Jak powstał teledysk AI
do "Wszystko jest proste"

Żeby pokazać, że to możliwe

Klasyczna produkcja narracyjnego teledysku to ekipa, sprzęt, lokacje, postprodukcja - rachunek liczony w dziesiątkach tysięcy złotych. Dla niezależnego zespołu bez wytwórni to często sufit nie do przebicia. Sprawdziliśmy, czy da się inaczej. Da się. Ta strona to dowód i instrukcja - nie przechwałka. Pełni cztery funkcje:

Pełny teledysk. Bez budżetu na ekipę. Jeden spójny styl.

"Wszystko jest proste" to hardcore punk z momentami liryczno-duchowymi. Utwór trwa 4:54, leci w tempie 195 BPM. Klasyczny łuk dramaturgiczny: od ciemności do światła.

Zadanie było konkretne: nakręcić pełen narracyjny teledysk animowany, bez pieniędzy na ekipę, plan zdjęciowy i postprodukcję, a mimo to w jednym, rozpoznawalnym, autorskim stylu. Nie kolaż przypadkowych klipów. Opowieść z początkiem, środkiem i końcem - polska baśń poprowadzona przez trzy akty.

Nie chcieliśmy "darmowego efektu AI". Chcieliśmy reżyserii. Różnica jest cała ta strona.

Technolog był na miejscu wcześniej - i szybko okazało się, że to za mało

Ważne, żeby tego nie ubarwiać: rola @cto (Chief Technology Officer) nie powstała na potrzeby tego teledysku. @cto istniał dużo wcześniej - jako jeden z asystentów całego systemu zbudowanego w środowisku Claude Code (terminal). To istniejący technolog: integracje, automatyzacje, porządek w narzędziach. Pragmatyk, nie kreatywny.

Filozofia tej roli jest prosta: proste klocki, nie wielkie systemy. Jedno połączenie, test, następne. Technologia ma robić nudną, powtarzalną robotę: konfiguracja narzędzi (Kling, ffmpeg, środowisko Pythona do analizy audio), skrypty łączące etapy, porządek plików roboczych. To realnie pomogło i to zostaje.

Co się naprawdę wydarzyło na starcie

Kiedy ruszał teledysk, pierwszy odruch był oczywisty: skoro mamy technologa od narzędzi i automatyzacji, niech on poprowadzi też kreację. To była błędna intuicja - i dobrze, bo szybko się obnażyła.

To nie jest historia, którą trzeba chować. Technolog nie zastąpi reżysera - i lepiej, że wyszło to w 30 sekund niż po trzech dniach spalonych kredytów. @cto dalej robił swoją robotę (środowisko, skrypty, porządek), a kreację przejął ktoś zbudowany pod kreację.

Najmocniejszy dowód tej historii nie jest na tej stronie - jest w samym filmie. Moment przejścia @cto -> @cco zostawił ślad w materiale: od tego punktu jakość wizualna ujęć wyraźnie rośnie. Pierwsze próby (jeszcze podejście techniczne) są płaskie i bez reżyserii. Po przejęciu kreacji przez @cco kadr zaczyna mieć kompozycję, ruch kamery i sens dramaturgiczny. Naszym zdaniem to widać na ekranie - tę granicę zostawiliśmy w teledysku celowo, oceńcie sami.

Zanim powstał jeden kadr - analiza audio i tekstu

Najczęstszy błąd przy teledysku AI: generujesz ładne obrazki, a potem nie wchodzą w rytm. My zaczęliśmy od dźwięku.

Z tego powstała mapa audio - jedno źródło prawdy o timingu. Na nią zmapowaliśmy strukturę opowieści. Bez tej analizy każde ujęcie byłoby zgadywaniem, a montaż - loterią. To była fundamentalna decyzja, nie formalność.

