TED Talks Live
Danielle Feinberg: The magic ingredient that brings Pixar movies to life
Danielle Feinberg: A varázslatos hozzávaló, amitől a Pixar filmjei életre kelnek
Filmed:
Readability: 4
3,035,525 views
Danielle Feinberg, a Pixar operatőre csodákkal és lélekkel teli történeteket alkot matematika, reál tudományok és programozás segítségével. Tekintsünk be a Némó nyomában, a Toy Story, a Merida, a bátor, a WALL-E és sok más film kulisszái mögé, és fedezd fel, hogyan fonja egybe a Pixar a művészetet és a tudományt, hogy aztán olyan fantasztikus világokat teremtsen, ahol a képzeleted valósággá válhat. Ez a beszéd a "TED Talks: Science & Wonder" keretei közt hangzott el.
Danielle Feinberg - Director of photography, Pixar
At Pixar, Danielle Feinberg delights in bending the rules of light to her every whim. Full bio
At Pixar, Danielle Feinberg delights in bending the rules of light to her every whim. Full bio
Double-click the English transcript below to play the video.
00:12
When I was seven years old,
0
950
1676
Hétéves koromban
00:14
some well-meaning adult asked me
what I wanted to be when I grew up.
what I wanted to be when I grew up.
1
2650
4111
egy jószándékú felnőtt nekem szegezte
a kérdést, hogy mi leszek, ha nagy leszek.
a kérdést, hogy mi leszek, ha nagy leszek.
00:18
Proudly, I said: "An artist."
2
6785
2018
Büszkén feleltem: "Festő."
00:20
"No, you don't," he said,
3
8827
1361
"Még mit nem!" - mondta ő.
00:22
"You can't make a living being an artist!"
4
10212
2282
"Festőként nem tudsz megélni!"
00:24
My little seven-year-old
Picasso dreams were crushed.
Picasso dreams were crushed.
5
12915
3075
Ezzel a kis hétévesen szőtt
Picasso-álmaim szertefoszlottak.
Picasso-álmaim szertefoszlottak.
00:28
But I gathered myself,
6
16014
1672
De összeszedtem magam,
00:29
went off in search of a new dream,
7
17710
1859
új álmok után néztem,
00:31
eventually settling on being a scientist,
8
19593
2858
és végül tudós szerettem volna lenni,
00:34
perhaps something like
the next Albert Einstein.
the next Albert Einstein.
9
22475
2644
mondjuk, valami új Albert Einstein.
00:37
(Laughter)
10
25783
1941
(Nevetés)
A matekot és a reál tárgyakat
mindig szerettem,
mindig szerettem,
00:40
I have always loved math and science,
11
28086
2001
00:42
later, coding.
12
30111
1511
később a programozást is.
00:43
And so I decided to study
computer programming in college.
computer programming in college.
13
31646
3019
Úgy döntöttem hát, hogy az egyetemen
programozni tanulok.
programozni tanulok.
00:47
In my junior year,
14
35312
1151
Elsőévesként
00:48
my computer graphics professor
showed us these wonderful short films.
showed us these wonderful short films.
15
36487
3791
a számítógépes grafika tanárom mutatott
nekünk pár csodálatos rövidfilmet.
nekünk pár csodálatos rövidfilmet.
00:52
It was the first computer animation
any of us had ever seen.
any of us had ever seen.
16
40917
3211
Mindannyian akkor láttunk először
számítógépes animációt.
számítógépes animációt.
00:56
I watched these films
in wonder, transfixed,
in wonder, transfixed,
17
44566
2780
Elámulva néztem ezeket a filmeket,
00:59
fireworks going off in my head,
18
47370
2211
miközben a fejemben tűzijáték durrogott,
01:01
thinking, "That is what
I want to do with my life."
I want to do with my life."
19
49605
2798
és arra gondoltam:
"Ezt épp nekem találták ki!"
"Ezt épp nekem találták ki!"
01:05
The idea that all the math, science
and code I had been learning
and code I had been learning
20
53006
3533
Varázslatosnak tűnt,
hogy az addig megszerzett tudásommal
hogy az addig megszerzett tudásommal
megteremthetem ezeket a világokat,
01:08
could come together to create
these worlds and characters
these worlds and characters
21
56563
3138
01:11
and stories I connected with,
22
59725
1862
szereplőket és történeteket,
01:13
was pure magic for me.
23
61611
1531
amikhez kötődöm.
Mindössze két évvel később
munkába álltam
munkába álltam
01:16
Just two years later, I started working
24
64126
1889
01:18
at the place that made those films,
Pixar Animation Studios.
Pixar Animation Studios.
25
66039
3019
a Pixar Rajzfilmstúdiónál,
ahol azok a filmek is készültek.
ahol azok a filmek is készültek.
01:21
It was here I learned how
we actually execute those films.
we actually execute those films.
