A maioria das ferramentas de vídeo com IA funciona como uma máquina caça-níqueis. Você escreve um prompt, puxa a alavanca e aceita o que sair. Uma puxada pode lhe dar algo bonito. Junte um filme inteiro assim e você terá outra coisa: uma sequência de clipes que nunca combinam direito, um estilo que muda de cena para cena, uma história que não se sustenta. Li Lian, o diretor veterano que fundou a Versatile Media, nomeia o problema com precisão. "Muitas ferramentas de IA apenas entregam uma ferramenta. Você escreve algo, ela gera conteúdo. Em grande parte, a IA está controlando você."
MOKE (墨客) foi construído para inverter essa relação. É um fluxo de trabalho de vídeo generativo node-based e ponta a ponta que coloca o cineasta de volta na cadeira de diretor, transformando uma dispersão de gerações sortudas em um pipeline que um criador pode realmente conduzir do roteiro ao corte final.
O que um criador pode fazer com ele
A Versatile Media produz cerca de 30 curtas-dramas por mês através do MOKE. Um criador que nunca tocou na plataforma pode ser produtivo após um a três dias de integração e produzir um vídeo finalizado de dois minutos por cerca de ¥250. O mesmo fluxo de trabalho já produziu campanhas publicitárias AIGC para marcas nacionais como Laoxiangji e Haidilao. Isso é uma linha de produção funcional, não uma demonstração.
O MOKE funciona em uma tela infinita. À esquerda estão os painéis de funções e nós; o espaço de trabalho é onde o filme se constrói. Um criador solta um nó para gerar um roteiro, usa outro para dividir esse roteiro em segmentos, depois impulsiona keyframes e tomadas adiante, cada etapa alimentando a seguinte dentro de um fluxo de trabalho conectado. Uma vez que um pipeline funciona, ele pode ser duplicado e compartilhado, de modo que um visual que exigiu esforço real para ser ajustado se torna um modelo que toda a equipe pode reutilizar. As filmagens podem ser upscaled para alta resolução dentro do mesmo fluxo.
A estrutura de pipeline é importante porque um filme finalizado não é um problema de IA, são muitos: o roteiro e a lista de tomadas, os storyboards e keyframes, as tomadas em movimento, os cenários e movimentos de câmera no espaço, a trilha sonora e o design de som. Ferramentas de "prompt e reze" tratam cada geração como uma aposta isolada. O MOKE as trata como estágios de uma única produção, de modo que as decisões tomadas no início se mantêm até o fim.
O gosto é o trabalho agora
Remover a aposta não remove o criador, o promove. Quando a ferramenta para de controlá-lo, o julgamento se torna o ingrediente escasso. Li coloca de forma direta:
"Seu gosto se torna ainda mais importante. Digamos que eu gere 100 clipes diferentes de seis segundos. Qual é o melhor? No final, o gosto é o que decide."
Li Lian (李鍊), fundador da Versatile Media e diretor por trás do MOKE.
A amplitude é o que dá ao gosto algo com que trabalhar. O MOKE consolida suas chamadas de modelo de alto volume na API de inferência única da Atlas Cloud, de modo que a equipe não fica presa a um modelo por trabalho. Como a Atlas oferece muitos modelos dentro de cada tipo de trabalho, e não um só, os criadores do MOKE podem combinar o modelo à tomada e escolher a melhor take de fato. Um pipeline de ferramenta única não dá ao diretor nada entre o que escolher. Um pipeline com amplitude real por trás transforma o gosto em trabalho finalizado.
Li é sincero ao dizer que as ferramentas ainda têm lacunas, e é por isso que o controle em todo o pipeline é importante. "O maior obstáculo da IA agora é que ela não consegue fazer um controle muito preciso no eixo de profundidade. O movimento em profundidade ainda é um ponto fraco, e provavelmente ainda precisa de técnicas auxiliares como zoom, panorâmica e dolly." Mas sobre o básico ele é inequívoco: "Quando se trata de luz e sombra, muitos modelos já são muito bons. Eles conseguem descrever a luz com muita precisão." O MOKE é construído para se apoiar no que os modelos fazem bem e dar ao criador alças onde eles não fazem.
