Introdução
Chiunque abbia partecipato ai miei interventi o workshop mi avrà sicuramente sentito dire che il settore audiovisivo sarà quello maggiormente influenzato dai modelli di intelligenza artificiale generativa. intelligenza artificiale generativa sta iniziando a svolgere un ruolo significativo nei processi di creazione di contenuti televisivi. In ambiti come la pre-produzione, la post-produzione e la distribuzione, le decisioni dei professionisti sono influenzate dalla capacità dell'IA di ottimizzare e innovare i processi, riducendo al minimo i rischi legali legati al copyright.
1. Voci sintetiche e doppiaggio
Le voci generate dall'intelligenza artificiale hanno mostrato un'utilità iniziale man mano che diventavano più naturali. Il doppiaggio con voce sintetica sta guadagnando terreno nei contenuti "a basso rischio", come la localizzazione di notiziari o clip sportive per piattaforme come YouTube, o la programmazione per canali FAST (Free Ad-Supported Streaming TV). In questi casi, la velocità è essenziale per ampliare la portata di pubblico di contenuti che altrimenti non verrebbero doppiati.
Tuttavia, il doppiaggio di contenuti televisivi premium presenta ancora delle sfide. Le voci generate dall'intelligenza artificiale possono presentare imperfezioni rispetto ai doppiatori umani. Sebbene alcuni difetti possano essere corretti regolando l'intonazione e l'inflessione, lo sforzo richiesto per ottenere una qualità accettabile potrebbe non essere giustificato rispetto alla registrazione tradizionale. Per ora, il doppiaggio basato sull'intelligenza artificiale può essere utile per ampliare la portata e la monetizzazione, soprattutto nelle lingue meno dispendiose in termini di risorse che in genere non ricevono versioni doppiate.
Oltre al doppiaggio, è emerso l'uso di cloni vocali per la narrazione, sempre con il consenso e il compenso del professionista o dei suoi eredi. Un esempio è il clone vocale di Al Michaels utilizzato per fornire momenti salienti personalizzati della copertura delle Olimpiadi della NBC su Peacock.
2. Scambio di volti e sincronizzazione labiale
I modelli di deep learning sono altamente efficaci per modificare il volto in modo complesso o sottile. Le applicazioni iniziali più promettenti sono la sincronizzazione labiale nel doppiaggio e lo scambio di volti per effetti come il ringiovanimento.
Strumenti di sincronizzazione labiale basati sull'intelligenza artificiale, come quelli offerti da Perfetto e LipDub AI La tecnologia MARZ è in grado di sincronizzare i movimenti labiali e facciali di un attore con la traccia audio doppiata. I principali studi cinematografici di Hollywood stanno testando questa tecnologia per offrire un'esperienza più immersiva al pubblico straniero, facendolo sembrare come se il contenuto fosse stato originariamente prodotto nella loro lingua madre.
Il face swapping può essere utilizzato anche per ritocchi estetici o per modificare completamente l'aspetto di un attore, per invecchiarlo o ringiovanirlo. Questi strumenti aprono anche la possibilità di eliminare le riprese ripetute, consentendo agli attori di riscrivere le battute dei dialoghi da remoto.
3. Generazione video AI
La produzione video sta progredendo rapidamente e studi cinematografici e registi stanno mostrando interesse nell'incorporare questi modelli come strumenti di produzione. Tuttavia, permangono ancora incertezze su come integrarli professionalmente nei flussi di lavoro e su chi sia qualificato per utilizzarli. Con differenze significative rispetto al cinema tradizionale, agli effetti visivi o all'animazione, questioni come il fotorealismo, la coerenza e il controllo sono aree di interesse chiave.
Sebbene le critiche suggeriscano che la generazione di contenuti da testo a video possa essere imprevedibile, stanno emergendo tecniche come il video-to-video, come si è visto nel recente lancio di Gen-3 Alpha da parte di Runway. I principali studi cinematografici stanno esplorando la possibilità di perfezionare i modelli video, addestrandoli con contenuti proprietari per uso interno. La partnership tra Lionsgate e Runway è un esempio pubblico di questa iniziativa, seguita da altri studi di Hollywood.
Conclusione
Sebbene le prestazioni dell'IA generativa continuino a migliorare per soddisfare gli standard televisivi di fascia alta, pressanti questioni legali pongono ancora ostacoli significativi alla sua piena adozione nella produzione di contenuti. Tuttavia, le opportunità offerte da queste tecnologie segnalano una promettente trasformazione nel settore televisivo, aumentando la creatività e l'efficienza nei processi di produzione e distribuzione.
