Forwarded from Kumar & Solo
Пошаговый процесс работы с VEO3 😠 😠 😮 😮
VEO 3 от Google по качеству генерации сейчас топ-1 в мире, видео выглядят максимально реалистично, с детальной анимацией и звуком прямо из модели.
Как зарегистрироваться, начать работу с VEO 3 и еще несколькими лайфхаками уже делились вот тут. За это время мы протестили разные форматы генерации видео креосов, делились на недавнем вебчике всем подробно и принесли вам полноценный рабочий процесс.
I. Сбор данных и идей
Начинаем с понимания продукта и аудитории. Собираем:
— инсайты о ЦА и их задачах (Jobs to Be Done);
— боли и триггеры из интервью и исследований;
— какие креативы раньше заходили, а какие нет.
Эта база для идей и сценариев
II. Генерация идей через LLM
Используем ChatGPT или другую LLM, ставим задачу: «Представь, что ты креативный директор».
Прописываем структуру эффективного видео креатива и просим описать эти пункты для каждой идеи видео:
Формат - визуал + подача, длительность ≤ 30 секунд
ФОМО - чего боится упустить ЦА, какой риск или страх
УТП - уникальное преимущество продукта
RTB (reason to believe) - факт, кейс, цифра, социальное доказательство
CTA - призыв к действию: заявка, регистрация, подписка и т. д
Хук - первые 3 секунды, включая текст на экране
Сторителлинг - сценарий: хук → боль → решение → оффер → CTA
Оффер — что конкретно предлагаем прямо сейчас
Сразу генерируем 5 идей
III. Скрипт
Каждую идею превращаем в короткий сценарий (30–50 секунд) также с помощью LLMки
Прописываем в промпте требования по длительности, тону, визуалу и структуру сценария:
- Хук (первые 3-5 секунд, должен максимально пробивать банерную слепоту и цеплять внимание)
- Сторителлинг (расскажи историю, связанную с болью/проблемой ЦА, чтобы вызвать empathy
- Interest (боль/проблема ЦА, интегрируя JTBD — опиши, какие работы пользователя не выполняются сейчас и как это мешает)
- Desire (решение + УТП (Unique Selling Proposition — чем именно продукт отличается от конкурентов, "Почему именно мы?")
- RTB (Reason To Believe — социальное доказательство: отзывы, цифры, кейсы; экспертность: сертификаты, награды, опыт; демонстрация продукта в действии)
- FOMO (Fear Of Missing Out — добавь ограничение по времени: "только сегодня", "до конца недели"; ограничение по количеству: "осталось 5 мест")
- Action (CTA + Оффер — чёткая инструкция: "оставь заявку", "скачай", "запишись", "поделись"; сделай оффер привлекательным, с бонусами или скидкой)
Главная цель этого шага — получить конечный, полностью готовый текст для диктора или актёра
Если LLM генерит фигню, просите задать уточняющие вопросы, чтобы она лучше поняла контекст и доработала сценарий
IV. Раскадровка и генерация промпта для VEO3
Следующий запрос в LLM это сделать раскадровку. Каждое видео делим на 4–7 сцен
Для каждой сцены описываем:
- ключевой стартовый кадр,
- стиль и свет (закат, офис, улица, ночь и т. д.),
- движение объектов и камеры,
- эмоции персонажей,
- звук и диалоги
Лайфхак: попросите выводить ответ в JSON-формате — так VEO 3 точнее понимает задачу и выдаёт предсказуемый результат.
Лайфхак #2: Используйте GPTs, который делает раскадровку и может предоставлять готовые, ссылка
V. Генерация видео и тестирование
Загружаем промпты в VEO 3 и получаем несколько вариантов. Фокус на первых 5 секунд — если хук слабый, зритель не досмотрит ролик. Дальше тестируем разные версии и масштабируем те, которые дают лучший результат.
Подробные промпты для создания идей и скрипта собрали в док, забирайте тут.
