ElevenLabs और Y7 ने साइंस-फिक्शन फिल्म के लिए हाथ मिलाया

हम Y7 के साथ अपना सहयोग साझा करते हुए उत्साहित हैं: एक अनूठी, एक घंटे की साइंस-फिक्शन फिल्म जिसका शीर्षक है Report 5923। नीचे Y7 के कलाकारों ने इसे बनाने के अपने अनुभव के बारे में बताया है। वे ध्वनि, ध्वनिक युद्ध और वायरस के रूप में ऑडियो जैसे विषयों को दार्शनिक और सैद्धांतिक तत्वों के साथ बुनते हैं। इस प्रोजेक्ट में ElevenLabs की भूमिका कला और AI के मेल को संभव बनाना थी। Y7 की रचनात्मक प्रक्रिया और उन्होंने Report 5923 को कैसे जीवंत बनाया, इसके बारे में नीचे और पढ़ें।

Report 5923 एक घंटे की साइंस-फिक्शन फिल्म है, जिसे मुख्य रूप से AI और कई अलग-अलग टूल्स व तरीकों से बनाया गया है। फिल्म की मुख्य किरदार शेवेक तीन अलग-अलग ग्रहों की यात्रा करती है और इस दौरान एक नृवंशविज्ञान संबंधी रिपोर्ट तैयार करती दिखती है। पूरी कहानी में ध्वनि, ध्वनिक युद्ध और वायरस के रूप में ऑडियो बार-बार उभरते हैं। व्यापक रूप से यह कहानी वर्ल्ड-बिल्डिंग और टेक्नो-ऑप्टिमिज़्म के विचारों से जुड़ी है। इस काम में हमने उन दार्शनिक और सैद्धांतिक रचनाओं के विचारों को इस्तेमाल करने की कोशिश की है, जिन्हें हम पसंद करते हैं—खासकर गिल देल्यूज़ और फ़ेलिक्स ग्वात्तारी के विचारों को।

इसे पहली बार वर्क-इन-प्रोग्रेस के रूप में FACT में प्रस्तुत किया गया था। FACT, लिवरपूल, UK की एक गैलरी और सिनेमा है, जिसने जून 2023 में कलाकारों, शोधकर्ताओं और क्यूरेटरों के लिए आयोजित दो-दिवसीय वर्कशॉप के अंत में हमें अपना काम प्रस्तुत करने के लिए कहा था। ‘Turning Together’ नाम का यह कार्यक्रम काल्पनिक साहित्य की लेखिका उर्सुला के. ले गुइन की ‘मदर-टंग’ की अवधारणा से प्रेरित था—यानी संवाद का ऐसा तरीका जो एक-दूसरे को सुनने और समझने पर आधारित हो। स्क्रीनिंग के बाद, जब ElevenLabs को Report और हमारे व्यापक काम में उनके टूल्स के इस्तेमाल की जानकारी मिली, तो फिल्म को पूरा करने के लिए हमें उनसे तुरंत फंडिंग मिल गई। 

इसके जवाब में कि FACT ने ले गुइन का उल्लेख किया था, हमने AI के साथ मिलकर स्क्रिप्ट लिखने के उद्देश्य से उनके उपन्यास The Dispossessed पर एक OpenAI GPT-3.5 मॉडल को फाइनट्यून करने का फैसला किया। फाइनट्यूनिंग, ChatGPT के साथ बातचीत करने से अलग है। इसमें आप मॉडल को उसके पहले से सीखे हुए सामान्य भाषाई ज्ञान के ऊपर एक नए डेटासेट में विशेषज्ञ बनाते हैं। ट्रेनिंग के बाद, आपका नया मॉडल आपके डेटासेट की शैली में नया टेक्स्ट बना सकता है। साथ ही, temperature नाम के पैरामीटर से आप नियंत्रित कर सकते हैं कि वह मूल सामग्री के कितने करीब रहे। तापमान जितना कम होगा, टेक्स्ट आउटपुट उतना ही खंडित और रैंडम होगा; तापमान जितना अधिक होगा, डेटासेट के अंशों को हूबहू दोहराने की संभावना उतनी ही बढ़ेगी। सही संतुलन ढूंढना ज़रूरी है। फाइनट्यून किए गए मॉडल को ले गुइन की वाइब का निष्कर्षण समझें। इस मायने में यह एक नए तरह की फैन-फिक्शन है। हमने मिलकर संज्ञा ‘उर्सुला के. ले गुइन’ को एक क्रिया में बदल दिया है। अब हम ले गुइन कर सकते हैं, ठीक वैसे ही जैसे हम पेंट कर सकते हैं, मूर्तियां बना सकते हैं या गा सकते हैं। 

