Yapay zeka destekli video üretim araçları geliştiren Runway, gerçek zamanlı video üretim sürecinde karşılaştığı teknik bir sorunu çözmek yerine bu hatayı yeni bir kullanıcı özelliğine dönüştürdü. Şirketin kurumsal ürünler sorumlusu Ryan Phillips, VB Transform 2026 etkinliğinde, yapay zeka modellerini geliştirme ve değerlendirme süreçlerine dair deneyimlerini paylaştı.

Avatarlardaki Kayma Sorunu Yeni Bir Özelliğe Dönüştü

Runway ekibi, gerçek zamanlı video üretiminde yapay zeka tarafından oluşturulan avatarların merkezden kayması sorunuyla haftalarca uğraştı. Arka planda yapılan teknik müdahalelerle çözülemeyen bu durum, ön uçta yapılan bir düzenlemeyle yeni bir özelliğe dönüştürülerek aşılmış oldu. Runway Characters adlı model sayesinde artık sıfır gecikme ile yapay zeka avatarlarıyla karşılıklı etkileşim kurmak mümkün hale geldi.

Kalite Değerlendirme ve Test Süreçleri

Phillips, başarılı bir yapay zeka ürünü için yüksek kaliteli bir değerlendirme setinin kritik olduğunu belirtti. Şirketin, başarının ve başarısızlığın ne anlama geldiğini belirlemek için tasarım, araştırma ve satış ekipleriyle ortak çalıştaylar düzenlediğini açıkladı. Modelin sınırlarını zorlamak için burunsuz ve sıra dışı dişlere sahip Tooth isimli insan dışı bir karakterle testler yapıldığı paylaşıldı.

Excel Tabloları ve Otomatik Denetim

Şaşırtıcı bir detay olarak, Runway'in bu ileri düzey değerlendirmeleri takip etmek için basit bir Excel tablosu kullandığı ortaya çıktı. Günlük testler 'küçük' veya 'büyük' hata olarak kategorize ediliyor ve önceden belirlenen başarı oranına ulaşıldığında model yayına alınıyor. Phillips ayrıca, görsel dereceleme süreçlerini otomatize etmek için dil modellerinden yararlanılabileceğini ve bu yöntemle kalite kontrolünün hızlandırılabileceğini ekledi.

Ne anlama geliyor?

Yapay zeka ile video üretimi, piksellerin her karede tutarlı bir şekilde yeniden oluşturulmasını gerektirir. Bu süreçte karşılaşılan sapmalar veya görüntü bozulmaları, sistemin nesne konumlarını veya fiziksel yapıları yanlış yorumlamasından kaynaklanır. Hataların özelliğe dönüştürülmesi, teknik kısıtlamaların kullanıcı deneyimiyle harmanlanarak kabul edilebilir veya faydalı hale getirilmesi yöntemidir.

Görsel kalite kontrolü aşamasında ise insan gözünün fark edemeyeceği değişimler, başka bir yazılım tarafından analiz edilerek puanlanır. Bu yöntem, binlerce farklı senaryonun manuel olarak incelenmesi zahmetini ortadan kaldırır. Kullanıcılar için bu durum, daha akıcı ve hatasız görünen dijital etkileşimler şeklinde karşılık bulur.