SpaceXAI ha presentato Grok Imagine Video 1.5, un agente per la generazione video progettato per migliorare uno dei problemi più evidenti dei sistemi AI attuali: la continuità tra scene differenti. L’aggiornamento non introduce un nuovo modello Video 1.6, ma aggiunge al già esistente Video 1.5 un livello di orchestrazione incaricato di pianificare le scene, coordinare le diverse generazioni e collegarle in modo più coerente. L’obiettivo non è quindi soltanto aumentare la qualità visiva delle singole clip, ma fare in modo che più inquadrature consecutive risultino parte dello stesso racconto, mantenendo stabili identità dei personaggi, abiti, oggetti di scena, ambienti, illuminazione, azioni e stile visivo complessivo.
Alla base del sistema viene utilizzato Image 2.0, il modello di generazione immagini di SpaceXAI progettato per seguire in modo più preciso le istruzioni dell’utente e mantenere la coerenza di personaggi, luoghi ed elementi visivi. Image 2.0 può utilizzare fino a cinque immagini di riferimento, che l’agente può sfruttare per preservare tra una scena e l’altra caratteristiche come il volto dello stesso personaggio, il suo abbigliamento, lo sfondo e gli oggetti presenti. Questa componente viene poi combinata con Video 1.5, che trasforma lo stato visivo inizialmente costruito in sequenze animate.
Il problema affrontato riguarda un limite ricorrente della generazione video AI. All’interno di una singola clip breve, personaggi e oggetti possono rimanere relativamente stabili, ma quando cambia l’angolo della telecamera o la scena si sposta in un altro ambiente diventano frequenti variazioni del volto, dell’abbigliamento, della geometria degli spazi o della disposizione degli elementi. Quando più clip indipendenti vengono unite successivamente, il risultato può quindi assomigliare a una sequenza di immagini separate piuttosto che a un video realmente continuo. Grok Imagine Video 1.5 cerca di affrontare questo problema attraverso la cosiddetta multi-shot continuity, cioè la continuità tra più inquadrature.
Il funzionamento prevede che l’agente scomponga una singola richiesta in più scene e coordini le diverse fasi necessarie per produrle, trasferendo informazioni dalla scena precedente a quella successiva. In questo modo il sistema può utilizzare lo stato già costruito come riferimento durante la generazione delle nuove clip, invece di trattare ogni segmento come un contenuto completamente indipendente. La qualità viene quindi valutata non soltanto all’interno della singola sequenza, ma anche in termini di coerenza narrativa e visiva tra più scene consecutive.
La combinazione tra Image 2.0 e Video 1.5 consente di separare in parte la definizione dello stato visivo dalla sua animazione. Image 2.0 può stabilire l’aspetto del personaggio, dell’ambiente e degli altri elementi della scena, mentre Video 1.5 utilizza questa base per generare il movimento. SpaceXAI non ha però descritto nel dettaglio l’architettura utilizzata dall’agente per gestire lo stato tra una scena e l’altra, né ha spiegato se e in quale modo il sistema effettui automaticamente controlli sulla coerenza dei risultati o rigeneri le clip che non rispettano sufficientemente i riferimenti precedenti.
L’aggiornamento si inserisce nelle funzionalità già introdotte recentemente in Grok Imagine. Video 1.5 era già stato esteso con il supporto a immagini di riferimento, personaggi, scene e voce, mentre Image 2.0 aveva migliorato la coerenza tra immagini correlate. Il nuovo agente utilizza queste capacità come parti di un unico processo di produzione, coordinandole invece di lasciarle come strumenti separati. La principale novità consiste quindi nell’orchestrazione del flusso di lavoro, che punta a trasformare più generazioni brevi in una sequenza visivamente e narrativamente più uniforme.
Video 1.5 può attualmente generare clip della durata massima di 15 secondi e produce anche l’audio insieme al video. Il sistema non è quindi pensato per creare direttamente un lungometraggio completo attraverso una singola generazione, ma per costruire più scene brevi mantenendo una maggiore continuità tra una sequenza e quella successiva. Grok Imagine Video 1.5 assume così la forma di un ambiente di produzione AI in cui la generazione delle singole clip viene inserita in un processo più ampio di pianificazione e coordinamento delle scene.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)