5.1. Дизайн постеров и ключевых кадров (key art)
5.2. Создание тизеров и трейлеров
5.3. Социальные медиа и дистрибуция
Тематический блок 6. Финальная презентация проектов
Элементы контроля
Активность
Участие в обсуждениях, выполнение мини-заданий на семинарах, качество обратной связи другим студентам
Концепция и раскадровка проекта
Представление идеи проекта, разработка визуального стиля, создание character sheet и storyboard
Work-in-Progress презентация
Демонстрация черновой версии видео и промо-материалов, получение обратной связи
Финальный проект
Финальный проект - выполняется индивидуально (является экзаменом)
Включает:
– Финальное видео (1-3 минуты) – 30%
– Комплект промо-материалов (постер, тизер, соцмедиа) – 15%
– Презентация процесса и защита проекта – 5%
Промежуточная аттестация
2025/2026 3rd module
0.5 * Финальный проект + 0.2 * Work-in-Progress презентация + 0.1 * Активность + 0.2 * Концепция и раскадровка проекта
Список литературы
Рекомендуемая основная литература
9780262046824 - Kevin P. Murphy - Probabilistic Machine Learning - 2022 - MIT Press - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=2932689 - nlebk - 2932689
Ian Goodfellow, Yoshua Bengio, & Aaron Courville. (2016). Deep Learning. The MIT Press.
Рекомендуемая дополнительная литература
Эль, А. А. GPT-4. Руководство по использованию API Open AI : руководство / А. А. Эль , перевод с английского В. С. Яценкова. — Москва : ДМК Пресс, 2024. — 274 с. — ISBN 978-5-93700-299-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/456752 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Преподаватель
Куликов Михаил Александрович
Программа дисциплины
Аннотация
Цель освоения дисциплины
Планируемые результаты обучения
Содержание учебной дисциплины
Элементы контроля
Промежуточная аттестация
Список литературы
Рекомендуемая основная литература
Рекомендуемая дополнительная литература
Авторы