V lednu 2026, pár dní po premiéře Mindfall Protocol, jsem v Czech Business Clubu udělal dvouhodinový deep dive do toho, jak film vznikal. Sešla se komorní jedenáctka: lidi z TV Nova, ČSOB, Oracle, produkčních firem, marketingu i úplně mimo obor. Půlku času jsme věnovali generativnímu videu, druhou zvuku a hudbě s Danem, který dělal mix a master. Tady je to podstatné.
Film, který se píše za pochodu
Klasický film funguje lineárně: scénář, natáčení, střih. U AI filmu je to naopak, protože pořád můžete přidávat.
"U AI filmu máte nápad, vy to dogenerujete, vymyslíte nějaký novej úhel, vymyslíte nějaký novej příběh a vlastně furt můžete rozvíjet tu story."
Přesně to se nám stalo. Nápad vznikl v červnu nebo červenci 2025, původní storyboard ve Figmě počítal se šesti až sedmi minutami. Skončili jsme na 33 minutách. Reálná produkce běžela od půlky listopadu do 10. ledna, dva měsíce po nocích a víkendech, mimo klientskou práci. Tým šest až sedm lidí, nula budget.
Je to výhoda i nevýhoda. Nejsme scénáristi. Scénář jsme psali v Google Docs, protože na něm mohlo pracovat víc lidí najednou, základní linku pak rozvíjelo Gemini nebo GPT. Největší feedback na film nakonec nebyl na vizuál, ale na příběh. Což je vlastně dobrá zpráva: lidi se do toho vžili natolik, že rozmazaný obličej nebo text neřešili.
Být napřed o týden a půl
Trávím hodinu a půl denně na Twitteru. Jen sleduju updaty, jak lidi AI používají a jaké prompty fungují. Díky tomu jsem věděl, že se beta testují Freepik Spaces, a tušil jsem, že do dvou týdnů vyjde Google Nano Banana Pro. Řekl jsem klukům, ať ještě chvíli počkají. Druhý den vyšel a rozjeli jsme to.
Má to i finanční logiku. Když AI firma vydá nový model, často dá týden nebo dva zdarma bez kreditů. Toho jsme využili a během dvou tří týdnů vygenerovali 60 až 80 procent obrázků celého filmu.
Proč to funguje jinak než jen číst dokumentaci?
"Vyjde nějakej nástroj a teď vy nevíte, co s tím můžete postavit. To je stejný, jako kdybyste dostali kladivo. Vy nevíte, že s tím můžete postavit dům nebo že s tím můžete udělat židli nebo stůl, dokud vám to někdo neukáže nebo neodemkne tu perspektivu."
Sleduju třeba PJ Ace, jednoho z nejlepších AI režisérů, který dělá videa od 30 000 dolarů výš. Tam směřujeme i my: ne AI reklamy, které člověk scrollne, ale high quality AI videa typu Coca-Cola. Ale lepší.
Místo ChatGPT používám na AI věci Grok. Má přístup ke komunitám na Twitteru a tahá z nich nejnovější tipy a triky, které ChatGPT ani Gemini nemají.
Filip, jeden z hostů, to shrnul za mě: "Je dobrý bejt první."
Konzistence postav a 3x3 grid
90 procent projektu vzniklo ve Freepik Spaces, node-based plátně, kde se obrázky propojují referencemi. Zhruba 70 procent všeho jsme udělali dvěma modely: Nano Banana Pro na obrázky, Kling 2.6 na video.
Konzistence postav se řeší pojmenovanými referencemi. V promptu stojí "use main man, main woman for the main protagonist look and feel", vedle toho "use Mind HQ" pro budovu. Vygenerovaný obrázek ve vysokém rozlišení je start frame, ze kterého se teprve generuje video.
Druhý zlom přišel s Nano Banana Pro: místo jednoho obrázku po druhém jeden giga prompt, který vyplivne 3x3 grid devíti konzistentních záběrů. Univerzální šablonu promptu mi vytáhl Grok z Twitteru, pak jen měním téma. Z gridu se řekne: "Extract the third image from ideation and upscale it to 4K." Testovací video s českými vojáky mi tak trvalo den a půl: den generace a půl dne color grading a zvuk. Dnes už používáme spíš 2x2 a 1x3, protože základ pro upscale je kvalitnější.
"AI obrázky, to už je vyřešený, to už prostě je hotový."
Co vyřešené není, je text v obraze.
"Ty modely strašně rychle ztrácí konzistentnost toho textu. Pak ten text vypadá jako linky."
Řešíme to VFX, nebo tak, že v záběru žádný text není. Na motion graphics se AI zatím použít nedá.
