La maggior parte degli strumenti di video AI sono costruiti per il momento clou. Sora, Kling, Luma, Runway: tutti sono ottimizzati per il momento dello spettacolo: un clip di cinque secondi sorprendente, un esperimento visivo che appare impressionante sui social media.
Ciò che raramente risolvono è la parte che conta davvero per i narratori professionisti: la coerenza scena per scena, l'identità dei personaggi attraverso i tagli e un controllo creativo granulare che non richieda di ricominciare da capo ogni volta che qualcosa è leggermente fuori posto.
È questo il divario che Utopai Studios sta cercando di colmare con PAI. Il suo team, proveniente da Google Research, Meta Superintelligence, Amazon AGI e Adobe Firefly, ha costruito PAI specificamente per la produzione cinematografica a lunga forma: fino a 16 inquadrature in un unico flusso narrativo, output fino a un minuto di durata e risoluzione fino al 4K.
Include anche una protezione del copyright integrata che blocca la generazione contro proprietà intellettuale protetta, personaggi protetti da copyright e somiglianze pubbliche reali, una funzionalità pensata per studi e professionisti che non possono permettersi violazioni accidentali.
PAI è stato aperto al pubblico all'inizio di questo mese. Siamo entrati, abbiamo dedicato tempo a ogni fase del flusso di lavoro e abbiamo perso alcuni crediti lungo il percorso. Ecco il quadro completo.
La schermata principale assomiglia a ChatGPT o a qualsiasi tipica interfaccia chatbot. Da lì, si navigano cinque schede: Personaggi, Storyboard, Video, Editor e Cronologia.
Ma non lasciatevi ingannare: PAI non è uno strumento prompt-and-wait come Sora o Veo. È una pipeline di produzione strutturata con un livello di linguaggio naturale sopra, e la distinzione conta molto quando i crediti sono in gioco.
Questa è la funzionalità più forte dell'intera suite, e probabilmente il sistema di generazione di personaggi più impressionante attualmente disponibile in qualsiasi strumento di video AI.
Gli utenti possono lasciare che il modello crei personaggi da solo o fornirgli immagini di riferimento su cui lavorare. Ciò che fa non è il face-swapping: non trapianta la somiglianza di una persona reale come fanno gli strumenti deepfake. Invece, genera modelli completamente nuovi che sono estremamente vicini al riferimento, senza i problemi legali ed etici che derivano dalla sostituzione diretta del viso. Tutti gli output sono filigranati con SynthID.
La maggior parte dei personaggi generati dall'AI ha una qualità della pelle cerosa che li tradisce immediatamente. Quelli di PAI no, o almeno non nella stessa misura. La texture della pelle sembra realistica, così come il modo in cui la luce interagisce con il viso, e i dettagli sono forti. Che ciò derivi da un modello proprietario o da un flusso di generazione insolitamente raffinato, i risultati parlano da soli.
La modifica dei personaggi avviene tramite linguaggio naturale: ho generato un personaggio usando l'aspetto di mia moglie come riferimento, ma ho trovato il risultato troppo magro, quindi ho chiesto al modello di regolare le proporzioni del corpo per corrispondere meglio al riferimento. Ha capito esattamente cosa intendevo e lo ha corretto.
L'unico avvertimento costante: è lento. Anche la generazione di immagini di base dei personaggi richiede un paio di minuti per esecuzione.
Puoi eseguire lo storyboard in modalità automatica e lasciare che il modello faccia tutto per te, ma non è per questo che è stato costruito.
PAI premia l'input dettagliato qui. Più spieghi, cosa fanno i personaggi in ogni scena, cosa dicono e come si muove la storia, meglio funziona il modello. Fornisci quella specificità e userà l'AI per espandere i dettagli, poi costruirà circa una dozzina di keyframe. Ogni frame viene fornito con un'immagine della scena e una descrizione di ciò che sta accadendo in quel momento esatto: azioni dei personaggi, dialogo e composizione visiva.
Puoi modificare ogni keyframe individualmente prima di impegnarti in qualsiasi cosa. Il controllo è davvero granulare. Una volta soddisfatto, dici al modello di procedere e chiede conferma finale prima del rendering. Questo flusso di revisione prima del rendering è una progettazione intelligente. Forza decisioni deliberate e individua i problemi prima che diventino costosi.
Detto questo, anche la modifica più piccola richiede tempo e brucia crediti. Muoviti con cautela.
Quando funziona, un rendering riuscito richiede circa 30 minuti per produrre un minuto completo di video. La qualità dell'output giustifica l'attesa. Gli angoli di ripresa cambiano naturalmente e rispettano i keyframe stabiliti, l'illuminazione è naturale e i personaggi non hanno quella qualità vuota e assente che rende la maggior parte delle generazioni video AI senza vita. Le voci sono coerenti tra le scene, con un'intonazione corretta che regge anche dopo i tagli ad altri elementi.