26
69082
2730
Itt tanultam meg,
miként is hozzuk létre ezeket.
miként is hozzuk létre ezeket.
01:24
To create our movies,
27
72303
1159
Készítésükkor
01:25
we create a three-dimensional
world inside the computer.
world inside the computer.
28
73486
2769
háromdimenziós világot teremtünk
a számítógépen.
a számítógépen.
01:28
We start with a point that makes
a line that makes a face
a line that makes a face
29
76922
3603
Egy ponttal kezdünk, amiből vonal lesz,
ami aztán kirajzol egy arcot,
ami aztán kirajzol egy arcot,
01:32
that creates characters,
30
80549
1708
ami szereplővé alakul,
01:34
or trees and rocks
that eventually become a forest.
that eventually become a forest.
31
82281
2672
vagy fák és sziklák,
amikből egyszer csak erdő válik.
amikből egyszer csak erdő válik.
S mivel ez egy háromdimenziós világ,
01:37
And because it's
a three-dimensional world,
a three-dimensional world,
32
85326
2112
01:39
we can move a camera
around inside that world.
around inside that world.
33
87462
2396
körbe tudjuk mozgatni
benne a kamerát.
benne a kamerát.
01:43
I was fascinated by all of it.
34
91004
2413
Minden részlete ámulatba ejtett.
01:45
But then I got my first taste of lighting.
35
93441
2281
Majd belekóstolhattam
a világítástechnikába.
a világítástechnikába.
01:48
Lighting in practice is placing lights
inside this three-dimensional world.
inside this three-dimensional world.
36
96581
3649
Ez a gyakorlatban annyit tesz, hogy
lámpákat helyezünk ebbe a 3D-s világba.
lámpákat helyezünk ebbe a 3D-s világba.
01:52
I actually have icons of lights
I move around in there.
I move around in there.
37
100254
2720
Konkrétan lámpa ikonokat mozgatok benne.
01:54
Here you can see I've added a light,
38
102998
1722
Itt látják, hogy fényt adtam hozzá,
01:56
I'm turning on the rough version
of lighting in our software,
of lighting in our software,
39
104744
2864
most bekapcsolom a szoftveren
a nyers fény opcióját,
a nyers fény opcióját,
01:59
turn on shadows
40
107632
1231
az árnyékolást,
02:00
and placing the light.
41
108887
1404
és elhelyezem a fényt.
02:02
As I place a light,
42
110315
1167
Ahogy odateszem,
02:03
I think about what it might
look like in real life,
look like in real life,
43
111506
2712
átgondolom, hogyan is festene
a való életben,
a való életben,
02:06
but balance that out with what we need
artistically and for the story.
artistically and for the story.
44
114242
3926
de ellensúlyozom azzal, ami művészileg
és a történet szempontjából szükséges.
és a történet szempontjából szükséges.
02:10
So it might look like this at first,
45
118981
3150
Tehát meglehet, hogy eleinte így néz ki,
02:14
but as we adjust this and move that
46
122155
2414
de ahogy ezt finomhangoljuk,
azt meg mozgatjuk
azt meg mozgatjuk
02:16
in weeks of work,
47
124593
1545
több hetes munkával,
02:18
in rough form it might look like this,
48
126162
2215
átmenetileg valami ilyesmi lesz,
02:21
and in final form, like this.
49
129252
2149
a végleges verzió látványa pedig ilyen.
02:28
There's this moment in lighting
that made me fall utterly in love with it.
that made me fall utterly in love with it.
50
136306
4051
Ez az a pillanat a világítástechnikában,
ami végleg levett a lábamról.
ami végleg levett a lábamról.
02:32
It's where we go from this
51
140381
1750
Az, amikor ebből
02:34
to this.
52
142807
1214
ez lesz.
02:36
It's the moment where
all the pieces come together,
all the pieces come together,
53
144045
2536
Ez az a pillanat, mikor
összeállnak a darabkák,
összeállnak a darabkák,
02:38
and suddenly the world comes to life
54
146605
2603
s hirtelen életre kel a világ,
02:41
as if it's an actual place that exists.
55
149232
2388
mintha a valóságban is létezne.
02:44
This moment never gets old,
56
152009
1707
Ezt a pillanatot nem lehet megunni,
02:45
especially for that little seven-year-old
girl that wanted to be an artist.
girl that wanted to be an artist.
57
153740
3868
főleg annak a hétéves kislánynak nem,
aki festő szeretett volna lenni.
aki festő szeretett volna lenni.
Ahogy kitanultam a világítástechnikát,
02:49
As I learned to light,
58
157632
1153
02:50
I learned about using light
to help tell story,
to help tell story,
59
158809
2531
azt is megtanultam, miként segíthet
a fény egy történet elmesélésében,
a fény egy történet elmesélésében,
02:54
to set the time of day,
60
162442
1731
megadhatom a napszakot,
02:57
to create the mood,
61
165258
1552
hangulatot teremthetek,
02:59
to guide the audience's eye,
62
167978
1901
vezetem a közönség tekintetét,
03:02
how to make a character look appealing
63
170850
2159
vonzóvá tehetek egy szereplőt,
03:05
or stand out in a busy set.