Praktický detail: pokud chcete jednotný look celého filmu, potřebujete Prompt Bible, základní prompt, který je v každé generaci stejný. U nás "4K, shot on Alexa, shot on Cook anamorphic lenses with slight distortion, film grain". Model pochopí, že to má být fotorealistické, ne malba. Mám ho ve Stickies na Macu a kopíruju ho do každého promptu.
Aby to nevypadalo jako AI
Celý projekt žil na Google Drivu, každý si ho nalinkoval lokálně. Stříhalo se v DaVinci ve sdíleném projektu, kde víc lidí pracuje v reálném čase, jen na proxy záběrech. Když upscalujete video z 8 MB na 200 MB, s originály se pracovat nedá.
Filmový look dělá post-produkce. Grain, anamorfní roztažení do stran, chromatická aberace, mírná komprese a menší dynamický rozsah, aby obraz nebyl technicky perfektní. A hlavně motion blur.
"To je zásadní věc, proč AI videa vypadají jako fake, protože jsou příliš ostrý, mají tam takovej umělej pohyb."
Skoro každý záběr proto zrychlujeme a přidáváme umělé rozmazání. Malé věci, ale v celku dělají velký rozdíl a zahladí chyby, kterých byste si jinak všimli.
Kling 2.6 nám dal obraz i zvuk, ale lipsync občas selže. Pak jde záběr do Sync, který předělá pohyb rtů, a přes masku se vloží zpět. Hlasy z různých generací sjednocuje voice changer v ElevenLabs.
A tempo změn? Týden před promítáním vyšel Kling 2.6 Control, který vezme vaše nahrané herectví jako vstup a udělá až 30sekundovou generaci. Levný motion capture. Den před releasem vyšel upscale na 4K u Veo 3.1. Šest set záběrů přes noc ale nepřegenerujete.
Hudba a zvuk: Suno Studio a ruční mix
Druhou půlku vedl Dan, hudební producent. Hudbu skládal přes Suno Studio Tomáš Medek, který má zkušenosti s filmovou hudbou. Suno v5 už podle Dana obstojí, ale nezná emoce ani technické parametry zvuku, umí jen tóninu a tempo. Stereo obraz občas spadne do mona uprostřed scény a musí se ručně kompenzovat. Nejlíp mu jdou organické věci: smyčce, orchestr, hlasy.
Cena je směšná: nejvyšší tier zhruba 700 Kč měsíčně za 10 000 kreditů, které jsme ani nevyčerpali. Zato práva jsou chaos. Suno vlastní autorská práva, vy máte exkluzivní licenci na užití. Deezer AI hudbu nepřijímá, další platformy podobně, takže soundtrack k Mindfallu zatím nevíme kde vydat. Cesta pro příště: nahrát vlastní demo a nechat Suno dogenerovat stopy. Základ je váš, AI je doplněk, a je to vaše autorské dílo.
Zvuk z Klingu jde přes Adobe Podcast, který z něj vytáhne studiový hlas. Pak se musí znovu zašpinit: ekvalizace, mono room reverb, emulace analogového preampu, aby postava seděla v místnosti. Zvukových efektů je asi 15 vrstev, kroky se stříhají ručně frame po framu. V ElevenLabs si dogenerujete efekt, který v bance nenajdete, ve čtyřech variantách. Mix a master ale pořád dělá člověk.
Proč to děláme
Mindfall není perfektní dvouhodinový film a ani nemá být. Je to ukázka, co dokáže parta sedmi lidí s nulovým budgetem ve volném čase. A důvod, proč know-how dáváme veřejně ven:
"Věřím, že teď v době AI se ty rozdíly mezi tím Hollywoodem a Západem, kde mají unlimited budgety, a tady Českem, kde nemáme zas tak historicky velký know-how v těch blockbuster VFX filmech... Jedním z mých cílů je umožnit, aby se tady v Česku ta industrie víc rozjela, abysme tady byli na světový úrovni."
Co si z toho odnést
- AI film se nepíše dopředu, vyvíjí se generováním. Počítejte s tím, že se vám projekt rozroste, a hlídejte příběh, ne jen obraz.
- Být o týden a půl napřed je reálná výhoda: hodina a půl denně na Twitteru, Grok místo ChatGPT, produkce naplánovaná kolem launch okna s kredity zdarma.
- Konzistenci drží pojmenované reference a 3x3 grid z jednoho giga promptu. Text v obraze nechte na VFX.
- Prompt Bible ("4K, shot on Alexa, Cook anamorphic, film grain") plus post-produkce s grainem a motion blurem dělají z AI obrazu film.
- Hudba ze Suna je levná a rychlá, ale práva jsou nevyřešená. Nahrajte vlastní demo a nechte AI jen dogenerovat stopy.