TYMBARK: Kampania z technologią deepfake
case studies
case studies
Jak wycisnąć z soku więcej uczuć? Wystarczy technologię deepfake połączyć z Sanah, Arturem Rojkiem, Vito Bambino i Kwiatem Jabłoni. Poznaj nagrodzony na wielu konkursach reklamowych sposób Tymbarka na zakochanie!
Michał Fałat (East Eventz) / MOON Films
Panowie Programiści
Maspex, właściciel marki Tymbark
Brainbox / Reżyser: Grajper Krzysztof
Tymbark od dekad towarzyszy Polakom. Jest przy śniadaniu, obiedzie i kolacji. Na pikniku, meczu i kajaku. Podczas urodzin, imienin i wesel. Niezastąpiony, ukochany, nasz. Prawdziwy lovemark, pełen pozytywnych emocji. Jak to wyrazić? Jak wzmocnić uczucie? Jak zaangażować w nie nowych odbiorców?
„Wszystko mi mówi, że mnie ktoś pokochał” – słowami znanej piosenki, Tymbark postanowił wyrazić uczucie łączące go z Polakami. Hit Skaldów w nowych aranżacjach nagrali dla marki Sanah, Artur Rojek, Vito Bambino i Kwiat Jabłoni. Dzięki zbudowanej przez nas aplikacji każdy użytkownik mógł zdecydować, który z artystów zaśpiewa kolejną zwrotkę utworu, a także dołączyć do piosenkarzy i wystąpić z nimi na wirtualnej scenie Tymbarku. Zatem ilu użytkowników, tyle wersji teledysku.
W pierwszej fazie stanęliśmy przed kluczowym wyzwaniem stworzenia rozwiązania technologicznego deepfake, które generowałoby spersonalizowane video w jak najkrótszym czasie, z zachowaniem jak najwyższej jakości obrazu. Jakość, stabilizacja i szybkość tworzenia teledysków od początku była naszym priorytetem. Interaktywne video miało stać się wizytówką kampanii, więc liczyliśmy się z masowym zaangażowaniem użytkowników.
W pierwszej fazie prac dev przeanalizowaliśmy dziesiątki dostępnych na rynku, gotowych rozwiązań, jednak żadne nie dało zadowalających efektów. W trakcie prób okazywało się, że potrzebują one gigantycznej mocy obliczeniowej, a wygenerowanie animacji ze zdjęciem użytkownika zajmuje im…. kilka godzin. To było nie do zaakceptowania. Podjęliśmy zatem decyzję o budowie mechanizmu od zera.
Od początku eksperymentowaliśmy w poszukiwaniu optymalnego rozwiązania. Najpierw stworzyliśmy mechanizm wykonujący obliczenia machine learning na kartach graficznych i choć działał on naprawdę dobrze, to wymagał wykupienia przestrzeni serwerowej za kilkaset tysięcy złotych.
Po wielu optymalizacjach i zastosowaniu innowacyjnego cachowania układu charakterystycznych punktów twarzy osiągnęliśmy niebywałe wyniki! Czas generowania teledysku skróciliśmy z początkowych 50 sekund do zaledwie 2,5 sekundy. Udało nam się to pomimo ograniczenia infrastruktury serwerowej. Choć obsługiwała obciążenie kilkuset tysięcy użytkowników, koszt jej wykorzystania spadł dziesięciokrotnie!
Po trzech miesiącach eksperymentów i prób udało nam się stworzyć oprogramowanie, które na wygenerowanie spersonalizowanego video wysokiej jakości potrzebowało mniej niż 2,5 sekundy. Uznaliśmy jednak, że dla niektórych nawet tyle może być zbyt długo. By nie utracić zaangażowania na ostatnim etapie, zastosowaliśmy sztuczkę UX, znaną z zarządzania kolejkami na lotniskach. Nasz system rozpoczynał generowanie video zaraz po zrobieniu zdjęcia. Niczego nieświadomy użytkownik był w tym czasie proszony o podanie imienia i wybór kolejności występowania artystów. Gdy to zrobił, my natychmiast mogliśmy zaprezentować mu film z wykorzystaniem jego fotografii.
O doświadczenia użytkownika dbaliśmy od samego początku prac. Analizowaliśmy możliwe ścieżki nawigacji i architekturę UX. Dążyliśmy do tego, by korzystanie z zaawansowanej technologii było jak najłatwiejsze i najprzyjemniejsze. Do minimum zredukowaliśmy potencjalne bariery, np. liczbę koniecznych do wypełnienia pól formularza, a przede wszystkim uprościliśmy kroki generowania i udostępniania video w mediach społecznościowych.
16 mln wyświetleń videoklipu na Youtube
1:40 min średni czas oglądania
360 tys. unikalnych użytkowników na stronie kampanii
21,7 tys. unikatowych teledysków stworzonych przez odbiorców
41 proc. teledysków stworzono z wykorzystaniem deepfake
31 tys. polubień postów
2 tys. komentarzy
1,5 tys. udostępnień
W projekcie odpowiadaliśmy za: