Romergo کی تیاری سے

نہ ختم ہونے والی ترامیم سے ایک چھوٹے فلم سیٹ تک: میں کہانیاں بنانا کیسے سیکھ رہا ہوں

پچھلے مضمون میں، میں نے لکھا تھا کہ اصل متن اور کھیلنے کے قابل ویژول ناول کے درمیان ایک پورا عمل کیوں ضروری ہے: حقائق محفوظ رکھنا، کردار تیار کرنا، منظر جوڑنا، اور پھر دیکھنا کہ کھلاڑی کو حقیقت میں کیا نظر آتا ہے۔

تب سے یہ عمل مزید پیچیدہ ہوا ہے۔ اس لیے نہیں کہ میں AI کے لیے کچھ اور متاثر کن نام گھڑنا چاہتا تھا۔ کہانیاں بناتے ہوئے مجھے بار بار ایک پریشان کن مسئلہ پیش آیا: اچھی تصویر کو ذرا بہتر بنانے کی کوشش میں اسے خراب کر دینا بہت آسان ہے۔

پہلے ہاتھ درست کرنے کو کہتے ہیں۔ پھر لباس کا غائب حصہ واپس لانے کو۔ پھر ایک اضافی ٹانگ ہٹانے کو—جی ہاں، ایسا بھی ہوتا ہے۔ آخر میں معلوم ہوتا ہے کہ ان ترامیم کے دوران چہرہ بدل گیا، سائے گہرے ہو گئے اور صاف پس منظر دھندلا گیا۔

آپ ایک حصہ درست کر رہے ہوتے ہیں، مگر پوری تصویر بدلتی رہتی ہے۔ کسی وقت ماننا پڑتا ہے: پانچ نسخے پہلے یہ بہتر تھی۔

تصویر درست کرنا، اسے محفوظ رکھنا نہیں

میرے لیے بڑی پریشانی تبدیلیوں کا جمع ہونا ہے۔ تصویر A سے B، پھر B سے C بناتے ہیں اور مزید کوششیں کرتے ہیں۔ ہر نیا نسخہ مطلوبہ اصلاح کے ساتھ وہ سب بھی ورثے میں لیتا ہے جو پہلے خاموشی سے بدل چکا تھا۔

میری بنائی گئی تصاویر میں چہرے «پگھلنے» لگتے، سائے بھاری ہوتے، سطحوں پر غیر فطری نشان آتے اور چھوٹی تفصیلات غائب ہو جاتیں۔ ضروری نہیں کہ ہر اگلی تصویر بدتر ہو۔ مگر ترامیم کی لمبی زنجیر میں اصل شکل سے دور ہونے کے مواقع بہت زیادہ تھے۔

انسان کو «باقی سب ویسا ہی رکھو، صرف سر موڑ دو» بالکل واضح لگتا ہے۔ ہم کردار کو پہچانتے، کمرے کو سمجھتے اور فرض کرتے ہیں کہ جیکٹ پہنی رہے گی، چاہے دوبارہ ذکر نہ ہو۔ جنریٹر کے ساتھ یہ باتیں واضح طور پر طے کرنی پڑتی ہیں۔ وہ قابلِ یقین نئی تصویر بناتے ہوئے بھی کوئی ایسی چیز بگاڑ سکتا ہے جسے ہم بدیہی سمجھ رہے تھے۔

تو ہاں، کام کا بڑا حصہ AI کے ساتھ بات سمجھانا اور سمجھنا سیکھنا ہے۔ کبھی واقعی یہ بتانا پڑتا ہے کہ ہمیں اب بھی تیسری ٹانگ نہیں چاہیے۔

GENERAL: واپس آنے کا ایک مقام

میرا پہلا حل GENERAL تھا: کردار، جگہ یا شے کی منظور شدہ معیاری تصویر۔ حتی الامکان غیر جانب دار، جس میں مستقل خصوصیات واضح ہوں اور کسی ایک واقعے سے مخصوص تفصیلات کم ہوں۔

اس کے بعد میں «آخری ترمیم ← اگلی ترمیم» کی لامتناہی زنجیر سے بچنے کی کوشش کرتا ہوں۔ نئی حالت GENERAL سے بنائی جاتی ہے، یہ مدنظر رکھتے ہوئے کہ اس وقت کیا ہونا چاہیے۔

منظر درست کرتے وقت کام کے تین حوالے ہو سکتے ہیں:

