Vil KI erstatte klippere? Hva som endres og hva som består

KI erstatter ikke klippere som yrke, men den erstatter en økende del av oppgavene klippere pleide å fakturere for: transkribering, logging, synkronisering, fjerning av stillhet, grovklipp og første utkast til undertekster. Det den ikke erstatter, er skjønnet som avgjør hva en sekvens betyr, hvor et kutt lander og når et verk er ferdig. Klipperne som klarer seg godt framover, er de som overlater det mekaniske arbeidet til verktøyene og bruker tiden de sparer på beslutningene en kunde eller et publikum faktisk merker.

Svaret er mindre dramatisk enn de fleste overskrifter, og det krever likevel noe av deg. Jobben endrer form. Denne artikkelen ser på hvilke deler av arbeidet som blir tatt over, hvilke som øker i verdi, og hvordan du posisjonerer deg som den som styrer verktøyene, ikke den de blir sammenlignet med.

Hvorfor spørsmålet stadig dukker opp

Med noen måneders mellomrom kommer det en ny demo der et verktøy gjør råopptak om til en video som ser ferdig ut, ut fra én enkelt prompt. Noen av dem imponerer. Mange er likevel finjustert for korte, enkle formater der lista for «ferdig» ligger lavt: en person som snakker til kamera, et produktklipp, en montasje til musikk.

Det hjelper å skille mellom tre ting som ofte blandes sammen:

• Generativ video. Modeller som lager nye bilder ut fra tekst eller bilder. Nyttig for enkelte bilder og effekter, men en annen jobb enn å redigere det som er filmet.
• Automatisert redigering. Verktøy som utfører definerte operasjoner på ekte opptak: transkribere, kutte stillhet, finne scener, beskjære på nytt, matche farger.
• Redigeringsagenter. Assistenter som kjeder sammen flere operasjoner ut fra en instruks, for eksempel «lag et grovklipp av de beste opptakene».

Automatisert redigering er den modne delen, og det er der det meste av endringen i det daglige arbeidet skjer. Agentene er nyere og mindre pålitelige i alt som er subjektivt. Generativ video påvirker noen roller mer enn andre, særlig stock, enkel motion graphics og visse typer innhold for sosiale medier.

Oppgaver som automatiseringen tar over

Dette er jobbene der programvaren allerede er så god at det er vanskelig å forsvare å gjøre dem for hånd, i hvert fall som første runde.

Transkribering og tekstbasert redigering

Å gjøre intervjuer om til søkbar tekst tok før timer eller krevde en betalt tjeneste. Nå gir lokale talemodeller brukbare transkripsjoner på en vanlig bærbar, og mange klippere tar strukturelle beslutninger ved å markere ord i stedet for å scrubbe. Tidskodene er omtrentlige, så kuttpunktene må fortsatt sjekkes med øret, men det første grovklippet av et intervju går mye raskere.

Logging og å finne materiale

Å søke i opptak etter hva som ble sagt, hvem som er med eller hvilken tekst som står i bildet, var tidligere avhengig av notatene til en klippeassistent. Mange søkeverktøy indekserer nå noe av dette automatisk, selv om resultatene fortsatt må sjekkes. Det krymper en av de tradisjonelle oppgavene for nye i faget, og det betyr noe for hvordan folk kommer inn i bransjen.

Mekanisk opprydding

Fjerning av stillhet, sporing av fyllord, utjevning av lydnivå, første undertekster og beskjæring fra liggende til stående format ligger godt innenfor rekkevidde for dagens verktøy. De gjør fortsatt feil, men feilene er raskere å rette enn arbeidet er å gjøre fra bunnen av.

Konforming og versjoner

Å lage 9:16-versjonen, 30-sekundersversjonen og den tekstede versjonen fra en godkjent master får stadig mer hjelp fra verktøy. Den menneskelige delen flytter seg til å sjekke hver versjon i stedet for å bygge den.

Det som forblir menneskelig og øker i verdi

Oppgavene over har noe felles: det finnes en klar definisjon av riktig. En transkripsjon stemmer med lyden eller ikke. Arbeidet som forblir menneskelig, er det der «riktig» avhenger av hensikt, publikum og smak.

Fortelling og struktur

Å avgjøre hva en film handler om, hvilken scene som åpner den og hva som kuttes helt, er ingen operasjon. Det kommer av å forstå materialet, kunden og publikum. Et verktøy kan foreslå en rekkefølge. Det kan ikke vite at det er den andre intervjupersonen publikum kommer til å stole på.

Rytme og de siste rutene

Om et kutt lander to ruter for tidlig eller på pusten, om et reaksjonsbilde holdes et slag lenger, om musikken treffer under en replikk eller etter den: det er disse detaljene som får en sekvens til å føles riktig. Det er også der automatiske kutt er svakest. Vi har skrevet mer om dette i de siste fem prosentene av en redigering.

Gjennomgang og kvalitetskontroll

Når mer av første runde automatiseres, må noen sjekke den. Et KI-verktøy kan melde suksess for en redigering som kutter av et ord eller sletter øyeblikket som fikk scenen til å fungere. Å gå godt gjennom slike resultater er en ferdighet i seg selv, og den blir en større del av jobben. Vår sjekkliste for kvalitetskontroll på rutenivå av KI-redigert video er et praktisk sted å begynne.

Å jobbe med mennesker

Kunder vet sjelden nøyaktig hva de vil ha før de ser det. Å oversette vage tilbakemeldinger («gjør det varmere», «det drar ut på midten») til konkrete endringer, si imot når en tilbakemelding ville skade verket, og holde et prosjekt i rute er menneskelig arbeid. Det samme er å håndtere sensitivt materiale ansvarlig, fra medvirkende i dokumentarer til filmer som ennå ikke har hatt premiere.