Propriedade que os criadores podem provar
Para um criador ativo, um filme não está terminado quando é renderizado, está terminado quando está protegido. O MOKE incorpora direitos autorais no fluxo de trabalho. Um criador pode pegar o trabalho feito na plataforma e solicitar a atestação diretamente: um timestamp confiável, prova baseada em blockchain e um certificado, com um caminho para um identificador de direitos autorais digitais DCI e um certificado de obra registrada do Centro de Proteção de Direitos Autorais da China. A ferramenta que ajuda a fazer o filme também ajuda a provar que ele é seu.
Feito para um cineasta, ou dois
A mudança maior que o MOKE busca é quem pode fazer um filme. "No passado, a complexidade do ofício significava que nem todos eram qualificados ou capazes de criar", diz Li. Ele passou décadas dentro do modelo tradicional e conhecia seu teto por dentro. "Quando eu dirigia, metade do meu tempo era esperando que outras pessoas estivessem prontas. É um projeto coletivo. Se uma pessoa tem um problema, tudo desacelera."
O MOKE colapsa isso. "Em termos de criação em si, isso dá a muitas pessoas a oportunidade. Até uma ou duas pessoas agora podem completar uma história", diz Li. O controle está saindo de muitos departamentos e indo para as mãos do criador. "A estilização se tornará mais forte. No passado, o estilo era formado por muitos departamentos. Agora, vai se inclinar cada vez mais para o indivíduo." O que ele sempre quis é a coisa que o MOKE foi construído para entregar: criação livre de obstáculos, onde a técnica e os meios de execução nunca ficam entre um criador e a ideia.
A mudança é tanto econômica quanto criativa. Durante a maior parte da história da indústria, o limite rígido sobre quem podia criar algo não era talento, era dinheiro. Uma produção custava muito para que alguém apostasse em um nome não comprovado, então o trabalho, e o financiamento, iam para os poucos bancáveis. Quando um filme de dois minutos custa ¥250 em vez de uma fortuna, essa matemática se quebra. Um criador não precisa mais ser já comprovado para valer a pena tentar. Mais pessoas com uma ideia real e sem currículo conseguem fazer a coisa e deixar o trabalho falar por si.
Nada disso significa que a ferramenta pensa. Li é direto sobre isso também:
"Todo mundo que é bom em usar IA é bom porque já sabe fotografar, filmar, desenhar e escrever. A IA é como um espelho. Se você é tolo, ela também é tola."
O MOKE é uma ferramenta para pessoas com algo a dizer. Ela apenas remove quase tudo que costumava ficar entre elas e o ato de dizer.
Alimentado pela Atlas Cloud
Um pipeline que abrange tantos tipos de geração poderia facilmente se tornar uma bagunça de fornecedores: uma API diferente para cada etapa, uma chave diferente, uma conta diferente, um conjunto diferente de limites de taxa e modos de falha, e um custo constante de mover arquivos entre ferramentas que nunca foram feitas para conversar entre si. O MOKE evita isso executando suas chamadas de modelo de alto volume através da API de inferência única da Atlas Cloud. Uma chave, um endpoint, uma conta e acesso a um catálogo profundo de modelos de vídeo, imagem, linguagem e áudio através da mesma conexão. Quando um modelo melhor é lançado, ele fica disponível sem reintegrar nada. Esse backbone único é parte do que permite que uma ou duas pessoas façam um filme.
Sobre a Versatile Media
A Versatile Media (浙江博采传媒), fundada em 1993 e sediada em Hangzhou, com escritórios em Pequim e Vancouver, atua em conteúdo de cinema e televisão, produção virtual e publicidade. O estúdio possui 15 patentes de invenção e opera uma base de produção virtual de IA de aproximadamente 100.000 metros quadrados em Deqing, Zhejiang, lar de um laboratório de inovação em IA e produção cinematográfica virtual em parceria com o Instituto de Pesquisa em Ciência e Tecnologia Cinematográfica da China. O MOKE é a plataforma de vídeo generativo node-based do estúdio.
Li vê para onde isso vai. "No futuro, alguns filmes se tornarão filmes de autor. Uma pessoa pode fazer um filme e compartilhá-lo com amigos. Pode não ir mais para os cinemas, e sim ser distribuído por canais privados." A Versatile Media está construindo o fluxo de trabalho para exatamente esse futuro, na Atlas Cloud.
Sobre a Atlas Cloud
A Atlas Cloud é uma plataforma unificada de inferência de IA multimodal: mais de 400 modelos de vídeo, imagem, linguagem e áudio, através de uma chave de API, um endpoint e uma conta de faturamento, compatível com OpenAI para modelos de linguagem.
