Pierwszy film z NOK-iem trwał dziewiętnaście sekund. Opublikowaliśmy go 16 czerwca 2026 roku i od tamtej pory mała niebieska postać z anteną pojawia się w naszych materiałach o bezpieczeństwie SAP, automatyzacji i danych podstawowych. Przy tym filmie nie było studia, kamery ani montażysty. Był scenariusz, kilka narzędzi AI i ktoś, kto decydował, które ujęcie zostaje, a które wraca na plan. Tym kimś byłem ja i tak zostało do dziś.
Film powyżej opowiada o tym samym warsztacie, którym został zrobiony.
Scena to strona internetowa
Rdzeniem warsztatu jest HyperFrames, otwarte narzędzie firmy HeyGen do składania filmów z kodu, udostępnione na licencji Apache 2.0. Każda scena filmu jest plikiem HTML z animacją. Atrybuty w kodzie określają, kiedy element wchodzi na ekran, jak długo na nim zostaje i na której ścieżce leży. Renderer przechodzi przez film klatka po klatce w przeglądarce bez interfejsu i składa wynik do pliku MP4 za pomocą FFmpeg. Z tego samego pliku zawsze powstaje ten sam film.
Wynikają z tego dla nas dwie rzeczy. Pierwsza: agent AI dobrze pisze HTML i animacje, więc szkic sceny powstaje szybko. Twórcy mówią to wprost w haśle projektu: „Write HTML. Render video. Built for agents”. Druga: poprawka jest przewidywalna. Kiedy zmieniam tekst na planszy albo tempo wejścia, zmienia się tylko to, co poprawiłem. W narzędziach, które generują obraz z opisu, każda poprawka oznacza nowe losowanie i w praktyce nową scenę.
Z HyperFrames pracujemy od kwietnia 2026 roku. Zaczęliśmy od plansz tytułowych i zakończeń, dziś robimy w nim całe filmy z grafiką ruchomą. Tak powstała Fabryka danych, sześćdziesięciosekundowy film o danych podstawowych.
Głos i muzyka z ElevenLabs
Narrację i podkład muzyczny generujemy w ElevenLabs. Mamy katalog polskich głosów i jedną zasadę: nie ma domyślnego lektora. Głos wybieram do każdego filmu osobno, bo film o krytycznej podatności w SAP i film o maskotce potrzebują innego tonu. Film dołączony do tego wpisu czyta Gregor, ten sam głos, który prowadził Fabrykę danych.
Syntetyczny lektor wymaga tekstu pisanego pod ucho. Skrót zapisany wersalikami potrafi przeliterować, a angielską nazwę produktu przeczytać po swojemu. Jeden z naszych głosów zamienił „Claude Code” w „Plot kod”. Dlatego tekst dla lektora jest osobną wersją scenariusza: nazwy zapisujemy tak, jak mają zabrzmieć, liczby słownie, zdania krótko.
Cztery role przy jednym filmie
Scenarzysta. Zaczynam od tezy, czyli od jednego zdania, które widz ma zapamiętać. Dopiero potem powstają sceny, zwykle w kolejności: problem, rozwiązanie, dowód, finał. AI pomaga rozpisać tezę na sceny i zaproponować plansze. O tym, co film mówi, decyduję sam.
Reżyser. Zatwierdzam każdą scenę, wybieram głos i pilnuję tempa. Mamy regułę czytelności: każdy blok tekstu zostaje na ekranie co najmniej dwie sekundy, a przy dłuższych napisach 0,4 sekundy na słowo. Film w kanale LinkedIn startuje bez dźwięku, więc napis, którego widz nie zdąży przeczytać, nie istnieje.
Producent. Odpowiadam za formaty i kanały: MP4 na stronę, wersję w proporcjach 4:5 na LinkedIn, wyrównaną głośność. Przed premierą film ocenia drugi agent AI w dwóch rolach. Jako producent sprawdza technikę i zgodność z identyfikacją SNOK, jako widz ocenia, czy rozumie przekaz i czy obejrzałby film do końca. Jego uwagi wracają na plan, ostatnie słowo należy do mnie.
Aktor drugoplanowy. W tym filmie występuję w jednej scenie, na krześle reżysera. Mój wizerunek wygenerowała AI wyłącznie na podstawie moich zdjęć referencyjnych i podpisujemy to wprost. Cudzego wizerunku nie generujemy, a materiały klientów nie trafiają do zewnętrznych bibliotek mediów.
Narodziny NOK-a
W czerwcu 2026 roku szukaliśmy stałej postaci, która poprowadzi widza przez nasze materiały. Inspiracją był otwarty projekt illo autorstwa tmchow: ilustracje redakcyjne, w których jedna metafora daje jeden obraz, a postać zachowuje wygląd dzięki obrazom referencyjnym. Projektu nie wdrożyliśmy. Przenieśliśmy samą ideę na własne narzędzia, nasz styl i nasze kolory.
Pierwsze wersje odpadły. Jedna była zbyt szczegółowa, druga wyszła bezkształtna, trzecia przypominała bardziej emblemat niż postać. Wersję, która została, zatwierdziłem 14 czerwca: mały robot z kanciastą głową, ciemnym wizjerem z dwojgiem oczu, anteną zakończoną kropką i jednym czerwonym detalem. Bez ust i bez peleryny superbohatera. Kompetentny, spokojny, lekko ciekawski. Nie zabawka.
Nazwa nie wymagała burzy mózgów. NOK to po prostu SNOK bez S. Literę S nosi na piersi.
Czego AI za nas nie robi
AI skraca drogę od pomysłu do pierwszej wersji filmu. Nie rozstrzyga, o czym film ma być, które ujęcie zostaje i czy żart w trzeciej sekundzie bawi kogokolwiek poza autorem. HyperFrames jest otwartym narzędziem, z ElevenLabs może korzystać każdy, więc o różnicy decydują scenariusz, redakcja i osoba, która bierze odpowiedzialność za premierę. W SNOK jestem nią ja, czasem z rolą drugoplanową.
Wizerunek autora w filmie i na ilustracjach wygenerowała AI na podstawie jego zdjęć.