Примеры видео:
— Street Interview
— Говорящая голова
— Хук
— Видео иллюстрация, на которую через 11Labs наложится озвучка
Шерьте процесс с командой и делитесь своими лайфхаками и результатами в комментах 🔥
VEO 3 от Google по качеству генерации сейчас топ-1 в мире, видео выглядят максимально реалистично, с детальной анимацией и звуком прямо из модели.
Как зарегистрироваться, начать работу с VEO 3 и еще несколькими лайфхаками уже делились вот тут. За это время мы протестили разные форматы генерации видео креосов, делились на недавнем вебчике всем подробно и принесли вам полноценный рабочий процесс.
I. Сбор данных и идей
Начинаем с понимания продукта и аудитории. Собираем:
— инсайты о ЦА и их задачах (Jobs to Be Done);
— боли и триггеры из интервью и исследований;
— какие креативы раньше заходили, а какие нет.
Эта база для идей и сценариев
II. Генерация идей через LLM
Используем ChatGPT или другую LLM, ставим задачу: «Представь, что ты креативный директор».
Прописываем структуру эффективного видео креатива и просим описать эти пункты для каждой идеи видео:
Формат - визуал + подача, длительность ≤ 30 секунд
ФОМО - чего боится упустить ЦА, какой риск или страх
УТП - уникальное преимущество продукта
RTB (reason to believe) - факт, кейс, цифра, социальное доказательство
CTA - призыв к действию: заявка, регистрация, подписка и т. д
Хук - первые 3 секунды, включая текст на экране
Сторителлинг - сценарий: хук → боль → решение → оффер → CTA
Оффер — что конкретно предлагаем прямо сейчас
Сразу генерируем 5 идей
III. Скрипт
Каждую идею превращаем в короткий сценарий (30–50 секунд) также с помощью LLMки
Прописываем в промпте требования по длительности, тону, визуалу и структуру сценария:
- Хук (первые 3-5 секунд, должен максимально пробивать банерную слепоту и цеплять внимание)
- Сторителлинг (расскажи историю, связанную с болью/проблемой ЦА, чтобы вызвать empathy
- Interest (боль/проблема ЦА, интегрируя JTBD — опиши, какие работы пользователя не выполняются сейчас и как это мешает)
- Desire (решение + УТП (Unique Selling Proposition — чем именно продукт отличается от конкурентов, "Почему именно мы?")
- RTB (Reason To Believe — социальное доказательство: отзывы, цифры, кейсы; экспертность: сертификаты, награды, опыт; демонстрация продукта в действии)
- FOMO (Fear Of Missing Out — добавь ограничение по времени: "только сегодня", "до конца недели"; ограничение по количеству: "осталось 5 мест")
- Action (CTA + Оффер — чёткая инструкция: "оставь заявку", "скачай", "запишись", "поделись"; сделай оффер привлекательным, с бонусами или скидкой)
Главная цель этого шага — получить конечный, полностью готовый текст для диктора или актёра
Если LLM генерит фигню, просите задать уточняющие вопросы, чтобы она лучше поняла контекст и доработала сценарий
IV. Раскадровка и генерация промпта для VEO3
Следующий запрос в LLM это сделать раскадровку. Каждое видео делим на 4–7 сцен
Для каждой сцены описываем:
- ключевой стартовый кадр,
- стиль и свет (закат, офис, улица, ночь и т. д.),
- движение объектов и камеры,
- эмоции персонажей,
- звук и диалоги
Лайфхак: попросите выводить ответ в JSON-формате — так VEO 3 точнее понимает задачу и выдаёт предсказуемый результат.
Лайфхак #2: Используйте GPTs, который делает раскадровку и может предоставлять готовые, ссылка
V. Генерация видео и тестирование
Загружаем промпты в VEO 3 и получаем несколько вариантов. Фокус на первых 5 секунд — если хук слабый, зритель не досмотрит ролик. Дальше тестируем разные версии и масштабируем те, которые дают лучший результат.
Подробные промпты для создания идей и скрипта собрали в док, забирайте тут.