• GENERAL کردار یا جگہ کی بنیادی شکل طے کرتا ہے؛
• پچھلا فریم مطلوبہ انداز، ترتیب یا حالت محفوظ رکھنے میں مدد دیتا ہے؛
• مکمل تقاضے نئی اصلاح سمیت مطلوبہ نتیجہ بیان کرتے ہیں۔

پچھلا نسخہ معاون حوالہ ہی رہتا ہے۔ اسے جمع شدہ غلطیوں سمیت خاموشی سے نیا معیار نہیں بن جانا چاہیے۔


*یہ طریقے کی وضاحت ہے، حقیقی تیار شدہ تصاویر کا موازنہ نہیں۔ GENERAL ایک مستحکم حوالہ دیتا ہے، مگر ہر پکسل کے یکساں رہنے کی ضمانت نہیں۔*

جنریٹر کی غلطیاں جادو سے روکنے کا کوئی طریقہ نہیں۔ مگر اب «جب سب کچھ بگڑنے لگے تو کہاں لوٹیں؟» کا واضح جواب ہے۔ اصلاح کا مقصد بھی بدل جاتا ہے: اسی کردار کے ساتھ مطلوبہ منظر بنانا، نہ کہ صرف آخری ناکام نسخے میں ترمیم کرتے رہنا۔

Render Eye: دنیا میں کیا ہے، اور فریم میں کیا دکھائی دیتا ہے

اگلا مسئلہ زیادہ باریک تھا۔ فرض کریں کردار کی اچھی تفصیل ہے: جیکٹ، دستانے، بیلٹ، بوٹ۔ مگر موجودہ شاٹ کمر سے اوپر ہے، ایک ہاتھ پیٹھ کے پیچھے ہے اور دروازہ جسم کا کچھ حصہ چھپا رہا ہے۔

کون سی تفصیلات بنانی چاہییں؟ کیا چھپا ہونا چاہیے؟ اور چھپے ہوئے دستانے کو اس دستانے سے کیسے الگ کریں جسے جنریٹر بھول گیا؟

اسی لیے میں Render Eye تیار کر رہا ہوں۔ اس کے دو کام ہیں: تصویر بننے سے پہلے تقاضے تیار کرنا، اور بعد میں بنی تصویر جانچنا۔

پہلے یہ کہانی کی حوالہ کتاب دیکھتا ہے: کرداروں، مقامات، اشیا اور ان کی حالتوں کی محفوظ تفصیلات۔ پھر انہیں منظر کی ہدایت سے ملاتا ہے—کیمرے کی جگہ، جاری عمل، اور وہ چیز جس پر کھلاڑی کی توجہ جانی چاہیے۔

ہر اہم تفصیل کے لیے فیصلہ ہوتا ہے: پوری نظر آتی ہے، جزوی نظر آتی ہے، دوسری شے سے ڈھکی ہے، یا فریم کے باہر ہے۔ ہاتھ پیٹھ کے پیچھے ہونے سے دستانہ دنیا سے غائب نہیں ہوتا۔ بس اس زاویے سے اسے جانچا نہیں جا سکتا۔


یوں فریم کے لیے واضح ہدایات بنتی ہیں۔ صرف «راہداری میں ہیرو بناؤ» نہیں، بلکہ «یہ ہیرو، ان کپڑوں میں، اس زاویے سے، ان نظر آنے والی تفصیلات کے ساتھ»۔ منظر سمجھنے کے لیے ضروری شے غلطی سے تصویر کے کنارے کے باہر نہیں چھپنی چاہیے۔

تصویر بننے کے بعد Render Eye انہی ہدایات پر واپس آتا ہے۔ لباس، اشیا اور کرداروں کی جگہ دیکھتا ہے؛ جسمانی ساخت اور بصری خرابیاں الگ جانچتا ہے۔ ملنے والی غلطی یا غیر یقینی کیفیت تصویر کو اصلاح کے لیے واپس بھیجتی ہے۔ غائب جیکٹ قبول کرکے کردار کی تفصیل ایسے نہیں بدلی جا سکتی جیسے وہ کبھی تھی ہی نہیں۔

میں نظام کو خیالی غیر معمولی طاقتیں بھی نہیں دینا چاہتا۔ تصویر دیکھنے والا AI ہے، وہ بھی کچھ نظرانداز کر سکتا ہے۔ لازمی جانچ عمل کو منظم بناتی ہے، بصری ماڈل کو بے خطا مبصر نہیں۔

