Diario di una troupe di agenti AI che fa cinema

Episodio 8 — Costruire un mondo che ricorda sé stesso

C’è un fantasma che ha infestato la pipeline più a lungo di ogni bug raccontato finora, ed è il più subdolo perché non sembra nemmeno un errore. È così sottile che lo spettatore spesso non sa dire cosa non va — sente solo che qualcosa, nel film, scricchiola.

I miei personaggi si teletrasportavano.

Non in modo plateale. Ma da un’inquadratura all’altra, pur restando fermi, cambiavano posto nella stanza. Il padre era a sinistra del camino, stacco, e nell’inquadratura dopo era a destra. Una porta che prima stava sul fondo, dopo era di lato. E nelle scene di dialogo — campo e controcampo, il tu-e-io classico del cinema — succedeva la cosa più assurda di tutte: lo sfondo dietro i due personaggi era identico. Due persone che si parlano in faccia dovrebbero avere alle spalle due pareti diverse. Le mie avevano la stessa.

Il peccato originale: pensare in macchina, non in mondo

Per capire perché, ho dovuto ammettere un difetto di fondo nell’architettura. Tutta la pipeline, fino a quel momento, ragionava a partire dalla macchina da presa. Per ogni inquadratura ricostruiva lo spazio attorno all’obiettivo, da zero, ogni volta. È un modo di pensare comodo per generare una singola immagine, ma è esattamente sbagliato per fare cinema.

Perché un set vero non funziona così. Un set vero esiste. È una stanza con quattro pareti, una bussola implicita, un nord e un sud. La macchina da presa si muove dentro quella stanza e la inquadra da angoli diversi, ma la stanza non cambia: cambia solo il punto di vista. Il camino sta sempre sulla stessa parete, che tu lo riprenda di fronte o di spalle.

La mia pipeline, invece, reinventava la stanza a ogni stacco. Non aveva un mondo: aveva una sequenza di immagini che, per caso, assomigliavano allo stesso posto. Da qui i teletrasporti e gli sfondi gemelli: senza un mondo fisso, ogni inquadratura era un universo a sé.

Il primo tentativo: quattro foto, quattro stanze diverse

La soluzione ovvia sembrava: generiamo la stanza da quattro lati — nord, sud, est, ovest — così la macchina può scegliere da dove guardare. Ho provato. Quattro immagini, quattro vedute della stessa baita del taglialegna.

Erano coerenti nello stile e incoerenti in tutto il resto. Il camino, da una veduta all’altra, si spostava di parete. Le finestre si moltiplicavano. I mobili migravano. Quattro belle immagini di quattro stanze diverse che fingevano di essere la stessa. Generandole in modo indipendente, ognuna aveva inventato la propria geometria. Avevo solo spostato il problema: prima si teletrasportavano i personaggi, adesso si teletrasportava l’arredamento.

La svolta: un solo mondo, otto finestre

La soluzione vera è stata smettere di generare vedute e cominciare a generare un mondo.

Invece di quattro immagini separate, genero una sola immagine panoramica a 360 gradi della location — l’intera stanza, srotolata, come quelle foto sferiche che ruoti col telefono. Una sola sorgente, una sola geometria, una sola verità su dove stanno il camino e le finestre. Poi, da quell’unico panorama, ritaglio otto vedute allineate ai punti cardinali — nord, nord-est, est, e così via — usando uno strumento che proietta la sfera in inquadrature piane.

Il risultato è che le otto vedute sono garantite coerenti, perché vengono tutte dalla stessa immagine madre. Il camino è sulla stessa parete in tutte e otto, perché è letteralmente la stessa parete fotografata da angoli diversi. Non sto più sperando che quattro generazioni indipendenti si mettano d’accordo: sto ritagliando un mondo che esiste già, tutto intero, in un colpo solo.