64
173033
1957
vagy kiemelhetek valamit a tömegből.
03:08
Did you see WALL-E?
65
176224
1310
Észrevették WALL-E-t?
03:09
(Laughter)
66
177558
1039
(Nevetés)
03:10
There he is.
67
178621
1213
Ott van, bizony.
03:13
As you can see,
68
181490
1223
Mint látják,
03:14
we can create any world that we want
inside the computer.
inside the computer.
69
182737
2707
bármilyen világot létrehozhatunk
a számítógépben, amilyet csak akarunk.
a számítógépben, amilyet csak akarunk.
03:17
We can make a world with monsters,
70
185468
2698
Egy szörnyekkel teli világot,
03:20
with robots that fall in love,
71
188837
1829
szerelmes robotokat,
03:23
we can even make pigs fly.
72
191291
2044
vagy akár repülő malacokat.
03:25
(Laughter)
73
193359
4413
(Nevetés)
03:30
While this is an incredible thing,
74
198361
1777
És ugyan fantasztikus dolog ez,
03:32
this untethered artistic freedom,
75
200162
2475
ez a kötöttségektől mentes
művészi szabadság
művészi szabadság
03:34
it can create chaos.
76
202661
1982
káoszt is eredményezhet.
03:36
It can create unbelievable worlds,
77
204667
2851
Hihetetlen világokat képes létrehozni,
03:39
unbelievable movement,
78
207542
1484
hihetetlen mozgást,
olyan dolgokat,
amik elkápráztatják a nézőket.
amik elkápráztatják a nézőket.
03:41
things that are jarring to the audience.
79
209050
2150
03:43
So to combat this, we tether
ourselves with science.
ourselves with science.
80
211224
2761
Ennek ellensúlyaként a tudománnyal
korlátozzuk magunkat.
korlátozzuk magunkat.
A tudományt és az általunk ismert világot
03:46
We use science and the world we know
81
214432
1974
03:48
as a backbone,
82
216430
1350
használjuk alapként,
03:49
to ground ourselves in something
relatable and recognizable.
relatable and recognizable.
83
217804
3474
hogy valami ismertre
és felismerhetőre építkezhessünk.
és felismerhetőre építkezhessünk.
03:53
"Finding Nemo" is an excellent
example of this.
example of this.
84
221806
2529
A "Némó nyomában" tökéletes példa erre.
03:56
A major portion of the movie
takes place underwater.
takes place underwater.
85
224359
2645
A film nagy része a víz alatt játszódik.
03:59
But how do you make it look underwater?
86
227028
2250
De hogyan érhetjük el,
hogy úgy is nézzen ki?
hogy úgy is nézzen ki?
04:01
In early research and development,
87
229302
1631
A kutatás-fejlesztés korai szakaszában
04:02
we took a clip of underwater footage
and recreated it in the computer.
and recreated it in the computer.
88
230957
3898
fogtunk egy vízalatti felvételt,
és számítógép segítségével újraalkottuk.
és számítógép segítségével újraalkottuk.
Majd újra elemeire szedtük,
04:06
Then we broke it back down
89
234879
1261
04:08
to see which elements make up
that underwater look.
that underwater look.
90
236164
2774
hogy kiderüljön,
mitől is tűnik vízalattinak.
mitől is tűnik vízalattinak.
Az egyik legfontosabb elem az,
04:11
One of the most critical elements
91
239526
1607
04:13
was how the light travels
through the water.
through the water.
92
241157
2182
ahogy a fény a vízben terjed.
Olyan fényt programoztunk tehát,
ami ezt a fizikát utánozza:
ami ezt a fizikát utánozza:
04:15
So we coded up a light
that mimics this physics --
that mimics this physics --
93
243363
2796
04:18
first, the visibility of the water,
94
246183
1744
először is a víz átlátszóságát,
04:19
and then what happens with the color.
95
247951
2109
majd pedig,
hogy miként változnak a színek.
hogy miként változnak a színek.
04:22
Objects close to the eye
have their full, rich colors.
have their full, rich colors.
96
250503
3542
A szemhez közeli tárgyak
telt, élénk színűek.
telt, élénk színűek.
04:26
As light travels deeper into the water,
97
254069
2203
Ahogy a fény mélyebbre hatol a vízben,
először a vörös hullámhosszok vesznek el,
04:28
we lose the red wavelengths,
98
256296
1910
04:30
then the green wavelengths,
99
258230
1344
majd a zöldek,
04:31
leaving us with blue at the far depths.
100
259598
2350
végül a messzi mélyben
csupán a kékek maradnak.
csupán a kékek maradnak.
04:34
In this clip you can see
two other important elements.
two other important elements.
