Diario di una troupe di agenti AI che fa cinema

Episodio 5 — Il disastro dei 340 keyframe

Devo confessare un peccato di superbia.

Il primo esperimento vero su cui ho puntato la pipeline non era Hansel e Gretel. Era Pinocchio. E non un Pinocchio qualsiasi: sette personaggi — il burattino, Geppetto, Mangiafuoco, il Gatto, la Volpe, la Fata, e il Pinocchio-bambino della fine — dieci scene, centoquaranta inquadrature. In pratica avevo deciso che il mio primo volo sarebbe stato un transatlantico.

Sai già come va a finire questo tipo di storie.

Il giorno in cui ho guardato tutti i 340 fotogrammi

Quando la pipeline ha finito di sfornare i trecentoquaranta keyframe di Pinocchio, mi sono seduto e li ho guardati uno per uno. Lentamente. Con la faccia che cambiava espressione a ogni immagine.

Il bilancio era brutale: circa centocinquanta inquadrature da rifare su trecentoquaranta. Una su tre. C’erano file mancanti, ma soprattutto c’erano errori veri: personaggi sostituiti dal personaggio sbagliato, scritte comparse dal nulla sulle copertine dei libri, animali resi come animali a quattro zampe invece che come i personaggi antropomorfi, in piedi e vestiti, che dovevano essere. Il Gatto e la Volpe, che nella mia testa camminavano su due gambe come si conviene a due truffatori in cappotto, FLUX me li disegnava ogni tanto come un gatto e una volpe veri, accucciati. Carini. Inutili.

Ma il problema che mi ha gelato era un altro, e si ripeteva con una regolarità inquietante: i personaggi si sdoppiavano. Due Pinocchio nello stesso fotogramma. Due Geppetto. Lo stesso volto, clonato, che occupava due posti nella stessa stanza come in un film dell’orrore a basso budget.

Perché il modello mi regalava gemelli

Qui ho dovuto capire come funziona davvero il meccanismo con cui dico al modello che faccia deve avere un personaggio.

In sintesi: per ogni personaggio gli passo un’immagine di riferimento — la faccia approvata al CP1. Quando i personaggi sono più d’uno, le immagini di riferimento vengono passate al modello in fila, una dopo l’altra. E qui sta il trucco maledetto: in quella fila, l’ultimo riferimento domina. Il modello dà retta soprattutto all’ultima faccia che ha visto, e “diluisce” quelle precedenti. Con due personaggi te la cavi. Con tre, quattro, sette, il modello va in confusione: perde le identità, le mescola, e a volte — non sapendo bene dove mettere chi — risolve il problema disegnando due volte la faccia che ricorda meglio. Ecco i gemelli.

C’era anche un secondo gremlin, controintuitivo al punto da sembrare uno scherzo. Per tenere un personaggio fuori da un’inquadratura, l’istinto è dirlo: “qui Geppetto non c’è”. Sbagliato. Nominare un personaggio assente, anche solo per escluderlo, ne aumenta la probabilità di comparsa: il modello legge il nome e pensa di doverlo disegnare. È come dire a qualcuno “non pensare a un elefante”. L’unico modo affidabile per controllare il cast è non nominare gli assenti e dire quante persone devono essere visibili, e basta. Una contabilità, non un elenco di esclusioni.

La soluzione: la foto di gruppo

La via d’uscita me l’ha suggerita una prova che avevo fatto, quasi per caso, con un altro strumento: invece di passare al modello sette immagini separate in fila — con l’ultima che vince — gliene passo una sola, costruita apposta, in cui tutti i personaggi stanno affiancati come in una foto di gruppo. Una striscia orizzontale, ogni personaggio nella sua colonna, ben etichettata.

È un’idea semplice e cambia tutto. Se i personaggi sono già insieme in una sola immagine di riferimento, il modello non deve più mediare tra fonti che si fanno la guerra: li vede tutti contemporaneamente, ciascuno al suo posto, ciascuno con la sua faccia. La gerarchia “l’ultimo vince” sparisce, perché non c’è più una fila — c’è una squadra schierata.

L’ho chiamata Cast Sheet, il foglio del cast. E l’ho costruita in modo che si generi da sola, leggendo i personaggi del film e mettendoli in colonna ordinati per quanto spesso compaiono — i protagonisti a sinistra, le comparse a destra, e i due personaggi più facili da confondere il più lontani possibile, agli antipodi della striscia. Niente nomi scolpiti nel codice: cambi film, cambia il cast, la foto di gruppo si rifà da sé. (Quel principio dell’episodio 2 — il codice fa il codice — qui ha pagato il biglietto.)

La lezione vera, che non è tecnica

Aggiustare i gemelli è stata la parte facile. La parte difficile è stata accettare quello che i trecentoquaranta fotogrammi mi stavano urlando in faccia: avevo puntato troppo in alto.

Sette personaggi, dieci scene, un cast di umani e animali antropomorfi e trasformazioni da burattino a bambino — era un banco di prova spietato per un sistema ancora in fasce. Stavo chiedendo a una pipeline acerba di reggere la complessità di un lungometraggio, e ogni debolezza del sistema veniva moltiplicata dal numero di variabili in gioco.

Così ho fatto la cosa più sensata e più antipatica: ho abbassato il tiro. Ho messo Pinocchio da parte — non nel cestino, nel cassetto — e ho scelto un progetto più piccolo e più gestibile per far crescere il sistema: Hansel e Gretel. Meno personaggi. Meno scene. Una storia che il sistema potesse imparare a raccontare senza affogare.

Non è stata una resa. È stata la differenza tra chi vuole fare colpo e chi vuole imparare a camminare. Un sistema che regge quattro personaggi bene vale infinitamente di più di uno che ne maltratta sette. E tutto quello che Pinocchio mi ha insegnato — la foto di gruppo, la contabilità del cast, i limiti del modello con la folla — me lo sono portato dietro come un baule di attrezzi.

Pinocchio aspetta

Pinocchio non è morto. È in panchina, e lo sa.

Se questo diario arriverà vivo alla fine — se la pipeline diventerà robusta come voglio, capace di gestire cast numerosi, scene complesse, un mondo intero — allora Pinocchio tornerà. E sarà il banco di prova perfetto: la storia abbastanza ricca da mettere alla frusta ogni pezzo del sistema, abbastanza nota da farci capire subito se funziona. Il transatlantico, ma costruito da qualcuno che nel frattempo ha imparato a navigare.

Per ora, però, ci concentriamo su una baita nel bosco e due fratelli affamati. E sui keyframe, che finalmente non si sdoppiano più, dobbiamo dare la cosa più difficile di tutte: il movimento.

Perché un’immagine ferma che funziona è una conquista. Ma un’immagine ferma che si mette in moto è dove cominciano i guai veri.

Prossimo episodio: LTX 2.3. Dare movimento ai fotogrammi — e scoprire chi riscrive i tuoi dialoghi alle tue spalle.

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