Napsali jste větu, klikli na generovat a vrátil se čtyřsekundový klip, kde má člověk šest prstů a židle se roztéká do podlahy. Zkusili jste to znovu. Stejný výsledek, jiné podivnosti. Teď jste přesvědčení, že text‑to‑video „ještě není připravené“.
Nepříjemná pravda: většina špatného AI (umělé inteligence) videa není problém modelu. Je to problém vstupu. Stejný engine, který vám dal roztékající se židli, dá pečlivějšímu operátorovi čistý, značce odpovídající záběr — protože se vyhnul hrstce začátečnických chyb, které nenápadně ničím výstup.
Tohle je odstraňovací příručka k plnému průvodci pro začátečníky. Tamten článek vás naučí workflow od nuly; tenhle je polní manuál oprav. Každá sekce níže je jedna chyba: rozpoznatelný symptom, proč vzniká, a přesná oprava. Projděte si je a vaše úspěšnost vyroste z „náhody“ na „spolehlivost“.
Klíčová sdělení
- Vágní jednověté prompty jsou největší příčinou špatných klipů — specifikujte subjekt, akci, kameru, světlo a styl.
- První render je nástřel, ne hotový výstup; počítejte s 3–5 generacemi na jeden použitelný záběr.
- Poměr stran přizpůsobte platformě před generováním, ne až následným ořezem.
- Vždy proveďte lidskou kontrolu tváří, rukou, textu a každého voiceoveru, který uvádí fakta.
Chyba 1: Vágní jednověté prompty
Symptom: Napsali jste „žena kráčí městem“ a dostali jste generický, bezduchý klip — špatná denní doba, špatná nálada, tvář, která nepřipomíná nikoho. Každá další generace je jen jiná příchuť průměru.
Proč se to děje: Model vyplňuje každou mezeru, kterou necháte, svým průměrným odhadem. „Žena kráčí městem“ nechává téměř vše nespecifikované, takže dostanete statistický průměr milionů tréninkových klipů. Není to vyloženě špatný výsledek — je to ten nejvíc fádní, což přesně odpovídá podspecifikovanému promptu.
Oprava: Vrstvěte pět věcí, na které každý model reaguje: subjekt, akce, kamera, světlo a styl. Přepište příklad takto: „Žena v béžovém trenčkotu kráčí svižně po deštěm lesklé tokijské ulici za soumraku, neonové nápisy se odrážejí v kalužích, záběr z nízkého jízdního úhlu, filmový styl, malá hloubka ostrosti.“ Stejná idea, desetkrát větší kontrola.
Nesnažte se tuhle strukturu pokaždé vymýšlet z hlavy. Náš detailní rozbor jak psát AI video prompty rozkládá anatomii a knihovna prompt templates nabízí předvyplněné šablony pro desítky scénářů. Vezměte šablonu, vyměňte detaily, generujte.
Chyba 2: Necháte si první render
Symptom: Vygenerujete jednou, je to „tak nějak dobré“, odešlete. O týden později si to pustíte a chyby bijí do očí — zdeformovaná ruka ve třetím snímku, nepřirozené mrknutí, objekt v pozadí, který se objevuje a mizí.
Proč se to děje: Text‑to‑video je nedeterministické. Stejný prompt dá při každém spuštění jiný výstup, protože model vzorkuje z množiny možností. První vzorek málokdy bývá nejlepší — je prostě první. Brát ho jako finále je jako nechat první klapku filmu jen proto, že kamera zrovna běžela.
Oprava: Generujte po dávkách. Pusťte stejný prompt třikrát až pětkrát a vyberte nejsilnější výsledek, stejně jako fotograf udělá dávku a nechá si jeden snímek. Náklady pár extra generací jsou zanedbatelné proti riziku, že odešlete klip s očividným artefaktem.
Při hodnocení dávky se dívejte hlavně na pohyb — dokončí se akce přirozeně, nebo se trhá a smyčkuje? Nejprve vybírejte čistý pohyb, pak kompozici. Nádherně nasvícený klip s rozbitým pohybem je nepoužitelný; střídmější klip s plynulým pohybem lze vygradovat a zachránit.