101
262666
3100
Ebben a klipben két további
fontos elem látható.
fontos elem látható.
04:37
The first is the surge and swell,
102
265790
2022
Az első a víz hullámzó mozgása,
04:39
or the invisible underwater current
103
267836
1717
vagy a láthatatlan vízalatti áramlat,
04:41
that pushes the bits of particulate
around in the water.
around in the water.
104
269577
3185
ami az apró szemcséket sodorja.
04:44
The second is the caustics.
105
272786
2017
A második a kausztika.
04:46
These are the ribbons of light,
106
274827
1510
Ezek olyan táncoló fények,
04:48
like you might see
on the bottom of a pool,
on the bottom of a pool,
107
276361
2024
amilyeneket
medencék alján is láthatunk,
medencék alján is láthatunk,
04:50
that are created when the sun
bends through the crests
bends through the crests
108
278409
2550
akkor keletkeznek, mikor
a nap sugarai megtörnek
a nap sugarai megtörnek
04:52
of the ripples and waves
on the ocean's surface.
on the ocean's surface.
109
280983
2674
az óceán felszínén fodrozódó
hullámok, fodrok csúcsain.
hullámok, fodrok csúcsain.
04:57
Here we have the fog beams.
110
285038
1298
Ezek itt fénypászmák.
A színmélységet is jelzik,
04:58
These give us color depth cues,
111
286360
1655
05:00
but also tells which direction is up
112
288039
2095
de azt is elárulják, merre van a felfelé
05:02
in shots where we don't
see the water surface.
see the water surface.
113
290158
2276
azokban a jelenetekben,
mikor nem látszik a felszín.
mikor nem látszik a felszín.
05:04
The other really cool thing
you can see here
you can see here
114
292788
2119
A másik klassz dolog itt,
hogy azokat az apró szemcséket
csupán a kausztikával világítottuk meg,
csupán a kausztikával világítottuk meg,
05:06
is that we lit that particulate
only with the caustics,
only with the caustics,
115
294931
3160
05:10
so that as it goes in and out
of those ribbons of light,
of those ribbons of light,
116
298115
2658
és ahogy ide-oda sodródnak
a fényminták között,
a fényminták között,
05:12
it appears and disappears,
117
300797
1513
fel-feltűnnek a fényben,
05:14
lending a subtle, magical
sparkle to the underwater.
sparkle to the underwater.
118
302334
3069
finom, varázslatos csillogást
kölcsönöznek a víz alatti világnak.
kölcsönöznek a víz alatti világnak.
05:18
You can see how we're using the science --
119
306530
2542
Látják, hogyan használjuk a tudományt --
05:21
the physics of water,
light and movement --
light and movement --
120
309096
2876
a víz fizikáját,
a fényt és a mozgást --,
a fényt és a mozgást --,
05:23
to tether that artistic freedom.
121
311996
2046
hogy a földön tartsuk
a művészi szabadságot.
a művészi szabadságot.
05:26
But we are not beholden to it.
122
314570
2321
Ám nem ragaszkodunk hozzá foggal-körömmel.
05:28
We considered each of these elements
123
316915
1799
Minden egyes elemet végiggondoltunk,
05:30
and which ones had to be
scientifically accurate
scientifically accurate
124
318738
3014
hogy melyek legyenek
tudományosan pontosak,
tudományosan pontosak,
05:33
and which ones we could push and pull
to suit the story and the mood.
to suit the story and the mood.
125
321776
4082
és melyek alakíthatók úgy, hogy
passzoljanak a történethez és hangulathoz.
passzoljanak a történethez és hangulathoz.
05:37
We realized early on that color
was one we had some leeway with.
was one we had some leeway with.
126
325882
3809
Még az elején megállapítottuk,
hogy a színekkel némiképp játszhatunk.
hogy a színekkel némiképp játszhatunk.
05:41
So here's a traditionally colored
underwater scene.
underwater scene.
127
329715
2612
Itt egy hagyományosan színezett
víz alatti jelenet.
víz alatti jelenet.
05:44
But here, we can take Sydney Harbor
and push it fairly green
and push it fairly green
128
332351
2841
Ezt itt pedig a Sydney-i kikötőben
zölddel árnyaltuk,
zölddel árnyaltuk,
05:47
to suit the sad mood of what's happening.
129
335216
2260
hogy illeszkedjen
a szomorú történetszálhoz.
a szomorú történetszálhoz.
05:50
In this scene, it's really important
we see deep into the underwater,
we see deep into the underwater,
130
338315
3259
Ebben a jelenetben fontos,
hogy messze ellássunk a víz alatt,
hogy messze ellássunk a víz alatt,
05:53
so we understand what
the East Australian Current is,
the East Australian Current is,
131
341598
2667
hogy megértsük,
milyen is a Kelet-Ausztráliai Áramlat,
milyen is a Kelet-Ausztráliai Áramlat,
05:56
that the turtles are diving into
and going on this roller coaster ride.
and going on this roller coaster ride.