Примеры видео:
— Street Interview
— Говорящая голова
— Хук
— Видео иллюстрация, на которую через 11Labs наложится озвучка
Шерьте процесс с командой и делитесь своими лайфхаками и результатами в комментах 🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
В субботу буду на zoom-встрече с Андреем Дороничевым, в рамках gconf#9 vibecoding (@gptlovers) (куда меня позвали выполнять интересную роль). Череда совершенно случайных событий выстраивается в ощущение того, что меня ведут за руку. Есть страх, что когда поделюсь чем-то, все пойдет не по плану. Но когда мы боялись?), сообщение отправлено, у меня еще достаточно секретиков))
Наверное главное, что следовало отметить за 3 дня в лесу это искушение. Всякого рода мысли, которые по своей природе деструктивны, но имеют большую силу и начинают давить. «Никто не увидит», «никто не узнает» и другие подобные оговорки приходиться отслеживать и отставлять в сторону.
Иногда это сделка, съесть много сладкого или париться в бане до отказа, лишь бы не совершить критический шаг.
Аддиктивное поведение всегда уход от реальности. Разобраться от какой именно, довольно трудно. Иногда это просто паттерн, закрепившийся в детстве или подростковом возрасте.
Есть догадки. Наблюдаю дальше. Стараюсь не отталкивать и не испытывать отвращение от таких проявлений.
Иногда это сделка, съесть много сладкого или париться в бане до отказа, лишь бы не совершить критический шаг.
Аддиктивное поведение всегда уход от реальности. Разобраться от какой именно, довольно трудно. Иногда это просто паттерн, закрепившийся в детстве или подростковом возрасте.
Есть догадки. Наблюдаю дальше. Стараюсь не отталкивать и не испытывать отвращение от таких проявлений.
👍1
Forwarded from Veronika K
1 - Базовая теория о весовых коэфицентах
https://knowledge4policy.ec.europa.eu/composite-indicators/toolkit_en/navigation-page/10-step-guide_en/step-6-weighting_en
2 - Пример того как теория игр и аукционов используется в медицине для донорства органов
https://www.nber.org/system/files/working_papers/w10002/w10002.pdf
3 - Совсем дебри о моделях аукционов
https://www.cs.princeton.edu/courses/archive/spr10/cos444/papers/milgrom_weber82.pdf
https://knowledge4policy.ec.europa.eu/composite-indicators/toolkit_en/navigation-page/10-step-guide_en/step-6-weighting_en
2 - Пример того как теория игр и аукционов используется в медицине для донорства органов
https://www.nber.org/system/files/working_papers/w10002/w10002.pdf
3 - Совсем дебри о моделях аукционов
https://www.cs.princeton.edu/courses/archive/spr10/cos444/papers/milgrom_weber82.pdf
Knowledge for policy
Step 6: Weighting - Knowledge for policy - European Commission
When indicators are aggregated into a composite measure, they can be assigned individual weights. This allows the effect or importance of each indicator to be adjusted according to the concept being measured. Weighting methods can be statistical, based on…
Forwarded from Serge
Вчера на уроке сделал мини апку по "стратегии семьи 2035" на основе теории игр.
Кайф, до этого мучился через gpt с опросами, где нужно выверять веса каждому члену семьи - далее заливал в чат и он выдавал excel, и каждое изменение - новый цикл, сейчас очень удобный mvp, где в реальном времени меняешь веса и он сразу меняет итоговую стратегию 🔥
Кайф, до этого мучился через gpt с опросами, где нужно выверять веса каждому члену семьи - далее заливал в чат и он выдавал excel, и каждое изменение - новый цикл, сейчас очень удобный mvp, где в реальном времени меняешь веса и он сразу меняет итоговую стратегию 🔥
Forwarded from Serge
теория игр - математический метод изучения оптимальных стратегий в играх,
в семье есть несколько игроков, у которых могут быть разные потребности/критерия - т.е. есть поле для конфликта интересов,
соответственно данный фрейм позволяет настраивать разные потребности разных сторон (членов семьи) и подбирать наиболее эффективные стратегии для реализации.