Co realnie wypluła analiza

Żeby nie było ogólników - oto fragment realnego outputu z pliku audio-map.md (Whisper small z word-level timestamps + librosa). Cała struktura to ~25 wykrytych sekcji utworu. Poniżej fragment tabeli z timestampami:

Najpierw wizja, potem dopracowanie modelami

Kolejność, żeby było uczciwie: najpierw powstał ogólny schemat i wizja - co to ma być, o czym, dokąd prowadzi. Dopiero potem dopracowywaliśmy ten szkielet różnymi modelami AI, które generowały opcje, warianty i kontrę. Modele nie wymyśliły teledysku - dociągnęły rzemiosło pod wizję, która już była.

Konkretnie: to samo zadanie - jak naprawdę robi się narracyjny teledysk z tekstu, od koncepcji po render AI - zadaliśmy pięciu niezależnym modelom AI. Każdy zwrócił osobny raport. Razem ok. 2200 KB analiz w pięciu plikach: frameworki konceptualizacji, łuk dramaturgiczny w 3-5 minut, mapowanie muzyki na obraz, aktualna mapa narzędzi AI video na maj 2026, checklisty i typowe błędy.

Co realnie z tego wyszło - kluczowe ustalenia

• Teledysk nie ilustruje muzyki - dramatyzuje ją. Główna teza DeepSeek: ilustracja jest statyczna, dramatyzacja transformuje. Każde ujęcie ma coś zmieniać, nie dekorować.
• Framework, nie "pomysł". Pomysł bez frameworka = 30 sekund dobrego materiału i 3 minuty wypełniacza. Dla 4dziki: hybryda parallel + metaforyczny + kontrapunkt (uniwersalna opowieść transformacji z surowością).
• Stan narzędzi na maj 2026 (Claude). Pole modeli wideo zmienia się z miesiąca na miesiąc - poradniki z 2025 szybko się dezaktualizują, więc porównaliśmy aktualne narzędzia pod kątem tego, co było nam potrzebne. Kling wygrał spójnością postaci (lock postaci / kotwica 3D) - i to przesądziło o wyborze.
• Bohater bez twarzy = rozwiązanie problemu spójności. Gemini/DeepSeek zgodnie: postać w kapturze, bez twarzy, jest najłatwiejsza dla AI - brak rysów = brak dryfu między ujęciami. Stąd czarna sylwetka z magentowym sercem.
• Worldbuilding to 50% sukcesu (Gemini). Najczęstszy błąd amatora to plastikowy "Midjourney look". Punk potrzebuje brudu i konkretu: faktura, twarde światło, lokalność ("polskie blokowisko", a nie generyczny cyberpunk).
• Tempo cięcia z BPM. Przy 195 BPM (hardcore/punk) cięcia co 2-4 takty; onsety z librosy = potencjalne punkty cięcia. Paleta pod tonację A#/Bb: złudny spokój, czerwień, rdza, agresywny szmaragd na przełamaniu.
• Budżet to dyscyplina, nie kreatywność. To była nasza pierwsza taka produkcja - uczymy się i to jest w porządku. Twardym licznikiem są kredyty, nie pliki: część generacji szła w odrzuty (lądowały w "Podebranych" Kling i były kasowane), część kredytów poszła też na zupełnie inne rzeczy zespołu (m.in. klip "Poniedziałek"), niezwiązane z tym teledyskiem. Wniosek dla nas: framework i wybór przed promptem zamiast bezcelowego renderowania - następnym razem mniej spalonych kredytów.
• Core message w jednym zdaniu. Ćwiczenie z Gemini: "Ten teledysk jest o tym, że prawda jest dzika, prosta i dostępna, gdy odrzucisz złożoność cywilizacji." To zdanie stało się kompasem każdej decyzji wizualnej.

Sekwencja, uczciwie: wizja i schemat -> dopracowanie pięcioma modelami -> synteza -> dopiero projekt roli @cco -> produkcja. @cco powstał 12.05.2026 jako Chief Creative Officer - hybryda podejść Rubina, Sagmeistera, Carsona, Kubricka i Devlin. To nie była improwizacja przy generatorze obrazków. To rola zaprojektowana na bazie odrobionej pracy.

