La mayoría de las herramientas de video AI están diseñadas para el momento destacado. Sora, Kling, Luma, Runway: todas están optimizadas para el espectáculo: un clip de cinco segundos impactante, un experimento visual que se ve impresionante en las redes sociales.
Lo que rara vez resuelven es la parte que realmente importa a los narradores profesionales: la consistencia entre escenas, la identidad de los personajes a través de los cortes y el control creativo granular que no requiere empezar de cero cada vez que algo está ligeramente mal.
Esa es la brecha que Utopai Studios está atacando con PAI. Su equipo, formado por Google Research, Meta Superintelligence, Amazon AGI y Adobe Firefly, construyó PAI específicamente para la producción cinematográfica de formato largo: hasta 16 tomas en un solo flujo narrativo, resultados de hasta un minuto de duración y resolución de hasta 4K.
También incluye protección de derechos de autor integrada que bloquea la generación contra IP protegidas, personajes con derechos de autor y semejanzas públicas reales, una característica dirigida a estudios y profesionales que no pueden permitirse una infracción accidental.
PAI acaba de abrirse al público a principios de este mes. Entramos, pasamos tiempo en cada etapa del flujo de trabajo y perdimos algunos créditos en el camino. Aquí está el panorama completo.
La pantalla principal se parece a ChatGPT o a cualquier interfaz típica de chatbot. Desde allí, navegas por cinco pestañas: Personajes, Storyboard, Video, Editor e Historial.
Pero no te dejes engañar: PAI no es una herramienta de prompt y esperar como Sora o Veo. Es un pipeline de producción estructurado con una capa de lenguaje natural encima, y la distinción importa, y mucho, cuando los créditos están en juego.
Esta es la característica más fuerte de todo el conjunto, y posiblemente el sistema de generación de personajes más impresionante disponible actualmente en cualquier herramienta de video AI.
Los usuarios pueden dejar que el modelo cree personajes por sí solo o alimentarlo con imágenes de referencia para trabajar. Lo que hace no es intercambio de caras: no trasplanta la semejanza de una persona real como hacen las herramientas de deepfake. En cambio, genera modelos completamente nuevos que están muy cerca de la referencia, sin los problemas legales y éticos que conlleva el reemplazo directo de caras. Todas las salidas están marcadas con SynthID.
La mayoría de los personajes generados por AI tienen una calidad de piel cerosa que los delata de inmediato. Los de PAI no, o al menos no en la misma escala. La textura de la piel se ve realista, al igual que la forma en que la luz interactúa con la cara, y los detalles son fuertes. Ya sea que esto provenga de un modelo propietario o de un flujo de generación inusualmente refinado, los resultados hablan por sí mismos.
La edición de personajes se realiza mediante lenguaje natural: generé un personaje usando la apariencia de mi esposa como referencia, pero el resultado era demasiado delgado, así que le pedí al modelo que ajustara las proporciones del cuerpo para que coincidieran mejor con la referencia. Entendió exactamente lo que quería decir y lo corrigió.
La única advertencia constante: es lento. Incluso la generación básica de imágenes de personajes tarda un par de minutos por ejecución.
Puedes ejecutar el storyboard en automático y dejar que el modelo haga todo por ti, pero no es para eso que fue construido.
PAI recompensa la entrada detallada aquí. Cuanto más expliques, qué hacen los personajes en cada escena, qué dicen y cómo se mueve la historia, mejor funciona el modelo. Alimenta esa especificidad y usará AI para expandir los detalles, luego construirá alrededor de una docena de fotogramas clave. Cada fotograma viene con una imagen de escena y una descripción de lo que sucede en ese momento exacto: acciones de los personajes, diálogo y composición visual.
Puedes editar cada fotograma clave individualmente antes de comprometerte con nada. El control es genuinamente granular. Una vez que estés satisfecho, le dices al modelo que proceda, y pide confirmación final antes de renderizar. Este flujo de revisión antes de renderizar es un diseño inteligente. Fuerza decisiones deliberadas y detecta problemas antes de que se conviertan en costosos.
Dicho esto, incluso la edición más pequeña lleva tiempo y quema créditos. Muévete con cuidado.
Cuando funciona, un renderizado exitoso tarda alrededor de 30 minutos en producir un minuto completo de video. La calidad de salida justifica esa espera. Los ángulos de cámara cambian naturalmente y respetan los fotogramas clave establecidos, la iluminación es natural y los personajes no tienen la calidad hueca y vacía que hace que la mayoría de las generaciones de video AI se sientan sin vida. Las voces son consistentes entre escenas, con una entonación adecuada que se mantiene incluso después de cortes a otros elementos.
