{"id":187,"date":"2026-09-01T21:32:45","date_gmt":"2026-09-01T21:32:45","guid":{"rendered":"https:\/\/www.tellpunk.it\/?p=187"},"modified":"2026-09-01T21:32:46","modified_gmt":"2026-09-01T21:32:46","slug":"lai-ora-genera-video-piu-in-fretta-di-quanto-ci-metta-a-guardarli-e-questo-cambia-un-problema-che-avevo-lasciato-a-meta","status":"publish","type":"post","link":"https:\/\/www.tellpunk.it\/en\/lai-ora-genera-video-piu-in-fretta-di-quanto-ci-metta-a-guardarli-e-questo-cambia-un-problema-che-avevo-lasciato-a-meta\/","title":{"rendered":"L’AI ora genera video pi\u00f9 in fretta di quanto ci metta a guardarli, e questo cambia un problema che avevo lasciato a met\u00e0"},"content":{"rendered":"

La settimana scorsa fal, una piattaforma che ospita modelli di intelligenza artificiale generativa per sviluppatori, ha rilasciato H3 Max<\/a>, una versione del modello video MiniMax H3<\/a> ottimizzata per la velocit\u00e0. Il numero che ha fatto girare la notizia \u00e8 uno: cinque secondi di video generati in meno di tre secondi<\/a>. \u00c8 la prima volta che un’API pubblica produce un filmato pi\u00f9 in fretta del tempo che serve a guardarlo, e la dimostrazione \u00e8 arrivata subito: un ingegnere di fal ha collegato il modello a una diretta, e poco dopo Pieter Levels, uno sviluppatore noto per costruire prodotti in pubblico, ha messo in piedi Infinite Slop<\/em>, una trasmissione potenzialmente infinita in cui sono gli spettatori a scrivere in chat cosa succede nella scena successiva.<\/p>\n\n\n\n

Il risultato, per chi l’ha visto, \u00e8 spesso assurdo. Ma quando la generazione costa pochi secondi e pochi centesimi, un intero pezzo di lavoro che prima si faceva a mano diventa una cosa che si pu\u00f2 chiedere a uno script.<\/p>\n\n\n\n

Il problema che avevo lasciato a met\u00e0<\/h2>\n\n\n\n

Da qualche mese lavoro, a intermittenza, a Beta Tester People<\/em>, una sitcom italiana generata con l’AI: quattro sviluppatori di uno studio di videogiochi a Bologna, il bar sotto casa, una game designer che comunica solo via chat. Gli script dei primi tre episodi esistono, i personaggi hanno un volto (ritratti fotorealistici fatti con Midjourney) e una voce (profili descritti per ElevenLabs). Quello che mancava era il pezzo in mezzo: passare dallo script a un episodio guardabile.<\/p>\n\n\n\n

Ad aprile avevo progettato un orchestratore che leggesse il copione, generasse l’audio delle battute e producesse i prompt<\/em> per le immagini. Poi si fermava, perch\u00e9 il video andava fatto a mano con Runway e CapCut, e venti minuti di sitcom a mano sono un lavoro che nessuno fa nel tempo libero. Con un modello che genera clip da cinque a quindici secondi in tempo reale, quel buco si chiude: l’orchestratore pu\u00f2 chiamare l’API, ottenere le clip, e uscire con una bozza montata invece che con una cartella di materiali.<\/p>\n\n\n\n

Cos\u00ec ho fatto costruire il progetto da zero a Claude Code: parser dello script, sintesi vocale con cache, generazione video a blocchi, montaggio con ffmpeg. Tutto in Python, tutto testabile in modalit\u00e0 dry-run<\/em> senza toccare nessuna API, cio\u00e8 senza spendere.<\/p>\n\n\n\n

\"L'output
L’output del dry-run: per ogni scena i chunk video, l’ultimo frame per il chaining, e in radice manifest, sottotitoli e rough cut.<\/figcaption><\/figure>\n\n\n\n

Cosa ho scoperto provando, senza pagare<\/h2>\n\n\n\n

Non avevo crediti su nessuna delle due piattaforme, e non volevo caricarne prima di capire cosa funzionava. Tre cose, in ordine di scoperta.<\/p>\n\n\n\n

La prima: le “cinque generazioni gratis al giorno” annunciate da fal esistono, ma non dove uno le cerca. Il playground<\/em> dell’API<\/a>, quello con i parametri e il pulsante Run, vuole crediti e si rifiuta di partire a saldo zero. Le generazioni gratuite vivono su una pagina separata<\/a>, pi\u00f9 semplice, che accetta un prompt e produce una clip a 480p. Da l\u00ec, con un prompt che descriveva il bar della serie, mattoni a vista, un cabinato di Pac-Man, una barista col grembiule, il modello ha prodotto in meno di un secondo una scena che somigliava molto a quella che avevo in testa.<\/p>\n\n\n\n

\"fal,
fal, pagina impostazioni: chiave API creata, saldo crediti a zero. Il playground si rifiuta di partire; la pagina gratuita no.<\/figcaption><\/figure>\n\n\n\n

