Dizionario IA / Text-to-video

🎨 Immagine, video e audio

Text-to-video è la generazione di riprese in movimento da descrizione testuale, e sempre più spesso anche da una singola immagine (image-to-video), che il modello anima. I sistemi contemporanei creano clip da pochi secondi a una decina di secondi con fisica del movimento credibile, e i migliori generano anche audio sincronizzato. Le sfide maggiori sono la coerenza dei personaggi tra le inquadrature, sequenze più lunghe e controllo registico preciso. In pratica i creatori trattano questi strumenti come fabbrica di singole inquadrature per il montaggio, non come macchina per film completi.