← Torna al blog
Aicirca 7 min di lettura

ViMax, l'agente che parte da una logline e arriva al corto montato

Pubblicato 10 nov 2026
ViMax, l'agente che parte da una logline e arriva al corto montato

La cosa più interessante di ViMax non è che generi video. Lo fanno un sacco di repository. È che l'esempio incluso nel repo non vi chiede un prompt. Vi chiede una logline.

idea = \
"""
If a cat and a dog are best friends, what would happen when they meet a new cat?
"""
user_requirement = \
"""
For children, do not exceed 3 scenes.
"""
style = "Cartoon"

Quel blocco sta dentro main_idea2video.py. Aprite il file Python, impostate tre chiavi API ed eseguite. Quello che torna indietro dovrebbe essere un corto finito: sceneggiatura, storyboard, design dei personaggi, inquadrature e video montato. Il repo è HKUDS/ViMax, ha raccolto circa 12.8K stelle, e la sua promessa è che un solo agente copra quattro ruoli insieme: regista, sceneggiatore, produttore e generatore.

Se poi funzioni è una domanda separata dal fatto che l'impostazione sia giusta. L'impostazione è giusta. Quasi tutti gli strumenti text-to-video sul mercato si rifiutano di prendere decisioni. Gli date una frase, vi restituiscono cinque secondi. Tutto quello che sta sopra la frase — chi è il personaggio, cosa deve essere la seconda inquadratura, se la terza contraddice la prima — è un problema vostro. La scommessa di ViMax è che il prodotto mancante non sia mai stato il modello. Era lo strato che decide che cosa chiedere al modello.

Cosa c'è davvero dentro

Tre punti d'ingresso, e vale la pena tenerli separati perché la gente continua a confonderli.

Da idea a video. main_idea2video.py prende una premessa, una frase di vincolo e una parola di stile. L'agente scrive la sceneggiatura, la spezza in scene, genera i keyframe e poi passa quei keyframe a un modello video.

Da sceneggiatura a video. main_script2video.py salta la fase di scrittura. Voi fornite una sceneggiatura in formato più o meno cinematografico — EXT. SCHOOL GYM - DAY, l'età dei personaggi tra parentesi, i dialoghi su riga propria — più una richiesta tipo «ritmo serrato, non più di 20 inquadrature». L'agente la interpreta, assegna i ruoli e genera.

TUI interattiva e interfaccia web locale. Stesso runtime, due front end. La TUI è la via veloce; la web UI offre progetti con un nome, un pannello di conversazione, anteprime dello storyboard e ispezione degli artefatti.

C'è una quarta cosa nascosta nella configurazione che secondo me conta più di tutte e tre quelle sopra: image_selection.

image_selection:
  num_candidates: 2  # Set to 1 to disable selection.

Per impostazione predefinita ViMax genera due keyframe candidati in parallelo e lascia che un modello chat con capacità visive scelga il migliore. È una funzione piccola con un'implicazione grande. Significa che il sistema non tratta la generazione di immagini come una slot machine dove tirare di nuovo finché non va bene. La tratta come una decisione che ha un costo, presa da qualcosa che può guardare entrambe le opzioni. Il README lo dice chiaramente: così la spesa API sale. Ed è anche la differenza tra un agente e un ciclo for.

L'installazione, senza girarci intorno

Quattro comandi, e uno dei quattro sarà il motivo per cui mollate se siete su Windows.

git clone https://github.com/HKUDS/ViMax.git
cd ViMax
uv sync

L'ambiente è questo. Se ne occupa uv; nella guida rapida non c'è né una ricetta conda né un file Docker. Poi:

cp configs/agent.example.yaml configs/agent.local.yaml

E adesso compilate tre blocchi. Non uno: tre. Un modello linguistico, un generatore di immagini e un generatore di video, ognuno con nome del modello, base URL e chiave.

llm:
  model_provider: openai
  model: <YOUR_LLM_MODEL>
  base_url: <YOUR_LLM_BASE_URL>
  api_key: <YOUR_API_KEY>

image:
  model: <YOUR_IMAGE_MODEL>
  base_url: <YOUR_IMAGE_BASE_URL>
  api_key: <YOUR_API_KEY>

video:
  model: <YOUR_VIDEO_MODEL>
  base_url: <YOUR_VIDEO_BASE_URL>
  api_key: <YOUR_API_KEY>

Se preferite non avere affatto un file di configurazione, gli stessi valori possono arrivare da VIMAX_LLM_API_KEY, VIMAX_IMAGE_API_KEY e VIMAX_VIDEO_API_KEY. Poi vimax tui avvia una sessione e vimax tui resume <session_id> ne riprende una.

