AI Video Üretim Hattı: Senaryo → Yayın, Dakikalar

AI video üretiminin vaadi — prodüksiyon ekibi olmadan dakikalar içinde profesyonel içerik oluşturmak — basittir. Bu vaadi ölçekte hayata geçirmenin mühendislik gerçekliği değildir.

Project S Studio'yu kurarken net bir ürün hedefiyle başladık: video prodüksiyon deneyimi olmayan bir içerik üreticisi, bir senaryodan 10 dakika içinde yayın kalitesinde 3 dakikalık bir video üretebilmelidir. Bu hedef aldığımız her mimari kararı şekillendirdi.

Hat Bileşenleri

AI video üretim hattı her birinin farklı hesaplama gereksinimleri ve hata modları olan üç ayrı işleme aşaması vardır.

Aşama 1 — İçerik Zekası Kullanıcı bir senaryo, konu veya URL sağlar. İçerik zekası katmanı yapılandırılmış bir prodüksiyon planı üretir: hangi sahnelerin oluşturulacağı, her bölüme hangi görsellerin eşlik edeceği, tempo, ton ve b-roll gereksinimleri. Bu, LLM altyapımızda (Anthropic API aracılığıyla Claude kullanıyoruz) çalışır ve 3 dakikalık bir video senaryosu için 8-15 saniyede tamamlanır.

Aşama 2 — Varlık Üretimi Prodüksiyon planı paralel varlık üretimini tetikler: ses sentezi, arka plan müziği seçimi, AI görüntü/video klibi üretimi ve metin bindirme oluşturma. Bu, hesaplama ağırlıklı aşamadır. 3 dakikalık bir video, karmaşıklığa bağlı olarak 40 ile 120 ayrı varlık üretir.

Aşama 3 — Birleştirme ve Dışa Aktarma Varlıklar bir zaman çizelgesinde bir araya getirilir, geçişler uygulanır ve son video birden fazla çıktı formatı için işlenir ve kodlanır (1080p, sosyal medya için dikey 9:16, sıkıştırılmış web önizlemesi).

Bu hattın uçtan uca toplam geçen süresi, standart 3 dakikalık bir video için ortalama 6,5 dakikadır. Hedefimiz 10 dakikaydı. Ulaştık, sonra onu geçmek için çalıştık.

Paralel İşleme Mimarisi

Bu hattın naif uygulaması sıralıdır: varlıkları tek tek oluştur, sonra birleştir. Bu yavaş ve kırılgandır — tek bir varlık başarısız olursa tüm iş başarısız olur.

Her varlık üretme görevinin bildirilen bağımlılıklara sahip bağımsız bir düğüm olduğu DAG (yönlü döngüsüz grafik) yürütme modelini temel alarak yeniden inşa ettik. Bağımlılığı olmayan görevler hemen ve paralel olarak çalışır. Önceki çıktılara bağlı olan görevler yalnızca bu belirli çıktıları bekler, tüm önceki görevleri değil.

Pratikte: Aşama 1 tamamlandıktan sonra ses sentezi, arka plan müziği seçimi ve ilk görsel varlık grubu aynı anda başlar. 80 varlık gerektiren 3 dakikalık bir video, Aşama 2'nin ilk 30 saniyesinde 60 tanesini eş zamanlı olarak üretiyor olabilir.

Bu paralel yürütme modeli, sıralı işlemeyle karşılaştırıldığında medyan hat süremizi %62 azalttı.

Ölçekte Eş Zamanlı Render'ları Yönetme

Project S Studio binlerce eş zamanlı video render işini işler. Altyapı zorluğu, video render'ın GPU yoğun olmasıdır — hızlandırmak için daha fazla CPU çekirdeği ekleyemezsiniz.