منظر کا ہدایت کار: ہمیں یہی فریم کیوں چاہیے؟

لباس درست ہو، چہرہ برقرار ہو، تمام کردار صحیح جگہ ہوں—تب بھی منظر پھیکا ہو سکتا ہے۔

کہانی صرف اس میں موجود چیزیں نہیں۔ اہم یہ ہے کہ کھلاڑی انہیں کب دیکھتا ہے، کون سا مکالمہ پہلے آتا ہے، ردعمل کو کتنا وقت ملتا ہے اور اس لمحے کیا سنائی دیتا ہے۔

یوں ہدایت کار کی الگ ذمہ داری بنی۔ وہ منظر کی سطح پر کام کرتا ہے: مکالموں اور ردعمل کی ترتیب، کرداروں کی موجودگی، روشنی، رنگ، موسیقی، آوازیں، وقفے اور انٹرفیس کی ترتیب۔ اصل متن پورے عمل میں کام کا مواد رہتا ہے، ابتدا میں ایک بار پڑھا ہوا خلاصہ نہیں۔

ایک فرضی جملہ لیں: «دروازے کے پیچھے قدموں کی آواز سنائی دی»۔

ہم صرف دروازہ اور متن دکھا سکتے ہیں۔ یا پہلے موسیقی مدھم کرکے کمرے کی ہلکی ماحول کی آواز رہنے دیں، فریم سے باہر قدم سنائیں، کردار کے ردعمل پر ٹھہریں، پھر گفتگو آگے بڑھائیں۔ اگر اصل متن نے ابھی نہیں بتایا کہ کون آیا ہے، تو کیمرے کو مددگار بن کر پہلے ہی نہیں دکھانا چاہیے۔

جاسوسی کہانی میں یہی راہداری کسی سراغ کی طرف توجہ کھینچ سکتی ہے، رومانوی منظر میں ملاقات کے انتظار کی طرف۔ فرق مخصوص فیصلوں سے آتا ہے۔ ہدایات میں صرف «ماحول: خوف» لکھ دینا کافی نہیں۔

ہدایت کار فیصلے منظر کی منصوبہ بندی میں محفوظ کرتا ہے۔ اصل تخلیق کے حقائق اور تعبیر الگ رہتے ہیں: سرد روشنی فنکارانہ انتخاب ہو سکتی ہے، مگر نیا تعاقب کرنے والا کردار واقعات بدل دیتا ہے۔

کھیلوں میں ایک اور مشکل ہے: ہر شخص اپنی رفتار سے پڑھتا ہے۔ مکالمے سے پہلے وقفہ اور اس کے پڑھے جانے کا انتظار مختلف ہیں۔ چار سیکنڈ کا خوب صورت لمحہ بنا کر اس شخص کا متن بند نہیں کر سکتے جسے چھ سیکنڈ چاہییں۔

میں پھیکے منظر کی جگہ اثرات کا مشینی مجموعہ بھی نہیں چاہتا۔ کبھی ساکن فریم، سادہ کٹ اور موسیقی کا نہ ہونا درست انتخاب ہے۔ تکنیک کا مقصد ہونا چاہیے۔

معیار کا نگران: کیا ہم نے مطلوبہ نتیجہ حاصل کیا؟

منظر کے ہدایت کار اور معیار کے نگران کا کام قریب لگ سکتا ہے، مگر میں ذمہ داریاں الگ رکھتا ہوں۔ ہدایت کار منظر ترتیب دیتا ہے۔ معیار کا نگران نتیجہ جانچتا ہے۔

وہ اصل متن اور منظر کے منصوبے کو کھیل میں واقعی شامل نتیجے سے ملاتا ہے۔ صرف الگ خوب صورت تصاویر نہیں، پوری تیار ترتیب دیکھتا ہے۔

کیا انٹرفیس نے اہم شے ڈھانپ دی؟ مکالمہ بدلنے پر سننے والا کردار غائب ہوگیا؟ پچھلے کمرے کی موسیقی چل رہی ہے؟ فون پر ترتیب بکھر گئی؟ کیا منظر وہ کیفیت پہنچاتا ہے جس کے لیے روشنی، وقفے اور آواز چنے گئے تھے؟