La seconda scoperta \u00e8 meno comoda: sulla pagina gratuita, ogni volta che allegavo il ritratto di un personaggio come immagine di partenza, la generazione falliva con un errore generico. Senza immagine funzionava; con l’immagine no, in qualsiasi formato. Non ho una conferma, ma il sospetto \u00e8 un filtro sui volti fotorealistici in ingresso nel piano gratuito, una protezione contro i deepfake che sull’API a pagamento non c’\u00e8 (la demo ufficiale del modello \u00e8 proprio un volto umano animato). La conseguenza pratica \u00e8 che la cosa che conta davvero per una serie, cio\u00e8 che Chiara sia sempre Chiara da una scena all’altra, non si pu\u00f2 testare gratis.<\/p>\n\n\n\n

La terza riguarda le voci. Ho scelto cinque voci nella libreria di ElevenLabs, una per personaggio, e quattro su cinque si sono rivelate “premium”, accessibili solo con l’abbonamento da 22 dollari al mese. Ma il dettaglio pi\u00f9 importante non era quello: il piano gratuito di ElevenLabs non concede diritti di uso commerciale. Una sitcom pubblicata su YouTube \u00e8 contenuto pubblico e potenzialmente monetizzabile, quindi il piano gratuito era escluso a prescindere dalle voci. Il piano pi\u00f9 economico con licenza commerciale costa sei dollari al mese; quello che sblocca anche le voci premium ventidue.<\/p>\n\n\n\n

\"ElevenLabs,
ElevenLabs, modello Eleven v3: una battuta di Dario in prova, con la voce scelta cercata per ID nella libreria.<\/figcaption><\/figure>\n\n\n\n

Quanto costa un episodio<\/h2>\n\n\n\n

Un episodio di venti minuti sono circa milleduecento secondi di video da generare. A 768p, con H3 Max a prezzo di lancio (quattro centesimi di dollaro al secondo, sconto valido fino al 7 settembre), sono 48 dollari puliti; a listino pieno il doppio. A questi vanno aggiunte le rigenerazioni, perch\u00e9 una parte delle clip non verr\u00e0 bene al primo colpo, e nessuno sa in anticipo se quel fattore sar\u00e0 1,3 o 2,5. Le voci costano un ordine di grandezza in meno: l’intero copione sono dodicimila caratteri, che stanno dentro l’abbonamento pi\u00f9 economico.<\/p>\n\n\n\n

Con questi numeri, produrre una scena sola \u2014 due minuti, due personaggi, una decina di dollari \u2014 per vedere se lo stile tiene \u00e8 ragionevole. Generare l’episodio intero in una notte per sfruttare lo sconto, senza sapere se il risultato \u00e8 utilizzabile, no.<\/p>\n\n\n\n

Cosa succede adesso<\/h2>\n\n\n\n

La pipeline esiste, gira in dry-run<\/em> dall’inizio alla fine, e ha gi\u00e0 dentro le cose imparate stasera: i tag di recitazione per Eleven v3<\/a>, il modello vocale espressivo di ElevenLabs, ricavati dalle parentetiche del copione originale; la sostituzione dell’audio nativo delle clip con le voci dei personaggi; l’esportazione dei capitoli e dei formati verticali per YouTube, che ha preso il posto di Twitch come destinazione.<\/p>\n\n\n\n

\"Claude
Claude Code, fine sessione: tutte le 16 scene processate in dry-run e rough cut pronto.<\/figcaption><\/figure>\n\n\n\n

Il prossimo passo costa circa un dollaro: quattro clip della stessa scena, generate partendo dal ritratto di un personaggio, per vedere se il modello lo riconosce da una clip all’altra. Se s\u00ec, la scena del bar \u00e8 la prima candidata a diventare un minuto di episodio finito. Se no, il problema \u00e8 nei prompt e nelle immagini di riferimento, non nel codice, ed \u00e8 un problema che si risolve con prove da venti centesimi l’una.<\/p>\n\n\n\n

Comunque vada, la parte riutilizzabile \u00e8 il metodo: quando una tecnologia diventa di colpo veloce ed economica, la domanda da farsi prima di usarla \u00e8 quale pezzo del proprio processo ha smesso di essere un collo di bottiglia. Poi si riprogetta intorno a quello.<\/p>","protected":false},"excerpt":{"rendered":"

fal ha rilasciato H3 Max, un modello che produce cinque secondi di video in meno di tre. Ho passato una sera a capire cosa significa per una sitcom fatta con l’intelligenza artificiale, spendendo esattamente zero euro.<\/p>","protected":false},"author":1,"featured_media":194,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"footnotes":""},"categories":[25],"tags":[26,27],"class_list":["post-187","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-research","tag-ai-video","tag-beta-tester-people"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/posts\/187","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/comments?post=187"}],"version-history":[{"count":3,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/posts\/187\/revisions"}],"predecessor-version":[{"id":200,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/posts\/187\/revisions\/200"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/media\/194"}],"wp:attachment":[{"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/media?parent=187"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/categories?post=187"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tellpunk.it\/en\/wp-json\/wp\/v2\/tags?post=187"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}