Powołaliśmy reżysera, nie generator obrazków

Do projektu uruchomiliśmy dedykowanego asystenta AI - rolę kreatywną, którą nazwaliśmy @cco (Chief Creative Officer / Dyrektor Kreatywny), postawioną 12.05.2026 na bazie opisanego wyżej researchu.

To nie maszynka do obrazków. To rola, która myśli koncepcją - hybryda kilku podejść do tworzenia:

• Rick Rubin - szukanie esencji, odejmowanie zamiast dodawania.
• Stefan Sagmeister - idea zanim cokolwiek powstanie.
• David Carson - punkowy anty-design, łamanie reguł świadomie.
• Stanley Kubrick - kompozycja kadru, dyscyplina obrazu.
• Es Devlin - myślenie sceną i odbiorcą, nie pojedynczym ujęciem.

Zasada nadrzędna: powód i koncept przed egzekucją. Nigdy odwrotnie.

Michał (lider 4dziki) i AI tworzyli koncepcję razem. AI proponowało po trzy różne kierunki na każde ujęcie, człowiek wybierał, dopiero potem powstawał szczegółowy prompt. To partnerstwo, nie automat.

Koncepcja - w którą stronę szliśmy

Zanim padł pierwszy prompt, padła decyzja o tym, czym ten teledysk w ogóle ma być. Nie "jak ma wyglądać" - "o czym jest i dokąd prowadzi". To była decyzja na samym starcie, nie ozdoba doklejona na końcu.

Fundament: najpierw opowieść, potem obraz

Dla 4dziki teledysk to zawsze fabuła z łukiem dramaturgicznym - nigdy zbiór ładnych statycznych ujęć ani ikonografia do podziwiania. Bohater, który gdzieś idzie, coś go zmienia, na końcu jest inny niż na początku. Obraz służy opowieści, nie odwrotnie. To nie estetyczna preferencja - to twardy warunek wejścia do projektu. Bez historii nie ma po co generować ani jednego kadru.

Kierunek: polska baśń

Poszliśmy w stronę polskiej baśni - słowiańskiej przypowieści. Powód był w samym utworze: "Wszystko jest proste" brzmi jak opowieść o drodze, o dorastaniu, o przejściu przez coś trudnego. Baśń pozwala mówić o rzeczach ciężkich obrazem i symbolem, a nie dosłownie. Walka z własnym cieniem, droga przez mrok, światło na końcu - to język baśni, nie reportażu. Forma sama się narzuciła, gdy słuchaliśmy tekstu.

Bohater: dusza bez twarzy

Bohater to czarna kapturzysta sylwetka z płonącym magentowym sercem - celowo bez twarzy. To nie brak pomysłu, to sens: postać bez rysów jest duszą, everymanem, każdym z nas - może być Tobą. Brak twarzy daje dwie rzeczy naraz: uniwersalność (to nie historia konkretnego człowieka, tylko każdego) i spójność (jeden kanon postaci utrzymany od pierwszej do ostatniej klatki, bez dryfu między ujęciami). Sens i rzemiosło spotkały się w jednej decyzji.

Mitologia słowiańska - znaki na drodze

Świat opowieści budujemy z motywów słowiańskich. Każdy z nich nie jest dekoracją - ma funkcję w drodze bohatera (mapowanie na akty z mapy audio):

Struktura trzech aktów - opowieść nałożona na mapę audio

To nie zgadywanie. Strukturę opowieści nałożyliśmy na realną mapę audio (sekcja 03) - timing aktów wynika z timingu utworu, nie z przeczucia:

• AKT I - Blokowisko / mrok (0:00-1:32). Setup świata: betonowe blokowisko, dach, sylwetka. Bohater schodzi na ulicę, walczy z biesem (cieniem), w mgle spotyka dziada - "Ja byłem TAM". Z asfaltu zaczyna wybijać mech i paproć.
• AKT II - Bór / próby (1:32-3:07). Bohater wbiega w polski bór - "MAM, to co chcę MAM". Mija leśne kapliczki i świece, bies atakuje, bohater pada, dziad pomaga wstać. Na polanie spotyka samego siebie - Leszego ("ty ja, ty ja").
• AKT III - Leszy / apoteoza (3:07-4:54). Wybór, klęka, korzenie biorą. Intymny close-up wyznania ("Ufam swemu sercu") - najciemniej przed świtem. Ziemia pochłania, wybuch światła, bohater wstaje jako Leszy. Bieg przez las, świt, kwiat paproci.

