Üretken yapay zekânın hafızası yoktur
Üretken yapay zeka araçlarıyla içerik üretmek istediğinizde ya da benim senaryomu göz önünde bulundurup, bu araçlarla bir 3D animasyon kanalı kurmaya karar verdiğinizde, karşınıza çıkan ilk teknik engel yaratıcılık değildir. Tutarlılıktır.YouTube kanalım Tavşan Pinki için ilk sahneleri üretmeye başladığımda bunu zor yoldan öğrenmem gerekti. Kullandığım modele "Pinki" adında pembe gözlü, beyaz pembe tütülü bir tavşan tarif ediyordum; bir sonraki sahnede aynı ismi kullandığımda karşıma tamamen farklı bir karakter çıkıyordu. Göz rengi değişmiş, kulak oranı değişmiş, kıyafet detayı kaybolmuş...
Doğal olarak "Bir önceki sahneye benzer şekilde" gibi bağlama dayalı ifadeler kullanmayı denediğimde ise bu daha da kötü sonuç verdi, çünkü model elinde tutacağı sabit bir referans bulamıyordu.
Çocuklara yönelik videolarda bu basit bir kozmetik sorunu değildi; ticari bir sorundu. Bir çocuk ekranda gördüğü karakteri bir dahaki sefer tanıyamazsa, o kanalla kurduğu bağ hiç başlamadan biter. Ebeveynler de aynı şeyi fark eder. Tutarsız bir karakter, güvenilmez bir marka demektir.
Bu noktada çoğu kişinin yaptığı şeyi yapmadım. yani yazdığım promptu geliştirmeye çalışmadım. Problemi yeniden tanımladım: karakterin görsel kimliği, üretim modelinin hafızasında değil, benim kontrolümdeki sabit bir veri katmanında yaşamalıydı.
Sonuç, bir character bible yani karakterin görsel DNA'sını satır satır tanımlayan bir JSON yapısı oluşturdum
"protagonist": {
"name": "Pinki",
"visual_dna": "A cute white bunny with pink eyes wearing a pink dress..."
}Ana karakterin yanı sıra yedi yan karakter (Anne Tavşan, Baba Tavşan, Yaramaz Ördek, Bakkal Amca ve diğerleri) için de aynı netlikte tanımlar var. Bu tanımlar her üretimde değişmeden, kelimesi kelimesine yeniden kullanılıyor. Model karaktere "hatırlaması" için değil, her seferinde yeniden okuması için ihtiyaç duyuyor ve bu küçük fark, tutarlılık probleminin kökünü çözüyor.Sistemin geri kalanı üç katmandan oluşuyor:
- Katı Kısıtlar: "Aynı sahne", "önceki gibi", "devam ediyor" bağlama dayanan hiçbir ifadeye izin yok. Her prompt, sanki tek başına var olacakmış gibi sıfırdan kuruluyor.
- Sabit Görsel Dil: 3D render, pastel palet, yumuşak ışıklandırma, Pixar tarzı estetik — hiçbir sahnede sapma yok.
- Referans Veritabanı: Farklı senaryo tiplerini (oyun, sorumluluk, şefkat, günlük rutin) kapsayan, gerçek üretimde kullanılmış on civarında örnek prompt. Yeni bir senaryo geldiğinde model sıfırdan değil, bu örneklerin kurduğu dilin üzerinden üretim yapıyor.
Örneğin
Bir teknolojisi platformu için tasarlanan 3D bir maskotun dış görünüşü, yüzündeki oranlar JSON ile kilitlenerek kurumsal ciddiyet güvence altına alınır. Böylece karakter, web sitesindeki bir uyarı ekranından sosyal medya reklamlarına kadar her üretimde aynı dokuyla, hatasız şekilde sahneye çıkar.
Sokak lezzetleri sunan bir markanın sosyal medya görsellerinde, markaya özel renk kodları ve stüdyo ışığı "katı kısıtlar" olarak tanımlanır. Bu sayede her yeni ürün kampanyasında yapay zekâ rastgele ışık oyunları yapmaz ve doğrudan markanın mevcut görsel kimliğiyle, ambalaj diliyle tamamen tutarlı sonuçlar üretir.
oyun tasarlayan bağımsız bir stüdyo için, yüzlerce farklı kartın görsel dilini, ikonografi yerleşimini ve renk doygunluğunu tek bir JSON yapısına bağlamak seri üretimin kilidini açar. Yapay zekâ oyunun mekaniğine göre farklı kaynaklar veya karakterler üretse bile, önceden tanımlanmış çizim stili ve kenar boşlukları sayesinde destedeki tüm kartlar fabrikasyon bir bütünlük sunar.
Rakamlar
Bu yazıyı iddiayla değil, veriyle destekliyorum. Aşağıdaki sayılar kanalın 4 Ekim 2025 – 8 Eylül 2026 arası resmi performans verilerinden alınmıştır:- Toplam izlenme 281.923
- Toplam izlenme süresi 8.399 saat
- Abone 1.176
- Yayınlanan video 91
- Küçük resim gösterimi 3,35 milyon
- Ortalama tıklama oranı %4,22
- En çok izlenen video 48.710 izlenme
Bunun anlamı şu: bu bir viral fenomen hikayesi değil. Ama asıl gösterdiği şey de zaten başka bir şey. 91 video boyunca, düzinelerce farklı senaryoda, karakterin görsel kimliği bir kez bile kaymadı. Sistem kurulmadan önce yaşadığım tutarsızlık problemi, kurulduktan sonra bir daha hiç geri gelmedi. Ölçülmesi gereken buydu, ve ölçüldü.
Neden bunu şimdi paylaşıyorum?
Bu yöntemi ilk kez, küçük bir çocuk içeriği kanalı için, tamamen pratik bir ihtiyaçtan geliştirdim. Zamanla fark ettim ki aynı prensip tasarım kararlarını bir veri katmanına taşımak ve üretimi o katmana bağlamak, ölçek ve alan fark etmeksizin çalışıyor. Bugün aynı mimariyi kurumsal içerik üretiminde kullanıyorum.
Karakter kütüphanesinin tam JSON yapısını, kurumsal içerik içermeyen, tamamen genel haliyle en kısa zamanda GitHub'da paylaşacağım.
Görüşmek üzere... :)