Ho provato a fornire a un generatore di video AI un semplice previs realizzato con scatole e manichini. Un previs è un video approssimativo usato per definire in anticipo la disposizione dei personaggi, i movimenti e il lavoro di camera.

In breve: funziona piuttosto bene. Non riproduce però ogni dettaglio alla lettera. Al contrario, se gli si passa una regia generale, completa bene ciò che manca. Si è rivelato utile come progetto guida.

Confronto tra previs e risultato generato

In tutti i video, in alto c’è il filmato generato dall’AI, in basso il previs originale. Ognuno dura circa 15 secondi. Ho testato quanto si possa comunicare il flusso di una scena senza rifinire sfondi e personaggi.

Caffè sul mare

Da una semplice disposizione di tavolo e personaggi a un caffè al tramonto. Azioni come portare la bevanda alla bocca sono rese con un aspetto realistico.

再生

Passeggiata notturna in città

Il previs definisce la posizione dei personaggi e la direzione della camminata. Un paesaggio urbano semplice e luminoso come di giorno viene trasformato dal prompt in una città notturna.

再生

Tartaruga marina sott’acqua

Da un fondale approssimativo e dal movimento di una tartaruga marina a un paesaggio con luce subacquea e coralli. È un esempio in cui l’integrazione visiva è facile da cogliere.

再生

Corsa lungo il mare

Ho specificato il corridore e il movimento della camera che lo segue. Lo sfondo grezzo è stato sostituito da un lungomare.

再生

Città piovosa e tram

Partendo dalla disposizione di una persona con l’ombrello e di un tram, ho aggiunto l’atmosfera di una notte di pioggia.

再生

Il procedimento è semplice

Per questa produzione, ho seguito questo flusso.

1. Ho creato con Python + Blender 4.2 un previs fatto di scatole e forme semplici. Per i movimenti dei personaggi ho usato anche Mixamo.
2. Ho preparato immagini di riferimento dei personaggi e altro con la generazione di immagini di Codex.
3. Ho fornito previs, immagini di riferimento e voci di riferimento a MiniMax-H3 Ref2VA, generando video di circa 15 secondi.
4. Ho preparato i dialoghi con HiggsAudio v3, gli effetti sonori con Stable Audio 3 Medium e la musica con ACE-Step 1.5, poi ho mixato e montato tutto con ffmpeg. Per gli script di produzione e la gestione dell’esecuzione ho usato Claude Code.

Il punto chiave delle istruzioni è separare il ruolo di ogni riferimento: «le immagini per volti e costumi», «il previs per disposizione, azioni e movimenti di camera». Ho inoltre specificato di non ereditare l’aspetto dei manichini o delle scatole. La resa finale di notte, pioggia e illuminazione è stata indicata nel testo.

È utile, ma i dettagli cambiano parecchio

La disposizione dei personaggi, le direzioni di movimento, la sequenza delle azioni e il movimento generale della camera vengono trasmessi abbastanza bene. Al contrario, istruzioni precise come «fermarsi dopo tot secondi» o «quanto zoomare» a volte risultavano imprecise o non venivano applicate. Non è possibile fissare ogni dettaglio con precisione.

Inoltre, lo sfarfallio delle luci nel previs o sfondi disposti in modo troppo regolare talvolta rimanevano nel risultato generato. Conviene quindi mantenere semplici sia l’illuminazione sia le forme del previs, concentrandosi sul movimento che si vuole comunicare.

Ciononostante, è comodo che riesca a completare indicazioni generiche trasformandole in immagini accattivanti. I dettagli possono cambiare parecchio, ma per trasmettere l’impianto generale della regia è più che sufficiente. La conclusione di questo esperimento è che non serve renderlo perfetto: anche un previs grezzo vale la pena di usarlo.