کارآمد جانچ کو یہ بھی معلوم ہونا چاہیے کہ مسئلہ کہاں واپس بھیجنا ہے۔ تصویر کے اندر خرابی ہو تو دوبارہ تصویر بنانے کے مرحلے میں۔ اچھی کردار کی تصویر پردے پر غلط جگہ ہو تو جوڑنے کی ترتیب درست کریں۔ آواز جلد شروع ہو تو پس منظر دوبارہ بنانے کی ضرورت نہیں۔


*خاکے میں Director منظر کا ہدایت کار اور QA معیار کا نگران ہے۔ خاکہ سادہ کیا گیا ہے: جوڑنے اور آخری جانچ میں بھی اصل متن حوالہ رہتا ہے۔ واپسی کا تیر متعلقہ مرحلے کی اصلاح ہے، ضروری نہیں پورا کام شروع سے ہو۔*

انسان کو بھی جنریٹر کی نگرانی میں بیٹھے نہیں رہنا چاہیے

تصاویر جلد آنے لگیں، تب بھی ایک اور قیمت رہتی ہے: مسلسل توجہ بدلنا۔ چیٹ کھولیں، فریم دیکھیں، تبصرہ دیں، اپنے کام پر لوٹیں۔ چند منٹ بعد پھر یہی کریں۔

اسی لیے میں GENERAL کو گروہوں میں تیار کرنے پر بھی کام کر رہا ہوں۔ آزاد معیاری تصاویر پہلے بنائی جا سکتی ہیں اور انسان کو ایک گروہ کی صورت دکھائی جا سکتی ہیں۔ ساتھ دیکھنے سے بے ربطیاں نظر آتی ہیں اور مشترکہ یا الگ رائے دی جا سکتی ہے۔

پھر صرف ضروری فریم درست کیے جاتے ہیں۔ ایک ناکام کوشش کی وجہ سے منظور شدہ تصاویر نہیں کھونی چاہییں۔ انحصار پھر بھی اہم ہے: اگر اگلی تصویر غیر منظور شدہ حوالے پر منحصر ہے، تو پہلے اس حوالے کا فیصلہ ضروری ہے۔

یہ جنریٹر کو کئی گنا تیز کرنے کا وعدہ نہیں۔ میرے لیے زیادہ اہم یہ ہے کہ اگلی جانچ کے لیے انسان کو کتنی بار اپنا کام چھوڑنا پڑتا ہے، وہ تعداد کم ہو۔

ایک بہت بڑی ہدایت کے بجائے چھوٹی فلم ٹیم

آخرکار میں واقعی AI کی ایک چھوٹی فلم ٹیم بنانے کی کوشش کر رہا ہوں۔ اس میں بیان شدہ دنیا، معیاری تصاویر، ہدایت کاری، فریم بنانا، منظر جوڑنا اور معیار کی نگرانی ہے۔

یہ ایجنٹ کے کام کے عمل میں ذمہ داریاں ہیں۔ اس کا خودبخود مطلب نہیں کہ ہر کردار کے لیے الگ AI پہلے سے مسلسل چل رہا ہے۔ اہم یہ ہے کہ فیصلے محفوظ ہوں، تقاضے بعد میں نہ بدلے جائیں اور ہر ترمیم واضح کرے کہ کیا دوبارہ جانچنا ہے۔

نئے مراحل کے پیچھے اب اوزار اور محفوظ منصوبے موجود ہیں۔ اگلا قدم حقیقی طویل ابواب میں آزمانا ہے: پوری کہانی میں کردار، ماحول اور تخلیق کار کی توجہ برقرار رکھنے میں یہ کتنے مددگار ہیں؟

میرا آخری مقصد ایک بڑی کتاب لانا، باب چننا اور اسے ترتیب سے کھیلنے کے قابل کویسٹ میں بدلنا ہے۔ رکنے، نتیجہ دیکھنے، اہم چیز درست کرنے اور وہیں سے جاری رکھنے کی آزادی کے ساتھ جہاں کام رکا تھا۔

کہانیاں بنانا «اچھا پرامپٹ لکھنے» سے بہت مشکل نکلا۔ مگر اب اس مشکل کو مخصوص کاموں میں بانٹ سکتا ہوں۔ کہیں مستحکم حوالہ چاہیے، کہیں غور سے پڑھنا، کہیں مکالمے سے پہلے خاموشی۔ اور کہیں اب بھی انسان چاہیے جو منظر دیکھ کر کہے: «نہیں، یہاں مجھے تم پر یقین نہیں آتا»۔

ڈیولپمنٹ بلاگ پر واپس جائیں