132
344289
3388
amin a teknősök, mint egy hullámvasúton,
végigszáguldanak.
végigszáguldanak.
05:59
So we pushed the visibility of the water
133
347701
1937
Jócskán kitoltuk tehát a vízalatti
06:01
well past anything you would
ever see in real life.
ever see in real life.
134
349662
2703
látótávolságot a valóságoshoz képest.
06:04
Because in the end,
135
352843
1162
Hiszen végtére is
06:06
we are not trying to recreate
the scientifically correct real world,
the scientifically correct real world,
136
354029
4624
nem a tudomány törvényei szerinti
valóságot akarjuk újraalkotni,
valóságot akarjuk újraalkotni,
06:10
we're trying to create a believable world,
137
358677
2040
hanem egy hihető világot szeretnénk,
06:12
one the audience can immerse
themselves in to experience the story.
themselves in to experience the story.
138
360741
3947
amibe a nézők belevethetik magukat,
hogy ők is átéljék a történéseket.
hogy ők is átéljék a történéseket.
06:17
We use science to create
something wonderful.
something wonderful.
139
365344
2723
A tudományt használjuk
csodálatos dolgok létrehozására.
csodálatos dolgok létrehozására.
06:20
We use story and artistic touch
to get us to a place of wonder.
to get us to a place of wonder.
140
368522
4296
A történetet és művészetet pedig
arra, hogy csodás helyekre juttassanak.
arra, hogy csodás helyekre juttassanak.
06:25
This guy, WALL-E, is a great
example of that.
example of that.
141
373578
2476
Ez a kis fickó itt, WALL-E, jó példa erre.
06:28
He finds beauty in the simplest things.
142
376078
2430
Megtalálja a szépséget
a legegyszerűbb dolgokban is.
a legegyszerűbb dolgokban is.
06:30
But when he came in to lighting,
we knew we had a big problem.
we knew we had a big problem.
143
378532
3089
Ám mikor a megvilágítására került a sor,
tudtuk, hogy nehéz feladat lesz.
tudtuk, hogy nehéz feladat lesz.
06:33
We got so geeked-out on making
WALL-E this convincing robot,
WALL-E this convincing robot,
144
381978
3445
Annyira rákockultunk arra, hogy WALL-E
meggyőzően robotszerű legyen,
meggyőzően robotszerű legyen,
06:37
that we made his binoculars
practically optically perfect.
practically optically perfect.
145
385447
3380
hogy a távcsövét optikailag
gyakorlatilag tökéletesre csiszoltuk.
gyakorlatilag tökéletesre csiszoltuk.
06:40
(Laughter)
146
388851
1530
(Nevetés)
06:43
His binoculars are one of the most
critical acting devices he has.
critical acting devices he has.
147
391328
3994
Ez szinte a legfontosabb színészi eszköze.
06:47
He doesn't have a face or even
traditional dialogue, for that matter.
traditional dialogue, for that matter.
148
395346
3542
Nincs arca, és nem tud beszélni sem.
06:50
So the animators were heavily
dependent on the binoculars
dependent on the binoculars
149
398912
2927
Így az animátoroknak
a távcsőre kellett hagyatkozniuk,
a távcsőre kellett hagyatkozniuk,
06:53
to sell his acting and emotions.
150
401863
2253
ezzel közvetítik tetteit és érzelmeit.
Elkezdtük megvilágítani,
és akkor jöttünk rá,
és akkor jöttünk rá,
06:56
We started lighting and we realized
151
404510
1709
06:58
the triple lenses inside his binoculars
were a mess of reflections.
were a mess of reflections.
152
406243
4214
hogy a távcsövében lévő három lencse
összevissza tükröződik.
összevissza tükröződik.
07:02
He was starting to look glassy-eyed.
153
410989
2053
Üveges tekintettel kezdett nézni.
07:05
(Laughter)
154
413066
1724
(Nevetés)
07:06
Now, glassy-eyed
is a fundamentally awful thing
is a fundamentally awful thing
155
414814
3414
Na most az üveges tekintet
alapvetően elég borzalmas,
alapvetően elég borzalmas,
07:10
when you are trying
to convince an audience
to convince an audience
156
418252
2016
mikor arról akarjuk meggyőzni a nézőket,
07:12
that a robot has a personality
and he's capable of falling in love.
and he's capable of falling in love.
157
420292
3483
hogy egy robotnak személyisége van,
és képes szerelembe esni.
és képes szerelembe esni.
07:16
So we went to work on these optically
perfect binoculars,
perfect binoculars,
158
424498
3524
Úgyhogy elkezdtük átdolgozni
az optikailag tökéletes távcsövet,
az optikailag tökéletes távcsövet,
07:20
trying to find a solution that would
maintain his true robot materials
maintain his true robot materials
159
428046
3702
olyan megoldást keresve, amivel
megmaradna valószerű robotnak,
megmaradna valószerű robotnak,
07:23
but solve this reflection problem.
