30 segundos no son el doble: Seedance 2.5 lleva el desafío del video AI más allá de la cámara

Informe de CoinWorld:

Las personas que utilizan AI para hacer videos por primera vez suelen pasar rápidamente por dos etapas.

La primera es la emoción. Los personajes se mueven, la cámara se acerca, y la luz y la sombra parecen tener sentido. Después de probar varias veces, la emoción es reemplazada por otra sensación: se han acumulado muchas tomas bonitas, pero al ponerlas en la línea de tiempo, no se siente como una película. Esta persona estaba vestida de negro, y al cambiar el ángulo, el cuello de la camisa ha cambiado; estaba lloviendo hace un segundo, y al siguiente, el suelo está seco; cada imagen por separado se ve bien, pero juntas no encajan.

Seedance 2.5 ha aumentado el límite de generación de un solo video de 15 segundos a 30 segundos, y ahora puede recibir más imágenes, videos y referencias de audio a la vez. Desde su lanzamiento a finales de julio, la discusión se ha centrado casi por completo en "30 segundos de salida directa". Pero quienes han usado modelos de video saben que duplicar la duración no significa simplemente esperar un poco más.

15 segundos son suficientes para hacer una acción, crear una atmósfera o mostrar un producto. A partir de 30 segundos, comienza a formarse la estructura mínima de una historia: un personaje debe pasar de un estado a otro, la acción debe tener una causa, y las emociones deben tener un punto de caída. Cuantos más pasos da el personaje, más cosas necesita recordar el modelo.

En una prueba de Geek Park, se escribió una escena en una cafetería: un periodista mirando un documento en blanco, bebiendo café, comenzando a escribir, mientras afuera la luz cambia de un cálido amarillo a un profundo azul, y finalmente cierra la computadora. Las palabras clave no son complicadas, pero los desafíos están ocultos en el proceso: la relación entre la mano y la taza, el cambio de luz exterior, el ritmo de teclear, y la expresión del personaje que pasa de la ansiedad a la relajación. Si se cometen dos o tres errores en estos detalles, la audiencia se desconectará.

Por lo tanto, la presión que trae Seedance 2.5 recae primero sobre los creadores. Antes, escribir algo como "sensación cinematográfica, atardecer, cámara lenta" y obtener un bonito fragmento era suficiente; ahora hay que pensar claramente en lo que realmente sucede en esos 30 segundos.

El aumento en la capacidad de material también presenta el mismo problema. El modelo puede procesar más imágenes, videos y audio de referencia, pero el material no se organizará automáticamente. ¿Qué imagen representa al personaje? ¿Qué video solo se utiliza para el movimiento de cámara? ¿De dónde proviene la música? ¿Qué referencias son conflictivas? Todo esto debe ser decidido por alguien. El cuadro de entrada está volviendo a ser una mesa de trabajo.

Esta es también la razón por la que recientemente han vuelto a estar de moda las "inteligentes referencias" y la "gestión de guiones gráficos". Lo que hacen no es misterioso: descomponen un video maduro en tomas, movimientos y música, permitiendo que los creadores sepan exactamente qué están imitando, y luego distribuyen el material de referencia a las partes correspondientes.

La generación de video ha llegado a un punto similar a la fotografía digital temprana. Las cámaras son cada vez más inteligentes, pero eso no ha eliminado la necesidad de composición y edición; simplemente ha hecho que presionar el obturador sea más barato. Lo mismo ocurre con los videos AI. El modelo se encarga de generar el material, pero la selección del producto final aún depende de la elección.

Los 30 segundos también han cambiado la división del trabajo dentro del equipo. En la era de los fragmentos cortos, la persona más familiarizada con el modelo solía encargarse de las palabras clave, la selección de clips y la edición inicial; a medida que la duración aumenta, el guion y la gestión de activos vuelven a tener peso. ¿Qué ángulos deben prepararse para el mismo personaje? ¿Qué vestuario y accesorios deben mantenerse en ciertas tomas? ¿El audio es generado directamente por el modelo o se añade después? Todo esto debe decidirse antes de la generación. De lo contrario, el tiempo de rodaje ahorrado al principio se convertirá en interminables regrabaciones más adelante.

Esta es también la razón por la que "50 materiales de referencia" pueden ser malinterpretados. La capacidad indica cuánta información permite el modelo, pero no garantiza que cada pieza de información sea comprendida de igual manera. Cuanta más referencia hay, mayor es la probabilidad de conflictos. Lo que los creadores deben hacer no es llenar el límite, sino priorizar el material: esta imagen se centra en la cara, ese video solo referencia el movimiento, esta pista de audio determina el ritmo. En este punto, las palabras clave se asemejan más a un plan de rodaje simplificado.

Los problemas de derechos de autor también se amplifican con la duración. Una cara similar, un segundo que se asemeja a la composición de una película, puede pasar desapercibido en la difusión fragmentada; pero al entrar en una narrativa completa, el origen de los personajes, escenarios y música se vuelve más fácil de identificar. Si un equipo comercial planea usar videos generados para publicidad y series, no basta con decir "el modelo puede generar"; también deben conservar el origen de los materiales de referencia, el alcance de la autorización y el registro de cada modificación.

El sonido tampoco puede ser evaluado solo por "si se genera de manera sincronizada". ¿Se omiten palabras en los diálogos? ¿El sonido ambiental se interrumpe repentinamente? ¿La música ahoga a los personajes? Todo esto debe ser revisado. Una vez que la imagen es aceptable, los problemas que antes se resolvían con grabación, edición y mezcla, regresarán uno por uno al proceso.

Para los equipos comerciales, los números deben ser aún más precisos. Un primer plano del protagonista merece ser generado repetidamente con un modelo de alta calidad, mientras que un breve plano de medio segundo de una escena de calle puede no ser necesario. Usar el modelo más caro para cada corte no garantiza un mejor producto final; el costo de computación podría descontrolarse primero. Si los 30 segundos son utilizables, no se trata de cuán impresionante es la demostración oficial, sino de cuántas veces un equipo tiene que rehacer para obtener una versión entregable.

Seedance 2.5 es, sin duda, una actualización de capacidades. Ha avanzado en la consistencia de los personajes y la expresión continua, y ha cambiado la pregunta de "¿puede el modelo generar?" a "¿sabe el creador lo que quiere?".

Un minuto, dos minutos llegarán tarde o temprano. En ese momento, las empresas de modelos seguirán hablando de duración, mientras que quienes realmente hacen las películas probablemente solo se preocuparán por tres cosas: cuántas veces se modifica, cuánto cuesta, y si la audiencia estará dispuesta a ver hasta el final.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.