Klamra i sens: szukałeś magicznego, znalazłeś proste

Łuk prowadzi przez mrok i próby do apoteozy - pierwszej pełni koloru w całym filmie. A potem przychodzi meta-zwrot: okazuje się, że całą tę baśń ktoś maluje - autor, sam wokalista, w zwykłym pokoju. Prawdziwym skarbem nie jest magia ani kwiat paproci z legendy. Skarbem jest zwykłe życie - i to, że TY SAM jesteś jego kreatorem. Jak namalujesz, tak będzie. Bohater szuka magicznego artefaktu przez cały film, a finał mówi: artefaktu nie ma, jest pędzel w Twojej ręce.

To serce przekazu, nie ozdoba. Nie magia decyduje, co się wydarzy - decyduje ten, kto trzyma pędzel. Kwiat paproci, bies, leszy, cała słowiańska maszyneria - to były tylko obrazy, które ktoś namalował. Łapiesz to dopiero, gdy kamera wyjeżdża z rysunku.

To dosłowny sens tytułu i puenta całej konstrukcji. "Wszystko jest proste" nie jest hasłem doklejonym do ładnych ujęć - jest meta-zwrotem, do którego prowadziła każda scena. Forma jest treścią: cała baśniowa złożoność istnieje wyłącznie po to, żeby na końcu rozpłynąć się w czymś prostym. Wszystko JEST proste - to my to komplikujemy, dokładamy mrok, biesy i magiczne skarby do czegoś, co i tak było proste od początku. Dopiero kiedy ten sens był ustalony, ruszyła egzekucja - narzędzia, workflow, prompty. Nie odwrotnie.

Stack - co i do czego

Żadnego sekretu. Oto pełna lista narzędzi i czemu każde z nich służyło.

Workflow - serce tego projektu

Dla KAŻDEGO ujęcia powtarzaliśmy tę samą pętlę. To ona robi różnicę między teledyskiem a losowym kolażem AI.

Zasady, które wypracowaliśmy po drodze

• Kamera zawsze rozpisana konkretnie. Nigdy ogólnikowy "powolny ruch" - zawsze metry, nazwane pozycje, fazy w czasie.
• Spójny character-lock. Kanon postaci kopiowany 1:1 do każdego promptu - inaczej bohater "dryfuje".
• Świadome unikanie słów blokowanych przez moderację modelu. Część słów zawodzi nawet w sekcji wykluczeń - trzeba je znać.
• Głębia 3D / parallax zamiast płaskiej grafiki 2D. Ruch kamery działa tylko w bogatym, wielowarstwowym środowisku.
• Jeden krok na raz, w tempie człowieka. Bez wyścigów do przodu. Słuchaj dokładnie, na której frazie jesteś.

Jak naprawdę wygląda taki prompt

Żeby nie było ściemy, że "wpisaliśmy zdanie i wyszedł teledysk" - oto realny prompt z tej produkcji. Skrót, bo pełny jest dłuższy, ale widać gęstość: kamera rozpisana sekundowo, paleta w kodach HEX, długa lista wykluczeń.

FULL FRAME EDGE-TO-EDGE COMPOSITION. Image fills entire video frame
corner to corner. NO border, NO frame. Seamless full-bleed.

DOMINANT BACKGROUND: deep purple-black night sky (#2D1B4E) visible
between tree canopy. Dark slavic forest interior with tall birches
(brzozy) and pines. Volumetric bone-white fog (#E8D5B7) drifting
between tree trunks. Magenta firefly lights scattered throughout
forest like Kupala Night sparks.