Cuando la cámara vuelve a enfocar a un personaje después de mostrar otra cosa, regresan luciendo exactamente como se fueron. El fondo se mantiene estable durante todo el video, y aunque existen deformaciones y artefactos, son menores. Una debilidad: el modelo no maneja bien el texto dentro del video. Puede producir elementos de texto básicos, pero no confíes en él para nada que requiera tipografía precisa en pantalla.
Aquí hay una muestra de una generación hecha con todo manejado automáticamente por el modelo.
Ahora la parte difícil. Una de nuestras secuencias de prueba falló tres veces consecutivas. El primer intento tomó alrededor de 45 minutos, consumió créditos como si se hubiera generado un video completo y produjo un resultado vacío. Le dijimos al chatbot que no había generado nada. Reconoció el error y reinició.
Una hora después, todavía nada. Intentamos una tercera vez. Mismo resultado. Tres intentos, pérdida significativa de créditos y cero metraje. Para cuando nos rendimos, estábamos casi sin créditos y tuvimos que seguir adelante.
Esto no es un error menor cuando estás pagando dinero real y trabajando dentro de plazos profesionales. La interfaz reconoce que los errores ocurren. Experimentarlo directamente es otra cosa, especialmente considerando que necesitarás un saldo positivo para descargar un video si tus créditos se consumieron durante el proceso de generación.
En nuestra primera prueba con todo seleccionado automáticamente, cometí un error de usuario: alimenté dos fotos de referencia sin especificar qué personaje debería usar cuál, y el modelo las asignó al revés: el personaje masculino (yo) se generó a partir de la referencia femenina (mi esposa), y viceversa.
Olvídate de esa imagen traumática de mí como mujer, y el video resultante terminó siendo el video AI de formato largo más consistentemente renderizado que he producido. Incluso con las referencias equivocadas, el modelo mantuvo la continuidad visual y tonal de escena a escena. Eso dice mucho sobre la arquitectura subyacente.
La lección de ambas experiencias es la misma: las herramientas normales de video AI asumen todo por ti, lo que significa que no tienes que pensar mucho, pero también tienes que aceptar lo que decidan. PAI te da control. Y con ese control viene la responsabilidad total de lo que pones.
Una vez que un video está completo, la pestaña Editor te permite dirigir revisiones completamente en lenguaje natural. Inserta elementos en una escena, elimínalos, cambia colores, ajusta la iluminación, reformula el diálogo o actualiza la sincronización de labios, y el modelo re-renderiza en consecuencia. Realmente entiende lo que pides.
Esto no es un filtro de postprocesamiento. Es una revisión iterativa impulsada por AI a nivel de escena. La capacidad de describir una intención editorial y recibir metraje corregido en respuesta cambia por completo la relación creativa entre un director y su material. Esta característica, más que cualquier otra en PAI, parece el futuro de la edición de video AI.
Por ejemplo, después de ver el primer video, le pedí al modelo que corrigiera el error de género usando las referencias adecuadas.
Una vez procesado, pasó de esto:
A esto:
La pestaña Historial registra una línea de tiempo completa de cada interacción: prompts, ediciones, intentos de renderizado, todo.
Para creadores individuales, proporciona contexto útil. Para equipos, puede ser una capa de colaboración real donde diferentes usuarios pueden ver cómo los colegas han dirigido el modelo, entender qué funcionó y qué no, y continuar desde un registro creativo compartido.
El precio de PAI es de $100 por 10,000 créditos. En nuestras pruebas, 2,000 créditos cubrieron cuatro videos (uno completado, tres no) que sumaron cuatro minutos: dos personajes generados por video con múltiples iteraciones antes del renderizado, desarrollo de storyboard con prompts ricos y detallados, y alrededor de dos rondas de edición posterior al renderizado.
En general, PAI se siente como una herramienta profesional construida para personas que realmente se toman en serio el video AI. Es lento, no perdona la inexperiencia (francamente podría usar un buen tutorial) y capaz de quemar tu presupuesto muy rápidamente. La interfaz no es infalible, y el sistema te castigará por ir sin preparación.
Después de una primera sesión dedicada a aprender cómo piensa, nuestra segunda ronda de pruebas produjo resultados muy sorprendentes y agradables, del tipo que normalmente requieren técnicas de intercambio de caras, rondas de prueba y error y ediciones en postproducción.
Para creadores de video profesionales, para quienes la continuidad, la seguridad de la propiedad intelectual y la calidad cinematográfica son elementos no negociables, PAI es el mejor sistema de video AI de formato largo disponible en este momento. Arregla los problemas de confiabilidad, y nada más se le acerca, al menos por ahora.
Recibir notificaciones
El futuro de la narración, en tu bandeja de entrada.
