Bolek › Poradnik › 31 października 2026
Czym Bolek robi filmy – warsztat filmowy asystenta AI krok po kroku
Poradnik · · Maciej Głuszak · wersja .md
Z czego składa się film zrobiony przez AI: scenariusz, głos lektora, obraz, ruch ust, montaż, napisy i publikacja – narzędzia na każdym etapie i rola człowieka.
Pod jednym z naszych filmów padło pytanie: czym Bolek to generuje? Uczciwa odpowiedź brzmi: nie jednym programem, tylko całym warsztatem. Każdy etap filmu robi inne narzędzie, a Bolek – nasz asystent AI na Windows, zbudowany na Claude Code – spina je w jedną taśmę produkcyjną. Poniżej rozpisujemy ją po kolei, bez magii.
Krótka odpowiedź
- mózg i reżyser: Claude Code – pisze scenariusz, dzieli go na sceny, pilnuje kolejności i uruchamia resztę,
- głos: ElevenLabs – lektorzy z biblioteki i głosy sklonowane z nagrań,
- obraz: generatory obrazów (FLUX, Nano Banana) i wideo z obrazu (Kling, Seedance),
- ruch ust: osobny model do synchronizacji warg z nagranym głosem,
- montaż: FFmpeg – cięcie, miks dźwięku, tło, logo, wypalanie napisów,
- napisy: Whisper do rozpoznania mowy plus nasza własna obróbka tekstu,
- człowiek: akceptuje scenariusz, wybiera warianty i zatwierdza publikację.
Jak powstaje film krok po kroku
- Scenariusz. Bolek pisze tekst i dzieli go na kwestie: kto mówi, co mówi, jak długo trwa scena. Przy filmach o bieżących sprawach najpierw sprawdza w źródłach, jak sprawa wygląda, a dopiero potem pisze. Scenariusz zawsze czyta człowiek, zanim cokolwiek pójdzie dalej.
- Głos. Każda kwestia idzie do ElevenLabs osobnym głosem. Lektorów robimy na dwa sposoby: wybieramy gotowy głos z biblioteki albo klonujemy głos z kilku minut czystego nagrania. Do klonu przygotowujemy też zestaw tekstów o różnych emocjach, żeby lektor umiał i spokojnie tłumaczyć, i krzyczeć.
- Obraz. Tło, postacie i kadry powstają w generatorach obrazów. Gdy kadr ma się ruszać, nieruchomy obraz zamieniamy w krótki klip modelem wideo. To najdroższy etap, więc robimy go na samym końcu.
- Tani podgląd. Zanim zapłacimy za ruch, Bolek składa film z nieruchomych kadrów, prawdziwego głosu i napisów. Taki podgląd kosztuje zero złotych, a pozwala ocenić tempo, cięcia i dźwięk. Dopiero zaakceptowany podgląd idzie do drogiego generowania wideo.
- Ruch ust. Jeśli postać ma mówić do kamery, osobny model dopasowuje ruch warg do nagranego głosu. Przy komiksach i rysunkach animujemy tylko usta, a kreska zostaje nietknięta.
- Montaż. FFmpeg skleja wszystko w całość: kolejność scen, przejścia, podkład, wyciszanie muzyki pod mową, logo, czołówkę i zakończenie. Pionowy format pod rolki albo poziomy pod YouTube to tylko inny szablon kadru.
- Napisy. Whisper zamienia mowę na tekst z czasami. Potem Bolek czyta całość i poprawia sens, łamie wersy tak, żeby dało się je przeczytać na telefonie, i pilnuje, by napis nie przeskakiwał między mówcami. Gotowy tekst napisów zatwierdza człowiek i dopiero wtedy jest wypalany w obraz.
- Publikacja. Film z opisem trafia na Facebooka i Instagram, ale nigdy automatycznie – przycisk „publikuj” zawsze naciska człowiek po obejrzeniu wyniku.
Gdzie jest człowiek
AI robi tu prawie całą robotę ręczną, ale decyzje zostają po naszej stronie. Człowiek zatwierdza scenariusz, wybiera z kilku wariantów obrazu czy czołówki, ogląda tani podgląd przed drogim etapem i daje zgodę na publikację. Bez tych bramek AI potrafi wyprodukować dużo, szybko i nie to, o co chodziło.
Czego nauczyliśmy się po drodze
- Najpierw tanio, potem drogo. Generowanie wideo kosztuje realne pieniądze za każdą sekundę. Podgląd z nieruchomych kadrów wyłapuje większość problemów za darmo.
- Głos niesie film. Widz wybaczy przeciętny obraz, ale nie wybaczy sztucznego głosu. Na dobrego lektora warto poświęcić najwięcej czasu.
- Napisy to osobne rzemiosło. Automatyczne rozpoznanie mowy myli nazwy i ucina zdania w złych miejscach. Bez przeczytania całości przez człowieka albo przez model zawsze coś się wysypie.
- Jedno narzędzie na jeden etap. Nie szukamy programu, który zrobi wszystko. Wymiana jednego ogniwa na lepsze nie rusza reszty taśmy.
Co dalej
Jeśli chcesz zacząć od zera, przeczytaj nasz pierwszy poradnik o tym, jak uruchomić Claude Code po polsku na Windows. A to, jak ten warsztat rósł dzień po dniu, widać w dzienniku budowy Bolka.
Te lekcje pochodzą z codziennej pracy z Bolkiem, asystentem AI na Windows. Pokaz na żywo – 1 230 zł albo napisz do nas w okienku kontaktu.