PROJEKT MISERY / AI x TEATR

Jak sztuczna inteligencja stała się współtwórcą języka wizualnego spektaklu teatralnego

Case study projektu realizowanego przez Fundację Kamila Maćkowiaka w ramach Krajowego Planu Odbudowy.

Jak wykorzystać sztuczną inteligencję nie do zastąpienia artysty, lecz do stworzenia nowych środków wyrazu scenicznego? Projekt „Misery” pokazuje proces projektowania i wdrażania generatywnej AI jako integralnej części narracji teatralnej – od pierwszych koncepcji wizualnych, przez projektowanie promptów i animacji, aż po projekcje zsynchronizowane z aktorami na żywej scenie.

Zobacz proces powstawania projektu.

Cele projektu

Projekt zakładał:

wykorzystanie generatywnej AI jako narzędzia twórczego,

stworzenie nowego języka wizualnego spektaklu,

rozwój kompetencji cyfrowych zespołu,

opracowanie nowego modelu współpracy artystów i specjalistów technologicznych,

pokazanie możliwości wykorzystania AI w profesjonalnej produkcji teatralnej.

Nie chcieliśmy zrobić spektaklu o AI.

Chcieliśmy stworzyć spektakl, w którym AI stanie się kolejnym narzędziem opowiadania historii.

Kluczowym pytaniem było: Jak pokazać na scenie to, czego nie można zagrać?

Halucynacje.
Koszmary.
Rozpad świadomości.
Lęk.
Obsesję.
Pamięć.

Zamiast ilustrować akcję, warstwa generowana przez AI została zaprojektowana jako osobny poziom narracji, funkcjonujący równolegle do aktora, światła i scenografii.

Visual Art Direction

Każda scena otrzymała własny język wizualny

Zamiast jednej estetyki powstało dwanaście odrębnych światów wizualnych, odpowiadających kolejnym etapom psychologicznej podróży bohaterów. Dokument Visual Art Direction definiował dla każdej sceny osobny koncept, inspiracje i styl – od noir i atmosferycznego rozmycia podczas wypadku, przez psychodeliczny body horror inspirowany Francisem Baconem, po barokowe martwe natury czy estetykę „uncanny valley”.

Wybrane sceny: Wypadek

Chaos.

Światła samochodu.

Śnieg.

Brak orientacji.

Minimalizm obrazu budujący napięcie jeszcze przed rozpoczęciem właściwej historii.

Wybrane sceny: Chlew

Inspiracja Francisem Baconem.

Świat rzeczywisty zostaje zdeformowany przez percepcję bohatera.

AI wykorzystano do stworzenia obrazu balansującego pomiędzy realizmem a halucynacją.

Wybrane sceny: Palenie

Makrofotografia.

Ogień.

Tekst.

Ciało.

To wizualna metafora niszczenia własnej tożsamości.

Wybrane sceny: Leki

Świat widziany przez uzależnienie.

Neonowe kolory.

Makro.

Organiczne struktury przypominające kosmos.

Inspiracje twórczością Gaspara Noé.

Wybrane sceny: Hollywood

Perfekcyjne piękno.

Niepokój.

Uncanny Valley.

Portret Annie staje się żywym obrazem balansującym pomiędzy glamour a horrorem.

Wybrane sceny: Kolacja

Barok.

Caravaggio.

Rozkład.

Time-lapse.

Jedzenie stopniowo ulega rozkładowi, zamieniając ucztę w obraz przemijania.

Wybrane sceny: Finał

Brutalny realizm.

Maksymalna prostota.

Po wcześniejszych, silnie stylizowanych wizjach AI ustępuje miejsca surowej rzeczywistości.

PROMPTY I AI WORKFLOW

Jak powstawały obrazy do spektaklu „Misery”

Workflow

Wszystkie materiały wizualne wykorzystane w spektaklu powstały w wyniku wieloetapowego procesu projektowego. Punktem wyjścia nigdy nie był prompt, lecz interpretacja tekstu dramatycznego i decyzje artystyczne zespołu. Dopiero na ich podstawie projektowano język wizualny poszczególnych scen oraz sposób wykorzystania narzędzi generatywnej sztucznej inteligencji.

Każdy obraz przechodził od kilku do kilkunastu iteracji, zanim został zaakceptowany do dalszej produkcji i animacji

1. Analiza dramaturgiczna

Każda scena została przeanalizowana pod kątem funkcji dramaturgicznej.

Zespół odpowiadał między innymi na pytania:

  • Co przeżywa bohater?
  • Czy oglądamy rzeczywistość czy halucynację?
  • Jakie emocje powinien odczuwać widz?
  • Czy obraz ma wzmacniać narrację, czy ją kontrapunktować?

Na tym etapie nie powstawały jeszcze obrazy AI.

Powstawał język sceny.

2. Definiowanie konceptu wizualnego

Dla każdej sceny przygotowano osobny dokument artystyczny zawierający:

  • nazwę sceny,
  • opis emocjonalny,
  • główną metaforę,
  • odniesienia do historii sztuki,
  • inspiracje filmowe,
  • kierunek kolorystyczny,
  • styl generowanych obrazów.

3. Projektowanie promptów

Dopiero po zdefiniowaniu języka sceny rozpoczynała się praca z modelami generatywnymi. Prompt nie był pojedynczym zdaniem. Stanowił opis świata, zawierający: kompozycję, światło, perspektywę, kolor, faktury, ruch, emocję, referencje stylistyczne.

Przykład

Nie: pig in mud

ale raczej: hyperrealistic pigs emerging from mud, psychological horror, Francis Bacon inspired anatomy, distorted perception, cinematic lighting, wet textures, nightmare atmosphere, subtle double vision, organic deformation, high contrast, volumetric light

Następnie prompt był wielokrotnie rozwijany.

4. Iteracje

Pierwsza generacja praktycznie nigdy nie trafiała do spektaklu.

Proces obejmował:

  • ocenę kompozycji,
  • ocenę dramaturgii,
  • korektę światła,
  • zmianę kolorystyki,
  • zmianę perspektywy,
  • usuwanie przypadkowych artefaktów,
  • poprawę spójności wizualnej.

Często powstawało kilkadziesiąt wersji jednej sceny.

5. Selekcja i rozwój obrazu

Najważniejszym etapem nie było generowanie, a selekcja. Zespół wybierał obrazy odpowiadające założeniom dramaturgicznym spektaklu, a nie te najbardziej efektowne technologicznie.

Wybrane grafiki stawały się materiałem do dalszej pracy.

Powstawały:

  • animacje,
  • pętle,
  • mikroanimacje,
  • przejścia,
  • deformacje,
  • efekty świetlne,
  • kompozycje wielowarstwowe.

Obrazy AI stanowiły punkt wyjścia dla dalszej pracy operatorów multimediów.

7. Integracja ze spektaklem

Każda animacja była synchronizowana z:

  • ruchem aktorów,
  • światłem,
  • muzyką,
  • efektami dźwiękowymi,
  • tempem sceny,
  • projekcjami.

Dopiero wtedy stawała się częścią przedstawienia.

Projekcja: Chlew

Projekcja: Hollywood (fragment)

AI W PRAKTYCE

Człowiek pozostaje autorem

Każdy obraz powstał jako efekt współpracy ludzi reprezentujących różne kompetencje:

  • Reżyser definiował znaczenie scen.
  • Twórcy opracowywali język wizualny.
  • Specjaliści AI przygotowywali prompty i iteracje.
  • Graficy oraz animatorzy rozwijali wygenerowane materiały.
  • Operatorzy integrowali je z projekcjami scenicznymi.

Ostateczny efekt był wynikiem setek decyzji artystycznych podejmowanych przez zespół.

Technologie

Projekt wykorzystywał narzędzia generatywnej sztucznej inteligencji do tworzenia obrazów, animacji oraz materiałów wykorzystywanych podczas projekcji scenicznych.

Obrazy były następnie poddawane dalszej obróbce, animacji oraz synchronizacji z oświetleniem, muzyką i rytmem spektaklu.

AI stanowiła jeden z elementów większego procesu produkcyjnego obejmującego scenografię, multimedia oraz projektowanie światła.

Rezultaty

Projekt pozwolił:

  • opracować autorski workflow wykorzystania AI w teatrze,
  • stworzyć nowy model współpracy artystów i specjalistów technologicznych,
  • rozwinąć kompetencje cyfrowe zespołu,
  • zrealizować pełnowymiarową produkcję teatralną z wykorzystaniem generatywnej AI,
  • przetestować nowe rozwiązania możliwe do wykorzystania w kolejnych realizacjach.

Wnioski

AI nie zastępuje twórców.

Zmienia sposób projektowania doświadczenia teatralnego.

Projekt „Misery” pokazał, że generatywna sztuczna inteligencja może stać się pełnoprawnym narzędziem pracy w teatrze – wspierając rozwój nowych form narracji wizualnej, przyspieszając proces koncepcyjny oraz umożliwiając tworzenie obrazów, których realizacja tradycyjnymi metodami byłaby znacznie bardziej czasochłonna i kosztowna.

Najważniejszą wartością projektu pozostaje jednak nie sama technologia, lecz sposób jej wykorzystania. To decyzje artystyczne zespołu, interpretacja tekstu i świadome projektowanie doświadczenia widza nadały wygenerowanym obrazom znaczenie i miejsce w strukturze spektaklu.

Czego nauczył nas ten projekt?

Najważniejszą kompetencją nie okazała się umiejętność obsługi narzędzi AI, lecz zdolność precyzyjnego definiowania intencji artystycznej. Im dokładniej zespół potrafił opisać dramaturgię, emocje i estetykę sceny, tym bardziej trafne były generowane obrazy.

Projekt pokazał również, że skuteczne wykorzystanie AI w teatrze wymaga współpracy osób o różnych kompetencjach – reżyserów, scenografów, grafików, specjalistów od generatywnej AI, animatorów, operatorów multimediów oraz realizatorów światła. W tym modelu sztuczna inteligencja nie zastępuje twórców, lecz staje się narzędziem, które rozszerza ich możliwości i pozwala szybciej eksplorować rozwiązania wizualne, zachowując pełną kontrolę artystyczną po stronie zespołu.

Taka sekcja będzie miała dużą wartość edukacyjną i pokazuje proces, a nie tylko efekt. Dla teatrów, instytucji kultury i grantodawców jest to znacznie bardziej przekonujące niż prezentacja gotowych obrazów, ponieważ dokumentuje sposób integracji AI z profesjonalnym procesem produkcji teatralnej.

DOŁĄCZ DO NASZEGO NEWSLETTERA