CHARACTER (BOHATER):
Adult tall slim male hooded figure, 1.85m tall, lanky proportions.
LOOSE FLOWING BLACK CLOAK reaching mid-calf with hood up. Hood
interior PURE SOLID BLACK INK FILL, ZERO gradient, ONLY two HOT
MAGENTA PINK #FF006E glowing eye dots. NO face, NO chin, NO mouth.
Magenta heart glowing on chest through cloak.
NO muscular body, NO tight costume, NO action figure look.

ACTION SEQUENCE (5 seconds):
- 0-1s: Bohater CHARGES forward fast into deep forest. Cloak whips
  dramatically behind him. Magenta heart pulsing bright.
- 1-2s: Under his footsteps WAVES OF MAGENTA FERN FRONDS (paproc)
  BURST UPWARD in CHAIN REACTION around his path.
- 2-3s: Bohater STOPS dramatically in forest clearing, heroic
  stance. Magenta heart pulses peak bright.
- 3-4s: CAMERA RAPIDLY ORBITS around bohater. Firefly lights BURST
  from moss like Kupala Night sparks. Tree bark GLOWS magenta.
- 4-5s: Camera settles medium-wide. Bohater surrounded by his
  magenta domain: glowing trees, fireflies, fern carpet.

CAMERA: TWO-PART DYNAMIC MOVE. PART 1 (0-2s) RAPID TRACKING FORWARD,
low angle. PART 2 (3-5s) RAPID ORBITAL ROTATION around bohater.

STRICT PALETTE: pure black #0A0A0A, deep purple #2D1B4E, HOT
MAGENTA PINK #FF006E, bone-white #E8D5B7, forest green #1A3A2A,
warm brown #6B4A2A. NO orange, NO red, NO yellow, NO blue, NO sun.

ABSOLUTELY AVOID: photorealistic, 3D, watercolor, paper texture,
sepia, vignette, visible face inside hood, chin, nose, mouth, white
skin, child proportions, chibi, muscular body, tight bodysuit, TEXT
anywhere, signs, ANY PEOPLE besides bohater, creatures, animals,
weapons, lightning, fire, daylight, sun, blue sky, city buildings.

Dwie rzeczy z tego promptu warto zauważyć. Po pierwsze: kamera rozpisana w czasie i przestrzeni (dwie fazy, niskie ujęcie, orbita) - nie "ładnie się rusza", tylko konkret. Po drugie: lista wykluczeń jest dłuższa niż opis sceny. Połowa roboty przy modelu wideo to mówienie mu, czego ma NIE robić - i znajomość słów, które blokuje moderacja modelu (część promptów trzeba było sanityzować, bo wcześniejsza wersja leciała w "horror", a Kling ją odrzucał).

Jeden prompt to za mało, żeby uwierzyć - więc kolejne dwa

Żeby nie było, że pokazujemy jeden wyjątkowo dopracowany. Poniżej dwa kolejne realne fragmenty z plików produkcyjnych - inne sceny, ta sama dyscyplina. Pierwszy pokazuje choreografię kamery w metrach (fizyczny Steadicam, nie "orbita"). Drugi - sanityzację słów blokowanych przez moderację Kling i wplecenie znaku zespołu (dzik) w narrację.

SCENE: Hand-drawn 2D cell-shaded cartoon animation. WIDE SHOT of
hooded figure standing in narrow OLD POLISH TOWN STREET between
two rows of 19th century KAMIENICE (polish townhouses, weathered
stucco facades, dark windows with shutters, ornate cornices).
Cobblestone street WET from rain, magenta reflections in puddles.