160
431772
1991
de megszűnne a tükröződéses probléma.
07:26
So we started with the lenses.
161
434096
1458
A lencsékkel kezdtük.
07:27
Here's the flat-front lens,
162
435578
1392
Itt az első sík-lencse,
07:28
we have a concave lens
163
436994
1506
van egy konkáv lencsénk,
07:30
and a convex lens.
164
438524
1257
és egy konvex.
07:31
And here you see all three together,
165
439805
2105
Itt pedig mindhárom egyszerre,
07:33
showing us all these reflections.
166
441934
1885
az összes tükröződéssel együtt.
07:36
We tried turning them down,
167
444208
1630
Próbáltuk lejjebb venni a fényt,
07:37
we tried blocking them,
168
445862
1696
próbáltuk blokkolni,
07:39
nothing was working.
169
447582
1440
semmi sem működött.
07:41
You can see here,
170
449786
1151
Ahogy itt látják,
néha szükségünk volt rá,
hogy valami tükröződjön a szemeiben,
hogy valami tükröződjön a szemeiben,
07:42
sometimes we needed something specific
reflected in his eyes --
reflected in his eyes --
171
450961
3124
07:46
usually Eve.
172
454109
1151
többnyire Eve.
07:47
So we couldn't just use some faked
abstract image on the lenses.
abstract image on the lenses.
173
455284
3531
Úgyhogy nem használhattunk semmi hamis,
absztrakt képet a lencséken.
absztrakt képet a lencséken.
07:50
So here we have Eve on the first lens,
174
458839
2150
Itt van, ahogy Eve-t
az első lencsékre tettük,
az első lencsékre tettük,
07:53
we put Eve on the second lens,
175
461013
2051
aztán a második lencsékre,
07:55
it's not working.
176
463088
1245
és nem működött.
07:56
We turn it down,
177
464357
1160
Lejjebb vettük a fényt,
07:57
it's still not working.
178
465541
1676
továbbra sem működött.
07:59
And then we have our eureka moment.
179
467241
2330
Aztán jött a "Heuréka!" pillanatunk.
08:01
We add a light to WALL-E
that accidentally leaks into his eyes.
that accidentally leaks into his eyes.
180
469595
3816
Új fényforrást adunk WALL-E-nak,
ami véletlenül a szemébe süt.
ami véletlenül a szemébe süt.
08:06
You can see it light up
these gray aperture blades.
these gray aperture blades.
181
474092
3390
Itt látják, ahogy megvilágítja
a szürke lamellákat.
a szürke lamellákat.
08:10
Suddenly, those aperture blades
are poking through that reflection
are poking through that reflection
182
478237
3323
Ezek a lamellák egyszer csak
úgy törnek át a tükröződésen,
úgy törnek át a tükröződésen,
08:13
the way nothing else has.
183
481584
1785
ahogy semmi más.
08:15
Now we recognize WALL-E as having an eye.
184
483966
3542
Azt vettük észre,
hogy WALL-E-nak szeme lett.
hogy WALL-E-nak szeme lett.
08:19
As humans we have the white of our eye,
185
487532
2649
Az emberi szemnek
van fehér része,
van fehér része,
08:22
the colored iris
186
490205
1151
színes írisze,
08:23
and the black pupil.
187
491380
1221
és fekete pupillája.
08:24
Now WALL-E has the black of an eye,
188
492948
3341
WALL-E szemének nagy része fekete,
08:28
the gray aperture blades
189
496313
1527
vannak szürke blendelemezei
08:29
and the black pupil.
190
497864
1419
és fekete pupillája.
08:31
Suddenly, WALL-E feels like he has a soul,
191
499689
3642
Hirtelen úgy érződik,
WALL-E-nak lelke van,
WALL-E-nak lelke van,
08:35
like there's a character
with emotion inside.
with emotion inside.
192
503355
2878
és egy érzelmekkel teli szereplő.
08:40
Later in the movie towards the end,
193
508038
1817
Később, a film vége felé
WALL-E elveszti a személyiségét,
08:41
WALL-E loses his personality,
194
509879
1478
08:43
essentially going dead.
195
511381
1578
lényegében meghal.
08:45
This is the perfect time to bring back
that glassy-eyed look.
that glassy-eyed look.
196
513381
3529
Ez a tökéletes időzítés arra,
hogy visszahozzuk az üveges tekintetet.
hogy visszahozzuk az üveges tekintetet.
08:49
In the next scene,
WALL-E comes back to life.
WALL-E comes back to life.
197
517553
2480
A következő jelenetben
WALL-E újra életre kel.
WALL-E újra életre kel.
