Se a IA consegue gerar dez belas cenas, isso significa que consegue entregar um filme?
Na primeira cena, a pessoa está usando um casaco preto; na terceira, seu rosto muda de repente. Quando voltamos ao quarto, a porta também mudou de lugar. Cada trecho é nítido, mas, juntos, não podem ser usados. É aí que está uma das partes mais caras da produção de vídeos longos.
O Google programou uma demonstração do Co-Director para a conferência COLM, de 6 a 9 de outubro. Em conjunto com a pesquisa anunciada em 24 de setembro, ela se concentra no planejamento global de histórias com várias cenas. A estrutura CANVAS relacionada registra continuamente o estado dos personagens, lugares e objetos, para que cenas que reaparecem depois de várias tomadas ainda mantenham a continuidade.
O avanço aqui está na continuidade entre cenas; a programação da demonstração na conferência não significa que já tenha gerado receita comercial. Uma geração individual pode sair mais barata, mas, se for preciso refazer metade do filme para corrigir uma peça de roupa, o custo de entrega ainda pode ser alto.
O que observo com atenção é: se os personagens continuam iguais quando saem de cena e voltam; se as mudanças nos objetos fazem sentido na história; e se alterar uma cena anterior prejudica as seguintes. Quando essas verificações puderem ser feitas de forma consistente, será mais fácil para as equipes de produção transferir o orçamento dos ajustes manuais para a produção propriamente dita.
Quem acompanha RENDER, FET e NEAR, ligados à computação de IA e a agentes inteligentes, também deve monitorar a adoção real e os resultados de entrega. Não há aqui evidências de que tenham participado do projeto do Google.
A segunda imagem é uma foto de arquivo de um edifício do Google, não do local da conferência.
$RENDER $FET $NEAR
Toque na minha foto de perfil para ver minhas operações reais com sinais
Na primeira cena, a pessoa está usando um casaco preto; na terceira, seu rosto muda de repente. Quando voltamos ao quarto, a porta também mudou de lugar. Cada trecho é nítido, mas, juntos, não podem ser usados. É aí que está uma das partes mais caras da produção de vídeos longos.
O Google programou uma demonstração do Co-Director para a conferência COLM, de 6 a 9 de outubro. Em conjunto com a pesquisa anunciada em 24 de setembro, ela se concentra no planejamento global de histórias com várias cenas. A estrutura CANVAS relacionada registra continuamente o estado dos personagens, lugares e objetos, para que cenas que reaparecem depois de várias tomadas ainda mantenham a continuidade.
O avanço aqui está na continuidade entre cenas; a programação da demonstração na conferência não significa que já tenha gerado receita comercial. Uma geração individual pode sair mais barata, mas, se for preciso refazer metade do filme para corrigir uma peça de roupa, o custo de entrega ainda pode ser alto.
O que observo com atenção é: se os personagens continuam iguais quando saem de cena e voltam; se as mudanças nos objetos fazem sentido na história; e se alterar uma cena anterior prejudica as seguintes. Quando essas verificações puderem ser feitas de forma consistente, será mais fácil para as equipes de produção transferir o orçamento dos ajustes manuais para a produção propriamente dita.
Quem acompanha RENDER, FET e NEAR, ligados à computação de IA e a agentes inteligentes, também deve monitorar a adoção real e os resultados de entrega. Não há aqui evidências de que tenham participado do projeto do Google.
A segunda imagem é uma foto de arquivo de um edifício do Google, não do local da conferência.
$RENDER $FET $NEAR
Toque na minha foto de perfil para ver minhas operações reais com sinais