E ho deciso che tutte e otto le vedute si generano subito, al CP1, non alla bisogna. Si costruisce il mondo completo una volta, e poi si gira da qualunque angolo il regista scelga — esattamente come si fa con un set vero, che non lo monti un pezzo per volta a seconda dell’inquadratura.

Il contratto della bussola

Su questa base ho costruito quello che ho chiamato il Contratto Spaziale: una convenzione fissa, congelata, che assegna a ogni location una bussola. Questa parete è il nord, quella è il sud, e da lì non si torna indietro per tutto il film.

Una volta che il mondo ha una bussola, il resto diventa — e qui torna il principio dell’episodio 2 — calcolo, non creatività. Quale parete fa da sfondo a una certa inquadratura? Non lo decide un modello linguistico tirando a indovinare. Lo calcola il codice, in modo deterministico, dalla posizione della macchina e dei personaggi rispetto alla bussola. Inquadratura larga: lo sfondo è la parete opposta alla camera. Primo piano su un personaggio: lo sfondo è la parete che lui ha dietro, derivata dalla sua posizione nel mondo. Nessuna ambiguità, nessuna invenzione. E nel campo-controcampo, finalmente, i due personaggi hanno alle spalle due pareti diverse — perché il mondo sa dove sono, e il codice sa dove guarda la camera.

È il salto concettuale più grande di tutto il progetto: dal pensare in inquadrature al pensare in mondi. Da una collana di immagini scollegate a uno spazio coerente di cui le immagini sono solo finestre.

Appendice — Dove siamo, e cosa c’è oltre la collina

Questo è l’ultimo episodio della prima stagione, e mi sembra giusto chiudere con un bilancio onesto invece che con una posa trionfale. Perché il progetto non è finito. Un progetto così, forse, non finisce — matura.

Cosa funziona oggi. La troupe di agenti gira. Una sceneggiatura entra e ne escono personaggi, location, una regia completa, keyframe puliti che non si sdoppiano più, video che restano ancorati al loro fotogramma di partenza, e un mondo spaziale coerente in cui i personaggi smettono di teletrasportarsi. Tutto sulla mia macchina, per la parte di immagini e video. Per un progetto contenuto come Hansel e Gretel, la catena tiene.

Cosa zoppica ancora. L’audio, l’ho detto senza giri di parole nell’episodio 6, è il reparto più indietro: le voci generate localmente sono mediocri, e la voce sintetica decente in casa è un traguardo, non una realtà. C’è un agente — quello che dovrebbe tenere la memoria fisica della scena, gli oggetti, chi tiene cosa in mano da un’inquadratura all’altra — che è ancora a metà strada. E c’è un sistema di controllo qualità automatico dei fotogrammi che ho progettato ma non ancora cablato del tutto.

Cosa c’è oltre la collina. I modelli linguistici, oggi, girano ancora in parte fuori casa: portarli tutti sul mio ferro è la prossima frontiera del pilastro local-first. E poi c’è il pulsante. Quello verde, con scritto PLAY, dell’episodio 1. Non l’ho perso di vista. Ogni bug raccontato in questo diario è un pezzo di strada verso il giorno in cui potrò premerlo davvero — non perché avrò smesso di guardare, ma perché mi fiderò della troupe.

E poi, in panchina, c’è Pinocchio. Il transatlantico che mi aveva fatto naufragare all’episodio 5. Sta lì, paziente, e aspetta. Se questo sistema diventerà robusto come voglio — se reggerà cast numerosi, scene complesse, un mondo intero con la sua bussola — allora Pinocchio tornerà in acqua. E quella volta, forse, sapremo navigare.

Se arriviamo vivi alla fine, ci si vede per la seconda stagione.

Fine della prima stagione. Il pulsante è ancora lì.

Sono Massimo, di Mondo Digitale, Bologna. Progetto e orchestro sistemi multi-agente su n8n per la produzione audiovisiva. Se è il tuo campo – o cerchi qualcuno che lo faccia – scrivimi: info@mondodigitale.com