Yük kuyruğu derinliğine göre dinamik tahsisle AWS üzerinde heterojen bir GPU kümesi çalıştırıyoruz (g4dn ve g5 örnekleri). Hafif bir iş (kısa video, az varlık) tek bir g4dn.xlarge'da çalışır. Ağır bir iş (uzun video, karmaşık görseller, birden fazla format dışa aktarma) g5.12xlarge'a tahsis edilir.

GPU tahsis kararları render anında değil iş alımında gerçekleşir. Kullanıcı bir prodüksiyon işi gönderdiğinde sistem, prodüksiyon planından kaynak gereksinimlerini tahmin eder ve uygun örnek sınıfını önceden tahsis eder. Bu, iş ortasında örnek türü geçişinin gecikmesini ortadan kaldırır.

Mevcut tepe kapasitesi: 3.400 eş zamanlı render işi. Bunu aşan kuyruk derinliği, yaklaşık 4 dakikada kapasite ekleyen otomatik küme ölçeklendirmeyi tetikler.

Kalite Kontrol Katmanı

AI tarafından üretilen videoların tutarlı bir hata modu vardır: teknik olarak işlevsel ama estetik olarak yanlış. Yanlış görüntü-senaryo hizalaması, ses senkronizasyonu kayması, sahneler arasında görsel stil tutarsızlığı. Bu başarısızlıklar hata değildir — standart hata denetiminden geçen kalite bozulmaları.

Çıktıyı kullanıcı görmeden önce otomatik denetimleri çalıştıran bir kalite kontrol katmanı inşa ettik:

Ses-görüntü senkronizasyon kontrolü: Konuşma başlangıcının sahne geçişleriyle 200ms tolerans içinde eşleştiğini doğrular
Görsel tutarlılık puanlaması: Üretilen görselin senaryo bölümü konusuyla eşleşmediği sahneleri işaretler (hafif bir CLIP modeli kullanarak)
Stil tutarlılığı kontrolü: Ardışık sahneler arasında önemli renk derecelendirmesi veya görsel stil değişikliklerini tespit eder

Kalite kontrol başarısızlıkları işi başarısız kılmaz — tüm video değil, yalnızca sorunlu varlıkların yeniden üretilmesini tetikler. Başarısız varlık değiştirilmiş parametrelerle yeniden üretilir ve kalite kontrol denetimi yalnızca o segment için yeniden çalışır.

Bu yaklaşım ilk üretimde varlıkların yaklaşık %12'sini yakalar ve kullanıcı çıktıyı görmeden önce bunları yeniden üretir. Kullanıcının gözlemlenebilir kalite iyileştirmesi önemlidir; hesaplama maliyeti varlık üretiminde ortalama %15 ek yüktür — bu değiş tokuşa değer.

Sırada Ne Var

İnşa ettiğimiz üretim hattı yetkin. Ancak daha büyük fırsat zeka katmanındadır: içerik üreticisi geri bildirimlerinden öğrenen, üretim planlarını zaman içinde geliştiren ve sonunda stilini her içerik üreticisinin benzersiz sesi ve estetiğiyle eşleşecek şekilde otomatik olarak uyarlayan bir sistem.

Şu anda Project S Studio'daki her kullanıcı etkileşimine geri bildirim döngüleri kuruyoruz — bir içerik üreticisinin üretim sonrası yaptığı her düzenleme bir sinyaldir. Bu geri bildirim verilerinde bir üretim kalitesi modelini eğitmeye üç ay önce başladık. Erken dahili sonuçlar, platformu sürekli kullanan içerik üreticileri için manuel düzenleme süresini ek %40 azaltabileceğimizi gösteriyor.

Hedef: 10 dakikalık videoyu 3 dakikada yapmak. Henüz orada değiliz.

Mevcut Metrikler

6,5 dakika ortalama uçtan uca üretim süresi (3 dakikalık video)
3.400 eş zamanlı render kapasitesi
%94,2 ilk render kabul oranı (kalite kontrol yeniden üretimi gerekmez)
Aylık 180.000 üretilen video