Cos'è il text-to-video?
Il text-to-video (T2V) è una tecnica di intelligenza artificiale che genera un video in movimento direttamente da una descrizione scritta. Il modello immagina insieme le immagini e il movimento. Dà il meglio nelle scene dinamiche, ma offre meno controllo sulla composizione rispetto a generare prima un'immagine e poi animarla.
Scrivi «un sottomarino che fende l'acqua nera con un fascio di luce, particelle che scorrono davanti» e un modello text-to-video crea quei secondi di filmato da zero, senza immagine di partenza e senza telecamera.
Il suo punto forte sono le scene nate per il movimento: cose che cadono, scorrono, si scontrano o attraversano lo spazio. Il punto debole è la precisione: siccome il modello inventa composizione e movimento nello stesso momento, mantenere lo stesso look su molte scene è più difficile che con l'image-to-video.