AMBIENT MOTION LAYERS (background must feel alive without people):
- COLD WIND blowing strongly down the street toward camera
- 3 LAYERS OF FOG drifting at different speeds: thick low fog at
  ankle height (slow), medium fog at chest height (medium), wispy
  high fog near roofs (fast)
- GAS STREETLAMPS on both walls FLICKERING at different rhythms
- 2-3 BLACK RAVEN SILHOUETTES occasionally fly across frame

ACTION SEQUENCE (5 seconds):
- 0-1s: Wide shot FROM FRONT. Camera positioned far back in front
  of bohater (15m back, slight high angle). Bohater small, centered.
- 1-2s: CAMERA SLOWLY DOLLIES IN toward bohater from front.
  Distance closes from 15m to 6m.
- 2-3s: CAMERA REACHES MEDIUM CLOSE-UP from front (3m). Bohater's
  chest GLOWS BRIGHTLY in magenta aura.
- 3-4s: CAMERA ARCS AROUND BOHATER - travels in smooth half-circle
  from front view, sweeping to his RIGHT SIDE then BEHIND him.
- 4-5s: CAMERA FINISHES ARC behind bohater (we see his BACK,
  looking past him down the street). Bohater silhouetted.

CAMERA: DYNAMIC ARC SHOT (orbital push-in). Starts FAR back in
front (15m, slight high angle), then SLOWLY DOLLIES IN while
simultaneously ARCING around him in a smooth half-circle. Like a
Steadicam orbital push-in. Subject stays centered throughout.

CHARACTER 2 - DUCHOWY DZIK (this is the KEY new element):
A MASSIVE SLAVIC SPIRIT WILD BOAR (dzik), approximately 1.5 meters
tall at shoulder (mythologically large, larger than normal boar).
SOLID DEEP BLACK silhouette with thick black ink outlines.
Powerful arched back with raised spine ridge. Long snout.

The dzik has GLOWING MAGENTA FEATURES:
- TWO LONG CURVED TUSKS glowing bright HOT MAGENTA PINK #FF006E
- TWO EYES glowing the same HOT MAGENTA PINK #FF006E as bohater's
  eyes (visual connection - they share the same energy)
- Magenta moss and small ferns growing in his neck fur

The dzik stands STILL and NOBLE - not aggressive, a MYSTICAL
TOTEM appearing to bohater. This is a spiritual encounter, not
a confrontation.

ACTION SEQUENCE (5 seconds):
- 1-2s: DUCHOWY DZIK BURSTS out of thick fog at high speed.
- 2-3s: Dzik RUNS IN A CIRCLE around bohater (Kupala ritual
  circular motion). CAMERA ORBITS following the dzik's run.
- 4-5s: MAGENTA ENERGY BRIDGE forms between bohater's heart and
  dzik's tusks - a glowing magenta connection beam. Their heart
  and tusks pulse in PERFECT SYNC. Sacred slavic recognition.

ABSOLUTELY AVOID: ... dzik attacking, dzik charging aggressively,
dzik with blood, dzik wounded, hunting scene, weapons, spears,
hunters, pigs (this is wild boar not pig), domestic farm pig,
friendly cute pig, realistic photograph of boar.

Wniosek z trzech promptów razem: to nie "wpisz zdanie". To rozpisany dokument na każde 5 sekund - kamera w metrach, paleta w kodach HEX, lista wykluczeń często dłuższa od opisu sceny i świadomy dobór słów, których nie zablokuje moderacja modelu. Każde z 66 ujęć miało taki własny plik.

Od mistycznej abstrakcji do zwykłego życia

Końcówka filmu, realizowana 17.05, domyka morał i robi świadomy zwrot. To nie ciąg ładnych ujęć - to opowieść, która ma puentę.

Apoteoza. Pierwszy raz w całym filmie uwolniona pełnia barw - wachlarz światła wokół bohatera w polskim borze o świcie. Realny kadr z teledysku.

Niuans: nawet "człowiek za kamerą" jest narysowany

Łatwo to przeoczyć, więc mówimy wprost: postać rysownika - autora, który maluje całą baśń - też jest animacją, nie wklejonym zdjęciem. Powstała ZE ZDJĘĆ Michała przez mechanizm Bind Elements w Kling: realne fotografie wokalisty poszły do modelu jako kotwica tożsamości, a model wygenerował narysowaną w stylu filmu wersję jego twarzy - ta sama kreska, ten sam cell-shading co reszta teledysku. To nie jest foto-collage ani zdjęcie doklejone do animacji. To człowiek przepuszczony przez tę samą estetykę co bohater bez twarzy - spójność trzymana nawet w momencie, w którym "wychodzimy z baśni do prawdziwego życia". Reveal działa właśnie dlatego, że nic nie wypada ze stylu.