08:52
We bring that light back to bring
the aperture blades back,
the aperture blades back,
198
520057
3183
Visszaadjuk a fényt,
hogy látszódjanak a lamellák,
hogy látszódjanak a lamellák,
08:55
and he returns to that sweet,
soulful robot we've come to love.
soulful robot we've come to love.
199
523264
3460
és újra az a cuki, lélekteli robot lesz
akit megszerettünk.
akit megszerettünk.
09:02
(Video) WALL-E: Eva?
200
530444
1364
(Video) WALL-E: Eva?
09:06
Danielle Feinberg: There's a beauty
in these unexpected moments --
in these unexpected moments --
201
534841
3120
Danielle Feinberg: Van egy szépsége
ezeknek a pillanatoknak,
ezeknek a pillanatoknak,
09:09
when you find the key
to unlocking a robot's soul,
to unlocking a robot's soul,
202
537985
3566
mikor megtaláljuk a kulcsot
egy robot lelkének kinyitásához,
egy robot lelkének kinyitásához,
09:13
the moment when you discover
what you want to do with your life.
what you want to do with your life.
203
541575
3163
mikor rájövünk, mit szeretnénk
kezdeni az életünkkel.
kezdeni az életünkkel.
09:17
The jellyfish in "Finding Nemo"
was one of those moments for me.
was one of those moments for me.
204
545135
3302
A "Némó nyomában" medúzája
számomra ilyen pillanat volt.
számomra ilyen pillanat volt.
Minden filmben vannak jelenetek,
amik egyszerűen nem akarnak összeállni.
amik egyszerűen nem akarnak összeállni.
09:20
There are scenes in every movie
that struggle to come together.
that struggle to come together.
205
548833
3219
09:24
This was one of those scenes.
206
552076
1935
Ez is ilyen jelenet volt.
09:26
The director had a vision for this scene
207
554035
2134
A rendezőnek volt valami elképzelése róla,
09:28
based on some wonderful footage
of jellyfish in the South Pacific.
of jellyfish in the South Pacific.
208
556193
3808
egy csendes-óceáni medúzáról készített
csodás felvételből kiindulva.
csodás felvételből kiindulva.
09:33
As we went along,
209
561139
1857
Ahogy haladtunk vele,
09:35
we were floundering.
210
563020
1453
sokat küszködtünk.
09:36
The reviews with the director
211
564497
2089
Ahogy a rendezővel újra átnéztük,
09:38
turned from the normal
look-and-feel conversation
look-and-feel conversation
212
566610
2689
a szokásos "nézd-és-érezd" beszélgetésből
09:41
into more and more questions
about numbers and percentages.
about numbers and percentages.
213
569323
4127
egyre több kérdés merült fel
számokról és százalékokról.
számokról és százalékokról.
Talán azért, mert eltérve a szokásostól,
09:46
Maybe because unlike normal,
214
574085
1691
09:47
we were basing it on
something in real life,
something in real life,
215
575800
2253
teljesen valami valóságosra alapoztunk,
09:50
or maybe just because we had lost our way.
216
578077
2585
vagy csak azért,
mert elvesztettük az irányvonalunk.
mert elvesztettük az irányvonalunk.
09:52
But it had become about using
our brain without our eyes,
our brain without our eyes,
217
580686
3111
De elkezdtük az agyunkat
a szemünk nélkül használni,
a szemünk nélkül használni,
09:55
the science without the art.
218
583821
1855
a tudományt a művészet nélkül.
09:58
That scientific tether
was strangling the scene.
was strangling the scene.
219
586251
3179
A tudományos korlátaink
megfojtották a jelenetet.
megfojtották a jelenetet.
10:02
But even through all the frustrations,
220
590534
1846
De mindezen frusztrációk közepette
10:04
I still believed it could be beautiful.
221
592404
2035
én mégis hittem, hogy gyönyörű lehet majd.
10:06
So when it came in to lighting,
222
594463
1659
Így mikor a megvilágításhoz értünk,
10:08
I dug in.
223
596146
1231
belemélyedtem.
10:10
As I worked to balance
the blues and the pinks,
the blues and the pinks,
224
598149
3291
Ahogy a kékek és pinkek
kiegyensúlyozásán dolgoztam,
kiegyensúlyozásán dolgoztam,
10:13
the caustics dancing
on the jellyfish bells,
on the jellyfish bells,
225
601464
2816
a fényminták táncán a medúza harangjain,
10:16
the undulating fog beams,
226
604304
2174
a hullámzó fénysugarakon,
10:18
something promising began to appear.
227
606502
2422
valami egészen ígéretes
kezdett kirajzolódni.
kezdett kirajzolódni.
10:21
I came in one morning and checked
the previous night's work.
the previous night's work.
228
609686
3227
Egyik reggel bementem,
és megnéztem az előző esti munkát.
és megnéztem az előző esti munkát.
10:24
And I got excited.
229
612937
1476
Nagyon izgatott lettem.