I tre provider sono la parte che la gente sottovaluta. Non è un fastidio di setup, è l'architettura che si vede in trasparenza: ViMax è incollato a quello che ci collegate. La configurazione di esempio nel repo punta a OpenRouter per la chat, a una classe Google per le immagini e a una classe Google per i video — ImageGeneratorNanobananaGoogleAPI e VideoGeneratorVeoGoogleAPI. Cambiate il percorso della classe, cambiate il fornitore. È flessibile come può esserlo una ciabatta multipresa ben etichettata.

La web UI è un'installazione separata:

cd web
npm install
npm run dev

Si lega a 127.0.0.1:4173. Su una macchina remota fate un port forward; VIMAX_WEB_PORT la sposta. Niente di esotico, ma notate che «web UI locale» significa esattamente questo: non è un prodotto ospitato, e tra la porta e le vostre chiavi non c'è nessuno strato di autenticazione.

A dark editing suite with a storyboard, a script page and a video timeline on three monitors

Che cosa fa l'agente tra la vostra idea e il vostro MP4

La risposta onesta è: la stessa pipeline di un piccolo team di produzione, meno le discussioni.

Legge la premessa. Decide un tono. Scrive una sceneggiatura con le scene. Sceglie uno stile visivo e lo tiene. Descrive ogni scena come inquadratura, con una posizione di camera e un soggetto. Genera i keyframe. Sceglie tra i candidati. Anima. Monta. Controlla se il montato corrisponde ancora alla premessa da cui è partito.

Il modo di fallire interessante è all'ultimo passo. I modelli video derivano. La giacca di un personaggio cambia colore tra un'inquadratura e l'altra. Una stanza che aveva due finestre ne ha tre. Quando se ne accorge un montatore umano, rigira o taglia aggirando il problema. Quando se ne accorge un agente, deve decidere se rigenerare — e costa — oppure accettare la deriva. La risposta di ViMax, per quanto mostra il README, è affidarsi alla selezione dei keyframe e alla sceneggiatura che resta fissa. Non pubblicizza un controllo di coerenza.

È la prima cosa da testare se lo state valutando seriamente. Non «sa fare trenta secondi carini». Chiedetegli quattro inquadrature dello stesso personaggio che cammina nella stessa strada, e contate quante volte la strada cambia.

Dove sta dentro e dove no

ViMax non compete con la timeline di Runway né con un vero NLE. Compete con la pagina bianca. Il caso d'uso realistico è quello che suggerisce l'esempio del repo: pezzi brevi e autoconclusivi, dove tutto si può specificare in un paragrafo — una storia per bambini, un explainer, un proof of concept per un pitch che non ha ancora un budget.

È anche un'implementazione di riferimento davvero utile se state costruendo un agente vostro. La separazione tra idea2video e script2video è la cucitura giusta: uno è un agente creativo, l'altro è un agente esecutivo, e quasi tutti quelli che costruiscono strumenti così li mescolano fino a farne un pasticcio impossibile da mantenere.

Due avvertenze da mettere in chiaro. Primo, il README non dichiara una licenza. Per un repo a 12.8K stelle non è un dettaglio, è un blocco per l'uso commerciale finché non viene chiarito. Secondo, il modello di costo è invisibile. Non c'è un tetto di spesa, non c'è una stima per esecuzione e non c'è una modalità dry-run nella guida rapida: la prima volta che scoprite quanto costa un cartoon di quattro scene è quando arriva la fattura.

OpenMontage, l'altro grande repo agentico per il video di questo mese, ha preso la strada opposta: cancelli rigidi, un tetto dichiarato di 10 dollari per impostazione predefinita, una soglia di approvazione da cinquanta centesimi per azione. ViMax ha scelto il flusso. Entrambe le scelte si difendono. Solo una delle due sopravviverà al contatto con un dipartimento finance.

La parte che invecchierà bene

Tra un anno i modelli video che ViMax chiama saranno migliori e più economici, e qualcuno avrà riscritto lo schema di configurazione. Quello che probabilmente resta è lo schema di interazione: date al sistema una premessa, non un prompt; lasciate che vi mostri keyframe candidati invece di un solo ciak; tenete la sceneggiatura come il contratto che le inquadrature devono rispettare.

Quello schema sta già comparendo ovunque — nel video-to-game, dove una clip generata diventa il documento di design che un agente di coding deve eguagliare; in OpenMontage, dove la pipeline si ferma per un'approvazione a ogni cancello creativo. L'industria ha passato due anni a discutere quale modello vince. La discussione più utile, quella che questi repo stanno davvero facendo, riguarda chi ha il diritto di prendere la seconda decisione.

Articoli correlati