Chyba 3: Ignorujete úvodní snímek a háček
Symptom: Video je technicky v pořádku, ale nikdo nepokračuje za první sekundu. Křivky retence padají kolmo. V sociálním feedu kolem něj publikum projede.
Proč se to děje: Začátečníci myslí na celý klip a zapomenou, že první snímek dělá veškerou práci se zastavením palce. Modely často začnou statickým establishingem — pomalým prolínačem, prázdnou místností, oblohou — protože je nic v promptu nenutilo začít zostra. Ten jemný rozjezd je na feedu, který vás soudí za 0,5 sekundy, smrt.
Oprava: Načasujte pohyb a subjekt už do úplně prvního snímku. Místo „pomalý přejezd po kuchyni, pak se objeví šéfkuchař“ napište „šéfkuchař uprostřed akce, jak přehazuje jídlo na pánvi, šlehají plameny, okamžitý detail.“ Dejte ten nejpoutavější moment dopředu.
Zvlášť u krátkých formátů plánujte háček stejně záměrně jako scénář. Pokud cílíte na TikTok, Reels nebo Shorts, první snímek je zároveň thumbnail i háček. Vygenerujte pár alternativních úvodních snímků a otestujte je A/B — rozdíl v dokoukání bývá dramatický.
Chyba 4: Špatný poměr stran pro platformu
Symptom: Udělali jste nádherný klip 16:9 naležato a nacpali ho do vertikálního Reelu. Teď má nahoře a dole černé pruhy, nebo jste ořezali tak agresivně, že je subjektu uříznutá hlava a kompozice je v troskách.
Proč se to děje: Lidé ze zvyku defaultují na vodorovný „TV“ formát a teprve po vzniku klipu zjistí, že cílové umístění je vertikální. Oprava v postprodukci znamená ořezat polovinu pečlivě vygenerovaného rámu — a model nikdy nekomponoval záběr pro takový ořez, takže důležité věci z něj vypadnou.
Oprava: Nejprve určete destinaci, pak nastavte poměr stran ještě před generováním. Tahák:
- 9:16 vertikál pro TikTok, Instagram Reels, YouTube Shorts.
- 16:9 horizontál pro YouTube, weby, prezentace.
- 1:1 čtverec pro feed posty, které mají fungovat všude.
- 4:5 portrét pro Instagram feed, když chcete maximum vertikálu bez plného Reelu.
Když generujete ve správném poměru, model komponuje subjekt pro daný rám — vycentrovaný, správná „headroom“, nic důležitého v nebezpečné zóně. Vivideo text-to-video vám umožní uzamknout poměr hned na začátku, takže se vyhnete zděděnému problému s ořezem.
Chyba 5: Žádná kontinuita napříč záběry
Symptom: Vygenerovali jste tři klipy, abyste odvyprávěli drobný příběh, a barva bundy postavy se mezi nimi mění, světlo v místnosti skáče z teplého na studené a „stejný“ člověk vypadá jako tři různí. Výsledek působí jako glitchová slideshow, ne sekvence.
Proč se to děje: Každá text‑to‑video generace je ostrov. Model si nepamatuje předchozí klip, takže pokud aktivně nevymáháte konzistenci, každý záběr znovu vynalézá svět. Začátečníci předpokládají „stejný prompt = stejný vzhled“. Není tomu tak.
Oprava: Ukotvěte detaily, které se musí neměnit, a opakujte je doslova v každém promptu — oblečení a účes postavy, lokace, denní doba, nasvícení, barevný grading. Vytvořte krátký „style block“, který vkládáte do každého záběru: „konzistentní postava: žena, lehce přes 30, krátké černé mikádo, červená kožená bunda; prostředí: teple nasvícený industriální loft, zlatá hodinka; filmové zrno, utlumený color grade.“
Pro ještě pevnější kontrolu nad vracející se postavou či produktem použijte image-to-video místo čistého text‑to‑video. Vygenerujte nebo nahrajte jednu referenční fotku, kterou milujete, a tu pak animujte napříč záběry. Ukotvení k obrázku drží subjekt mnohem lépe, než ho pokaždé popisovat slovy. Na úrovni brandu vám uložený brand kit umožní znovu použít stejnou paletu a styl v celém projektu.