10:26
And then I showed it
to the lighting director
to the lighting director
230
614437
2108
Aztán megmutattam a fővilágosítónak,
10:28
and she got excited.
231
616569
1175
és ő is fellelkesült.
10:29
Soon, I was showing to the director
in a dark room full of 50 people.
in a dark room full of 50 people.
232
617768
4416
Hamarosan a rendezőnek is megmutattam
egy ötven fővel teli sötét szobában.
egy ötven fővel teli sötét szobában.
10:34
In director review,
233
622563
1263
Rendezői visszanézésnél
10:35
you hope you might get some nice words,
234
623850
2058
azt reméljük, hogy kapunk pár kedves szót,
10:38
then you get some notes
and fixes, generally.
and fixes, generally.
235
626349
2296
aztán többnyire csak pár megjegyzést
és javítást kapunk.
és javítást kapunk.
10:41
And then, hopefully, you get a final,
236
629408
2437
Aztán, jó esetben, jön az utolsó,
10:43
signaling to move on to the next stage.
237
631869
2048
hogy folytathatod a következő fázissal.
10:46
I gave my intro, and I played
the jellyfish scene.
the jellyfish scene.
238
634462
3368
Elmondtam a bevezetőmet,
és lejátszottam a medúzás jelenetet.
és lejátszottam a medúzás jelenetet.
10:50
And the director was silent
for an uncomfortably long amount of time.
for an uncomfortably long amount of time.
239
638703
3852
A rendező kínosan sokáig maradt csendben.
10:55
Just long enough for me to think,
240
643240
2507
Épp elég hosszan ahhoz,
hogy átfusson az agyamon,
hogy átfusson az agyamon,
10:57
"Oh no, this is doomed."
241
645771
1856
"Ajjaj, ez halálra van ítélve."
11:00
And then he started clapping.
242
648919
1760
Aztán tapsolni kezdett.
11:03
And then the production
designer started clapping.
designer started clapping.
243
651381
2392
Aztán a látványtervező is
tapsolni kezdett.
tapsolni kezdett.
11:06
And then the whole room was clapping.
244
654240
2144
Aztán az egész szoba tapsolt.
11:14
This is the moment
that I live for in lighting.
that I live for in lighting.
245
662285
3086
A megvilágításban
ezért a pillanatért élek.
ezért a pillanatért élek.
11:17
The moment where it all comes together
246
665395
2163
Amikor minden összeáll,
11:19
and we get a world that we can believe in.
247
667582
2647
és egy hihető világot kapunk.
Matek, tudomány, programozás segítségével
alkotjuk meg ezeket a csodás világokat.
alkotjuk meg ezeket a csodás világokat.
11:22
We use math, science and code
to create these amazing worlds.
to create these amazing worlds.
248
670718
3888
Majd művészettel és meséléssel
lehelünk beléjük életet.
lehelünk beléjük életet.
11:27
We use storytelling and art
to bring them to life.
to bring them to life.
249
675030
2846
11:30
It's this interweaving of art and science
250
678440
4011
Ahogy a művészet és a tudomány
így összefonódik,
így összefonódik,
11:34
that elevates the world
to a place of wonder,
to a place of wonder,
251
682475
3663
az a világot egy csodás helyre emeli,
11:38
a place with soul,
252
686162
1633
egy lélekkel teli helyre,
11:39
a place we can believe in,
253
687819
1770
olyan helyre, amiben hihetünk,
11:42
a place where the things
you imagine can become real --
you imagine can become real --
254
690262
3341
olyan helyre, ahol elképzelt dolgaink
valósággá válnak,
valósággá válnak,
11:47
and a world where a girl suddenly realizes
255
695071
3212
és olyan világba, ahol egy lány rádöbben,
11:50
not only is she a scientist,
256
698307
2160
hogy nemcsak tudós,
11:52
but also an artist.
257
700491
1315
hanem egyben festő is.
11:54
Thank you.
258
702544
1151
Köszönöm.
11:55
(Applause)
259
703719
3280
(Taps)
ABOUT THE SPEAKER
Danielle Feinberg - Director of photography, PixarAt Pixar, Danielle Feinberg delights in bending the rules of light to her every whim.
Why you should listen
Danielle Feinberg began her career at Pixar Animation Studios in 1997 on the feature film A Bug's Life. She quickly discovered her love for lighting and went on to light on many of Pixar's feature films including Toy Story 2, Monsters, Inc., the Academy Award®-winning Finding Nemo, The Incredibles and Ratatouille. Feinberg was the director of photography for lighting on Pixar’s Academy Award®-winning films WALL-E and Brave and is now working on Pixar's upcoming film, Coco.
Feinberg's love of combining computers and art began when she was eight years old and first programmed a Logo turtle to create images. This eventually led her to a Bachelor of Arts in Computer Science from Harvard University. Now, in addition to her Pixar work, she mentors teenage girls, encouraging them to pursue code, math and science.
Danielle Feinberg | Speaker | TED.com