Finał: kwiat paproci - słowiański skarb zapowiadany przez cały film - leży na parapecie w zwykłym mieszkaniu. Autor zamyka księgę-opowieść. Wszystko jest proste.

Łuk w pięciu realnych kadrach

To nie rendery testowe - to ujęcia z gotowego teledysku, w autorskim stylu utrzymanym od pierwszej do ostatniej klatki:

Bohater / symbol

Czarna sylwetka bez twarzy, magentowe serce na piersi. Świadomy wybór z researchu - postać bez rysów nie dryfuje między ujęciami.

Wyznanie

Najciemniej przed świtem. Pusta równina, unoszące się skały, magentowe żyły rozchodzą się spod stóp bohatera.

Apoteoza

Pełnia koloru wreszcie uwolniona po całym filmie powściągniętej palety magenta. Payoff trzymany do końca celowo.

Reveal autora

Kamera wychodzi z rysunku - całą historię maluje sam wokalista (irokez, koszulka z dzikiem). Też animacja: twarz narysowana ze zdjęć Michała przez Bind Elements, nie wklejone foto.

Finał

Kwiat paproci - słowiański skarb z całego filmu - na parapecie zwykłego mieszkania. Klamra: od mitu do codzienności.

Ile to naprawdę kosztowało pracy

Bez przechwałek i bez ogólników - to są policzone, realne liczby z folderu roboczego. AI nie skróciło tego do popołudnia.

• Produkcję prowadziliśmy przez 4 dni: 12, 13, 16 i 17 maja 2026.
• 66 ujęć wygenerowanych w Kling, z których w rytm cięty jest finalny teledysk. Rozkład produkcji dzień po dniu: 12.05 - 2 ujęcia, 13.05 - 19, 16.05 - 9, 17.05 - 36.
• Do tego 16 innych klipów roboczych (warianty, próby, regeneracje) - razem 82 pliki wideo w folderze roboczym.
• Łącznie około 366 sekund surowego wygenerowanego materiału. Z tego cięty jest finalny teledysk: 4:54. Czyli wygenerowaliśmy mniej więcej tyle materiału, ile trwa sam utwór - bo każde ujęcie miało trafić w swoje miejsce, nie być wypełniaczem.
• Sesja finałowa (17.05: domknięcie końcówki, apoteoza, zakończenie, miniaturka) to 36 ujęć w jeden dzień - kilka godzin ciągłej pracy człowiek + AI.
• Teledysk składany z tych ujęć, ciętych w rytm w CapCucie (montaż ręczny, BPM 195).

Ile to kosztowało - bez ściemy

To pierwsze pytanie, jakie dostajemy: "ile kredytów zjadł Kling?", "ile Claude?", "ile to w ogóle kosztowało?". Więc zero owijania w bawełnę - konkret w dolarach. Podajemy orientacyjnie, bo to subskrypcje miesięczne dzielone na wiele rzeczy, nie kwoty co do centa.

Sama produkcja powstała na dwóch płatnych narzędziach: Kling do generowania wideo i Claude jako asystent reżyserski. Oba jako miesięczne subskrypcje, włączone w okresie produkcji. (Wcześniejszy deep research z sekcji 04 korzystał z kilku modeli AI, ale na kontach, których i tak używamy na co dzień - nie doliczamy ich jako osobny koszt tego teledysku.)

1. Kling AI - generowanie wideo

2. Claude - asystent reżyserski

Puenta: rząd wielkości

12 - 17 maja 2026

Lekcje - szczerze

To była pierwsza przymiarka Michała do pełnego narracyjnego teledysku AI. Krzywa uczenia stroma, dużo wniosków zebranych po drodze. Następny pójdzie znacznie szybciej i taniej - bo są już gotowe przepisy, bind postaci ustawiony od startu i spory zapas kredytów na koncie.