Chyba 6: Nacpete toho příliš do jednoho klipu
Symptom: Napsali jste prompt popisující pětidílnou akci — „vejde, sedne si, otevře notebook, vyřídí hovor, pak odejde“ — a model vyprodukoval zmatenou šmouhu, která nedělá žádnou část dobře. Končetiny se pletou, časová osa se hroutí, nic není čitelné.
Proč se to děje: Jedna krátká generace je jeden záběr, ne scéna. Většina klipů má pár sekund a chtít po pár sekundách pět různých akcí nutí model vše smrštit a srazit dohromady. Dáváte jednomu kameramanovi celovečerní scénář a křičíte „akce“.
Oprava: Jeden klip, jeden nápad, jedna akce. Rozdělte sekvenci do samostatných generací — příchod, posazení, notebook, hovor, odchod — každou čistě odpromptovanou, a pak je poskládejte na timeline. Takhle funguje i reálné video: scény se skládají ze záběrů a záběry jsou krátké.
Tím se zjednoduší i všechny další opravy. Krátké, jednoakční klipy mají méně míst, kde se schovají artefakty, rychleji se regenerují a lépe navazují díky kontinuitnímu style blocku z Chyby 5. Jakmile se přistihnete, že v promptu píšete „potom… potom… potom…“, je to signál rozdělit to do více záběrů.
Chyba 7: Vynecháte lidskou kontrolu faktů a voiceoveru
Symptom: Hotové video vypadá skvěle — dokud někdo neupozorní, že AI voiceover špatně vyslovil název vašeho produktu, text na obrazovce je zkomolený nesmysl, nebo „fakt“ ve scénáři je prostě špatně.
Proč se to děje: AI je plynulá, ne pravdomluvná. Klidně pronese nesprávnou statistiku naprosto přirozeným hlasem, vygeneruje ceduli s pomíchanými písmeny, která vypadají jako slova, a zdůrazní špatnou slabiku u značky — to vše bez náznaku, že je něco špatně. Začátečníci uvěří lesku a vynechají korekturu.
Oprava: Zařaďte povinný lidský review před odesláním čehokoli. U každého klipu projeďte tento checklist:
- Tváře a ruce — spočítejte prsty, sledujte deformace v pohybu, zkontrolujte přirozené sledování očí.
- Text v obraze — AI text je často blábol; přidejte skutečné titulky v editační fázi místo spoléhání na „upečený“ text.
- Přesnost voiceoveru — poslouchejte špatnou výslovnost jmen a chybné přízvuky; vygenerujte repliku znovu nebo zvolte srozumitelnější AI hlas.
- Jakékoli faktické tvrzení — ověřte každé číslo, datum a výrok proti reálnému zdroji. Pokud skript říká „studie ukazují 80 %“, potvrďte, že studie existuje.
Tenhle krok zabere dvě minuty a zachrání vás před jedinou chybou, která přežije všechny ostatní: bezchybným videem, které je sebevědomě mylné. Úkolem modelu je generovat; vaším úkolem je být editorem, který zachytí to, co model neumí.
Opravte těchto sedm a vaše výstupy se promění
Na žádnou z těchto chyb nepotřebujete lepší model. Potřebujete záměrnějšího operátora — a tím jste teď vy. Shrnutí vzorce pod všemi sedmi: buďte konkrétní, generujte po dávkách, navrhujte pro danou platformu a první snímek, vymáhejte kontinuitu, držte každý klip jednoduchý a nikdy nevynechávejte lidskou kontrolu.
Začněte Chybou 1, protože ostřejší prompt opraví polovinu ostatních dřív, než se stanou. Sáhněte po hotové struktuře z knihovny prompt templates, nastavte poměr stran pro cílové umístění a vygenerujte rychlou dávku v text-to-video. Když budete chtít plný koncepční workflow místo opravářského manuálu, doprovodný průvodce pro začátečníky vás provede celým procesem krok za krokem.
Rozdíl mezi „AI video ještě není tam“ a „takhle to vypadá profesionálně“ zřídkakdy spočívá v nástroji. Je v těchto sedmi návycích. Vybudujte je jednou a každý další klip bude lepší.