Meitu divide l'identità di marca in due pulsanti: uno per il volto, uno per il movimento

Dal 29 ottobre al 1° novembre Xiamen ha ospitato la diciassettesima Fiera delle industrie culturali tra le due sponde dello Stretto. Nel padiglione del Fujian, Meitu ha portato RoboNeo, la sua piattaforma di creazione di immagini con AI, insistendo su tre cose più faticose: costruire un proprio personaggio, scrivere storie continue intorno a quel personaggio, spostarne i movimenti in scene nuove.
Alla fiera a fare la richiesta è stato un commerciante alimentare. Vuole un IP di marca riconoscibile, vuole inseguire i trend con contenuti continui, ma assumere un team professionista costa troppo e lui non sa farlo da solo. La descrizione è quasi il ritratto del cliente reale del video AI cinese: non una casa di produzione, ma un piccolo esercente senza budget che deve pubblicare qualcosa ogni giorno.
Sembrare la stessa persona è la parte più difficile
Generare una singola immagine non è più difficile. Difficile è che la seconda, la quinta, la ventesima siano ancora la stessa persona.
La soluzione di RoboNeo si chiama «blocco dello stile dell'identità IP»: il commerciante crea un personaggio, poi ne ricava in blocco sticker, poster e immagini di prodotto. L'azienda dice che la coerenza di volti e abiti tra le immagini è migliorata in modo netto. La frase sembra piatta, ma nella produzione reale decide se un'idea può diventare un business. Il gatto pubblicato oggi non è quello della settimana scorsa: il pubblico non se lo ricorda, l'IP non esiste e l'account resta appeso a un singolo contenuto virale.
La difficoltà della coerenza non è «disegnare simile», è «dove è finita l'informazione». Un'immagine contiene insieme identità (chi è), stile (con cosa è disegnato), posa, luce e composizione. Se nella generazione multi-turno questi elementi non vengono separati, il modello ristima l'identità ogni volta e basta un errore perché la faccia cambi. La pratica del settore è estrarre i tratti identitari come condizione a sé: immagine di riferimento più codice di identità, oppure una zona dello spazio latente riservata alla sola identità. Il nome conta poco; conta che l'informazione di identità sia più «dura» di quella di stile.
Il movimento è la parte davvero interessante
Il motion capture mostrato da RoboNeo non segue la logica del solito «video-to-video». Estrae dal video di riferimento **proporzioni della figura, relazioni spaziali e movimento di camera**, e attenua i tratti estetici del video originale.

La frase è più tecnica di quanto sembri. Il trasferimento di movimento guidato da video ha due difetti storici:
il primo è il **leakage dell'aspetto**. Vuoi che il tuo personaggio cartoon balli la danza del video di riferimento, e ottieni una figura con quella maglietta e quella faccia. Perché il modello non distingue «voglio il movimento» da «voglio questo video».
il secondo è la **deriva strutturale**. Appena l'ampiezza cresce le proporzioni si deformano, braccia lunghe e gambe corte; appena la camera si muove il rapporto tra primo piano e sfondo si sfalsa. Il motivo è che il segnale di condizionamento non contiene scheletro, profondità e traiettoria di camera, e il modello tira a indovinare dai pixel.
Separare le informazioni del video in «struttura» e «aspetto» e lasciar passare solo la struttura è la direzione dominante degli ultimi due anni: scheletro per le articolazioni, mappa di profondità per le occlusioni, traiettoria per il movimento di camera. Sembra ovvio, in ingegneria è sporco, perché quando i tre segnali si contraddicono la priorità va tarata. RoboNeo ha chiuso tutto questo in pulsanti che il commerciante può premere: valore di prodotto, non di paper.
La scrivania di sceneggiatura risolve un'altra deriva
La terza funzione è la scrivania di sceneggiatura, basata su «nodi di sceneggiatura più memoria di progetto»: il creator chiarisce l'intento in più turni di dialogo, spezza la trama e prosegue intorno al personaggio stabilito, per episodi singoli e micro-serie.
Sembra uno strumento per scrivere, in realtà gestisce la **coerenza tra episodi**. All'ottavo episodio di una serie breve servono personalità, relazioni, battute e luoghi già detti. Senza memoria di progetto il modello ricomincia da zero ogni volta a capire «che rapporto hanno questi due», e il risultato si contraddice. La qualità dello strato di memoria decide se si può fare contenuto seriale invece di un singolo materiale.
La soglia è scesa, le richieste no
Nello stesso periodo c'è un caso da mettere accanto. Il 4 novembre la CCTV, nel percorso «Zhitong Wuzhen» del summit di Wuzhen, ha raccontato Qin Wenshan, imprenditore di Xiangcheng, Suzhou: una persona con sette dipendenti digitali AI — esecutore generale, sceneggiatore, regista, storyboard artist, responsabile asset, video maker e montatore — che formano una linea di produzione di contenuti AIGC. Tra i suoi lavori, il lungometraggio animato AIGC 《一掌熊猫》 è entrato nella selezione del sedicesimo Festival internazionale del cinema di Pechino, e 《字圣仓颉》, sul mito storico, uscirà quest'anno. Xiangcheng ha già 36 comunità OPC e oltre 100 imprese OPC registrate.
«Una persona, un'azienda» suona bene, ma alza l'asticella delle competenze. Prima avevi fotografo, luci, montatore e art director che coprivano le tue decisioni; ora le prendi tu. Gli strumenti hanno abbattuto la soglia dell'esecuzione e lasciato quella del gusto dov'era.
Spiega anche perché la competizione si sposta da «sa generare» a «sa produrre con costanza la stessa cosa». Un commerciante non vuole un'immagine splendida, vuole trecento immagini usabili, con la stessa persona dentro e movimenti adatti a ciò che vende.
Tre domande senza risposta
Primo, dove sta il tetto della precisione di movimento. Se il video di riferimento contiene interazioni manuali complesse, girate rapide o occlusioni frequenti, l'informazione strutturale è già incompleta e nessuna separazione, per quanto buona, la recupera.
Secondo, la plausibilità fisica del linguaggio di camera. Estrarre il movimento non significa capirlo. Una carrellata reale ha una logica spaziale; applicarla di forza a una scena nuova fa venire la nausea allo spettatore. Qui tutti gli strumenti stanno ancora rattoppando.
Terzo, il controllo qualità in blocco. Tra un clip guardabile e cento clip guardabili c'è un processo: chi fissa lo standard, chi campiona, quante volte si rifà uno scarto, come si calcola il costo. Senza questo anello, niente di bello arriva a terra.
Per i piccoli commercianti il senso di piattaforme come RoboNeo è trasformare «fare un IP» da progetto in linea di produzione. Se la linea giri a lungo, dipende da come regge le tre domande qui sopra.
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo
Una skill è una cartella di istruzioni, ma installarla ha quattro strade diverse e la copia locale non ha ancora un lockfile.
Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono
Un modello forte, numeri buoni e una ricetta da leggere, ma i pesi che renderebbero verificabile la dichiarazione non sono ancora usciti.