Quando la telecamera si rimette a fuoco su un personaggio dopo aver mostrato qualcos'altro, torna esattamente come era rimasto. Lo sfondo rimane stabile per tutto il tempo e, sebbene esistano distorsioni e artefatti, sono minori. Un punto debole: il modello non gestisce bene il testo nel video. Può produrre elementi di testo di base, ma non fare affidamento su di esso per qualsiasi cosa che richieda una tipografia precisa sullo schermo.
Ecco un esempio di una generazione realizzata con tutto gestito automaticamente dal modello.
Ora la parte più difficile. Una delle nostre sequenze di test è fallita tre volte consecutive. Il primo tentativo ha richiesto circa 45 minuti, ha consumato crediti come se fosse stato generato un video completo e ha prodotto un risultato vuoto. Abbiamo detto al chatbot che non aveva generato nulla. Ha riconosciuto l'errore e ha ricominciato.
Un'ora dopo, ancora nulla. Abbiamo provato una terza volta. Stesso esito. Tre tentativi, perdita significativa di crediti e zero filmati. Quando abbiamo rinunciato, eravamo quasi senza crediti e abbiamo dovuto andare avanti.
Questo non è un bug minore quando si paga denaro reale e si lavora con scadenze professionali. L'interfaccia riconosce che gli errori accadono. Viverlo direttamente è un'altra cosa, soprattutto considerando che avrai bisogno di un saldo positivo per scaricare un video se i tuoi crediti sono stati consumati durante il processo di generazione.
Nel nostro primo test con tutto selezionato automaticamente, ho commesso un errore dell'utente: ho inserito due foto di riferimento senza specificare quale personaggio dovesse usare quale, e il modello le ha assegnate al contrario: il personaggio maschile (io) è stato generato dal riferimento femminile (mia moglie), e viceversa.
Dimenticate quella traumatica immagine di me come donna, e il video risultante è comunque finito per essere il video AI a lunga forma più coerente che abbia mai prodotto. Anche con i riferimenti sbagliati, il modello ha mantenuto la continuità visiva e tonale da scena a scena. Questo dice molto sull'architettura sottostante.
La lezione di entrambe le esperienze è la stessa: i normali strumenti di video AI assumono tutto per te, il che significa che non devi pensare molto, ma devi anche accettare qualunque cosa decidano. PAI ti dà il controllo. E con quel controllo arriva la piena responsabilità di ciò che inserisci.
Una volta completato un video, la scheda Editor ti consente di dirigere le revisioni interamente in linguaggio naturale. Inserisci elementi in una scena, cancellali, cambia i colori, regola l'illuminazione, riformula il dialogo o aggiorna il lip sync, e il modello esegue nuovamente il rendering di conseguenza. Capisce davvero cosa stai chiedendo.
Questo non è un filtro di post-elaborazione. È una revisione iterativa guidata dall'AI a livello di scena. La capacità di descrivere un'intenzione editoriale e ricevere filmati corretti in risposta cambia completamente la relazione creativa tra un regista e il suo materiale. Questa funzionalità, più di qualsiasi altra in PAI, sembra indicare dove potrebbe andare il montaggio video AI nel prossimo futuro.
Ad esempio, dopo aver visto il primo video, ho chiesto al modello di correggere l'errore di genere usando i riferimenti corretti.
Una volta elaborato, è passato da questo:
A questo:
La scheda Cronologia registra una timeline completa di ogni interazione: prompt, modifiche, tentativi di rendering, tutto.
Per i creatori singoli, fornisce un contesto utile. Per i team, potrebbe essere un vero livello di collaborazione in cui diversi utenti possono vedere come i colleghi hanno diretto il modello, capire cosa ha funzionato e cosa no, e continuare da una registrazione creativa condivisa.
Il prezzo di PAI è di $100 per 10.000 crediti. Nei nostri test, 2.000 crediti hanno coperto quattro video (uno completato, tre no) per un totale di quattro minuti: due personaggi generati per video con più iterazioni prima del rendering, sviluppo dello storyboard su prompt ricchi e dettagliati e circa due round di modifica post-rendering.
Nel complesso, PAI sembra uno strumento professionale costruito per persone che prendono davvero sul serio il video AI. È lento, non perdona l'inesperienza, francamente potrebbe usare un bel tutorial, ed è in grado di bruciare il tuo budget molto rapidamente. L'interfaccia non è infallibile e il sistema ti punirà se arrivi impreparato.
Dopo una prima sessione passata a imparare come pensa, il nostro secondo round di test ha prodotto risultati molto sorprendenti e piacevoli, il tipo che di solito richiede tecniche di face-swap, round di tentativi ed errori e modifiche in post-produzione.
Per i creatori video professionisti, per i quali continuità, sicurezza della proprietà intellettuale e qualità cinematografica sono elementi non negoziabili, PAI è il miglior sistema di video AI a lunga forma disponibile al momento. Risolvete i problemi di affidabilità e nient'altro si avvicina, almeno per ora.
Ricevi notifiche
Il futuro della narrazione, nella tua casella di posta.