Ferdigstilling og levering

Farger, lyd, undertekster og leveranser trenger fortsatt noen som kjenner standardene og sjekker selve filen. Verktøyene hjelper på hvert steg, men ansvaret for det som leveres, ligger fortsatt hos et menneske.

Der risikoen er reell

Det ville vært uærlig å si at ingenting endres for noen. Noen typer klippearbeid er mer utsatt enn andre:

• Store volumer med lav kompleksitet. Enkle klipp for sosiale medier, malbaserte produktvideoer og enkle redigeringer av personer som snakker til kamera er lettest å automatisere, og kunder med stramme budsjetter kommer til å prøve.
• Oppgaver for nye i faget. Logging, synkronisering og transkribering var måten mange assistenter lærte faget på. Når de oppgavene krymper, trenger nykommere andre veier til erfaring.
• Mekaniske oppgaver solgt per time. Hvis et tilbud for det meste består av tid brukt på opprydding, kan en kunde sammenligne det med et verktøy som gjør oppryddingen raskt.

Fellesnevneren er at arbeid som defineres av stegene sine, er mer utsatt enn arbeid som defineres av resultatet. Det peker mot den viktigste tilpasningen.

Slik posisjonerer du deg som den som styrer verktøyene

Selg resultater, ikke timer med operasjoner

Beskriv det du leverer ut fra resultatet: en film som holder på oppmerksomheten, et klipp som godkjennes på to runder, leveranser som består en plattforms kontroller. Hvis automatisering gjør en del av prosessen din raskere, er det marginen din eller en ekstra revisjonsrunde, ikke en grunn til å senke verdien din.

Lær verktøyene godt nok til å kjenne svakhetene deres

Det er lett å bruke et automatiseringsverktøy. Det som gjør deg nyttig, er å vite hvor det feiler gang på gang. Prøv fjerning av stillhet på et følelsesladet intervju og legg merke til hva det tar bort. Prøv automatiske undertekster på tale med aksent. Den kunnskapen gjør at du kan bruke verktøyene raskt uten å levere feilene deres.

Hold beslutningene på tidslinjen din

Velg verktøy som foreslår endringer du kan se og angre, framfor verktøy som leverer tilbake en ferdig fil. En redigerbar tidslinje holder deg i rollen som klipper. En låst eksport gjør deg til en som godkjenner eller avviser. Artikkelen vår om hvorfor KI-en sier «ferdig» når klippet er feil går gjennom hva du bør kreve av enhver assistent som rører sekvensen din.

Beskytt materialet

Kunder spør oftere hvor opptakene deres havner. Å vite hvilke verktøy som behandler media lokalt og hvilke som laster det opp, er i dag en del av profesjonell praksis, særlig ved dokumentar, bedriftsfilm og arbeid før premiere.

Bygg ferdigheter som vokser over tid

Fortellersans, rytme, farger, lyd og kundekommunikasjon blir mer verdt etter hvert som det mekaniske laget blir billigere. Tiden du før brukte på logging, kan du bruke på hvilken som helst av dem.

Slik tenker cinemaOS om dette

cinemaOS er en Mac-native redigeringsapp for Apple silicon, bygget på tanken om at klipperen styrer og programvaren assisterer. Assistenten på enheten, J.A.R.E.D., foreslår endringer som du går gjennom, og med Always ask slått på tas ingenting i bruk før du godkjenner det.

J.A.R.E.D. kjører på Macen og bruker ingen generative kreditter. Transkriberingen kjører lokalt, og etterpå kan du finne en replikk i transkripsjonen og klippe tidslinjen ved å markere ord, som vist i veiledningen Transkriber og rediger med tekst. Transkripsjonen finner replikken; øret ditt avgjør fortsatt klippet.

Det er ikke den eneste måten å jobbe på, og klippere i Premiere Pro, DaVinci Resolve eller Final Cut Pro har egne assisterende funksjoner som er verdt å lære; sjekk utgivelsesnotatene til hver leverandør for hva som gjelder nå. Vil du prøve tilnærmingen, koster cinemaOS $9.99 USD i måneden eks. mva., med 60 dager gratis, uten kort og uten automatisk trekk.

FAQ

Vil KI erstatte klippere i løpet av de neste årene?

Den erstatter oppgaver snarere enn rollen. Transkribering, logging, fjerning av stillhet og første undertekster er allerede bredt automatisert, i hvert fall som første runde. Fortelling, rytme, gjennomgang, kundearbeid og ferdigstilling forblir menneskelig, og det blir en større del av det klippere får betalt for. Mest utsatt er innhold i store volumer med lav kompleksitet som selges per time.

Bør jeg lære meg KI-verktøy som klipper?

Ja, men lær dem kritisk. Den nyttige ferdigheten er ikke å trykke på knappen, men å vite hvor hvert verktøy feiler, slik at du kan bruke det for farten uten å levere feilene. Begynn med transkribering og tekstbasert redigering, fordi de sparer mest tid med minst risiko for klippet.

Kan en KI-assistent for redigering lage en ferdig film på egen hånd?

For enkle, malbaserte formater kan den lage noe brukbart. For alt der mening, tempo eller tillit betyr noe, er et automatisk klipp et utkast. Behandle det som et utgangspunkt på en redigerbar tidslinje, gå gjennom det på rutenivå og ta de endelige beslutningene selv.