अलग-अलग तापमानों के साथ प्रयोग करने पर कहानी की रूपरेखा उभरने लगी। AI के साथ सह-लेखन की प्रक्रिया कुछ हद तक डेविड बॉवी के ज़रिए विलियम बरोज़ की कट-अप तकनीक जैसी लगती है: हमने टेक्स्ट आउटपुट के अलग-अलग टुकड़ों के बीच संबंध बनाना शुरू किया। कभी AI हमें ऐसे विचार देता जिन्हें हम सीधे उसे वापस दे देते, और कभी हम अपने पसंदीदा लेखकों के प्रासंगिक अंश उसमें डालते। आखिर में यह पहचानना मुश्किल हो गया कि किसने क्या लिखा और विचार कहां से आए—हालांकि पारंपरिक लेखन में भी शायद ऐसा ही होता है। अगर अनुमान लगाएं, तो लेखन का श्रेय लगभग 60/40 के अनुपात में हमारे पक्ष में होगा। पूरी कहानी का आर्क ऐसा कुछ नहीं था जो AI बना सकता था। तकनीकी रूप से यह ChatGPT से संभव है, लेकिन ChatGPT के साथ कहानी की संरचना पर काम करने पर वह जल्दी ही बहुत फॉर्मूलाबद्ध और अजीब तरह से सुखद अंत पर निर्भर दिखने लगता है। 

स्क्रिप्ट के विकास के साथ-साथ AI टूल्स—मुख्य रूप से Midjourney और Runway के Gen-2—की मदद से कहानी का विज़ुअलाइज़ेशन भी किया जा रहा था। हमारी बड़ी चुनौतियों में से एक थी, जिसे शुमोन बसर ने ‘Midjourney की mid-ness’ कहा है, उससे बचना: कई टेक्स्ट-टू-कंटेंट टूल्स में मौजूद किट्श DeviantArt एस्थेटिक्स की ओर अंतर्निहित झुकाव। इसके साथ अक्सर महिलाओं के स्त्री-द्वेषी और बचकाने चित्रण भी आते हैं। इससे निपटने के लिए हमने सबसे पहले अपने प्रॉम्प्ट्स में तकनीकी फोटोग्राफी शब्दावली भर दी, ताकि हम अत्यधिक स्टाइलाइज़्ड इमेजरी से दूर रह सकें। इसका Report पर एक बड़ा असर यह हुआ कि हमें मुख्य किरदार शेवेक को एक युवा महिला से बदलकर एक वृद्ध महिला बनाना पड़ा। प्रॉम्प्ट देने पर Midjourney अक्सर वृद्ध महिलाओं को घृणित हॉरर ऑब्जेक्ट्स के रूप में दिखाता है। हमें लगा कि यह हमारी मुख्य किरदार के लिए कहीं अधिक समृद्ध, विद्रोही और जटिल एस्थेटिक आधार है। ले गुइन ने भी Space Crone में कहा है कि वृद्ध महिलाएं अंतरग्रहीय यात्रा के लिए पृथ्वी की आदर्श प्रतिनिधि होंगी। 

AI के साथ काम करते समय हमारा दृष्टिकोण अक्सर—हालांकि हमेशा नहीं—ग्लिच और टूटनों को अपनाने का होता है। हम ऐसे पल बनाने की कोशिश करते हैं, जहां AI मुखौटा लगाना या नकल करना भूल जाए; जहां हम उसे दिशा देकर, प्रॉम्प्ट करके और जेलब्रेक करके उस स्थिति तक ले जाएं, जहां वह उन स्टाइलिस्टिक ढांचों को दोहराना बंद कर दे जिनकी ओर उसे प्रोग्राम किया गया है। इसके बजाय वह ऐसा मटीरियल आउटपुट करने लगे, जो उसकी अपनी मतिभ्रमित कल्पनाओं को बैकप्रॉपेगेट करता हुआ लगे; मानो वह अपेक्षा से अधिक अपने जैसा व्यवहार कर रहा हो।

AI का इस्तेमाल Report को ध्वनि के ज़रिए जीवंत बनाने में भी किया गया। टेक्स्ट-टू-ऑडियो टूल्स और रॉ ऑडियो न्यूरल नेटवर्क्स ने हमें व्यस्त स्टेशन प्लेटफॉर्म के फोली साउंड्स से लेकर बजती हुई टेप मशीन की आवाज़ें बनाने में मदद की। आगे चलकर इन्हीं से साउंडट्रैक के लिए सिंथ्स, अमूर्त वोकल्स और पॉलीरिदमिक ड्रम पैटर्न भी बनाए गए। फिर हमने अपनी कहानी को नैरेट करने और किरदारों को जीवंत करने के लिए ElevenLabs के स्पीच सिंथेसिस टूल्स का इस्तेमाल किया: Report 5923 न्यूरल नेटवर्क्स का एक संयोजन है, जिसे हमने खुद व्यवस्थित किया है। उम्मीद है कि आपको इसे देखने में उतना ही आनंद आएगा, जितना हमें इसे बनाने में आया!