@vladipandi я в том направлении пытаюсь раскрыть или у тебя вопрос более глубокий о совместимости теории игр с похожим родом задач?
в семье есть несколько игроков, у которых могут быть разные потребности/критерия - т.е. есть поле для конфликта интересов,
соответственно данный фрейм позволяет настраивать разные потребности разных сторон (членов семьи) и подбирать наиболее эффективные стратегии для реализации.
@vladipandi я в том направлении пытаюсь раскрыть или у тебя вопрос более глубокий о совместимости теории игр с похожим родом задач?
Forwarded from Serge
в данном случае изначально так и планировал, так этот фрейм показался более подходящим для этой задачи,
но думаю, что gpt тоже мог предложить, но тут конечно все очень зависит их "сущности", какие патерны и модели поведения ты в него вкладываешь, такой он и партнер.
но думаю, что gpt тоже мог предложить, но тут конечно все очень зависит их "сущности", какие патерны и модели поведения ты в него вкладываешь, такой он и партнер.
Forwarded from Veronika K
Serge
Вчера на уроке сделал мини апку по "стратегии семьи 2035" на основе теории игр. Кайф, до этого мучился через gpt с опросами, где нужно выверять веса каждому члену семьи - далее заливал в чат и он выдавал excel, и каждое изменение - новый цикл, сейчас очень…
Это прям мега круто, этот подход невероятно полезен именно в location advisory.
Вот use case:
Когда мы занимались выбором новой локации для релокации клиентских компаний, мы учитывали около 100 критериев — среди них индекс коррупции, механизмы налогообложения компаний, размер социальных отчислений, качество воздуха и уровень загрязнения, а также стоимость авиабилета из штаб-квартиры до новой локации. Так, в блоке «Трудовые ресурсы» мы учитывали доступность специалистов по R&D и уровень текучести кадров; в блоке «Операционные расходы» — стоимость аренды офисов и уровень заработных плат; а в блоке «Деловая среда» — простоту ведения бизнеса, макроэкономическую стабильность и наличие налоговых льгот. И тд
Каждое «семейство» критериев имело собственный вес от 0 до 100, и внутри каждого семейства каждый критерий также оценивался по шкале от 0 до 100.
Цель модели заключалась в том, чтобы на основе гипотез и весовых коэффициентов определить, какие локации наилучшим образом соответствуют стратегическим целям компании — будь то снижение OPEX, доступ к талантам для нового R&D-центра или наличие дешёвой рабочей силы.
Спасибо за вдохновение! Теперь я попробую создать что-то похожее на вашем пример, возможно, даже для релокации собственной компании 😀
Вот use case:
Когда мы занимались выбором новой локации для релокации клиентских компаний, мы учитывали около 100 критериев — среди них индекс коррупции, механизмы налогообложения компаний, размер социальных отчислений, качество воздуха и уровень загрязнения, а также стоимость авиабилета из штаб-квартиры до новой локации. Так, в блоке «Трудовые ресурсы» мы учитывали доступность специалистов по R&D и уровень текучести кадров; в блоке «Операционные расходы» — стоимость аренды офисов и уровень заработных плат; а в блоке «Деловая среда» — простоту ведения бизнеса, макроэкономическую стабильность и наличие налоговых льгот. И тд
Каждое «семейство» критериев имело собственный вес от 0 до 100, и внутри каждого семейства каждый критерий также оценивался по шкале от 0 до 100.
Цель модели заключалась в том, чтобы на основе гипотез и весовых коэффициентов определить, какие локации наилучшим образом соответствуют стратегическим целям компании — будь то снижение OPEX, доступ к талантам для нового R&D-центра или наличие дешёвой рабочей силы.
Спасибо за вдохновение! Теперь я попробую создать что-то похожее на вашем пример, возможно, даже для релокации собственной компании 😀