The Pulse

Google Research mostra un video di 10 minuti generato con l’IA

Google Research descrive quattro sistemi per pianificare, generare e perfezionare video di lunga durata, tra cui una dimostrazione di A²RD di dieci minuti.

AI.info Team · Scritto con l’IA · verificato · 2026-09-24

Dura dieci minuti il film generato con l’IA che Google Research usa per mostrare un sistema pensato per mantenere coerenti personaggi e ambientazioni nell’arco di una lunga storia. In un post pubblicato il 24 settembre, i ricercatori Yale Song e Yiwen Song descrivono quattro sistemi collegati tra loro per pianificare, generare e perfezionare sequenze video più lunghe. Il lavoro affronta un limite noto dei video generati con l’IA: i dettagli possono cambiare da un’inquadratura all’altra, mentre gli errori di una fase possono ripercuotersi sulla successiva.

Un film di dieci minuti costruito per segmenti

L’esempio più lungo è prodotto da A²RD, un sistema autoregressivo che genera video segmento per segmento e conserva una memoria multimodale di ciò che è già apparso. Per ogni segmento, recupera il contesto, genera nuovo materiale, lo perfeziona e aggiorna la memoria. A²RD alterna l’estrapolazione della storia verso nuovi eventi all’interpolazione intorno a personaggi e ambientazioni già apparsi.

«Per testare questo sistema, il film di dieci minuti qui sotto mostra una generazione di lunga durata, che richiede una progressione narrativa coerente attraverso intervalli temporali di diversi minuti.»

Yale Song e Yiwen Song, ricercatori di Google

La dimostrazione è un film di dieci minuti, non la prova che un singolo prompt produca un video completo di dieci minuti in un’unica passata. L’approccio per fasi di A²RD è progettato per gestire la continuità tra un segmento e l’altro. Secondo Google, il sistema aiuta a preservare dettagli come l’identità dei personaggi, l’abbigliamento e la disposizione degli spazi.

Quattro sistemi affrontano quattro cause di incoerenza

Il co-regista video basato sull’IA di Google pianifica una produzione attraverso diversi agenti. Un orchestratore sceglie una direzione creativa, poi gli agenti di pre-produzione e produzione costruiscono uno storyboard e generano fotogrammi chiave, video e audio. Un modello multimodale esamina il montaggio assemblato e fornisce un riscontro per un nuovo ciclo di pianificazione.

CANVAS si concentra sulla continuità tra le inquadrature, mantenendo registri strutturati dei personaggi, dei luoghi e degli stati degli oggetti. VQQA, o Video Quality Question Answering, svolge un ruolo diverso: pone domande su una clip generata, usa la valutazione critica di un modello visione-linguaggio per rivedere il prompt e seleziona il risultato migliore tra le varie iterazioni. Google descrive i sistemi come livelli di orchestrazione: il co-regista è costruito su Gemini e Veo, anziché essere presentato come un nuovo modello di base per i video.

Il punteggio di 81,4 viene dal benchmark di Google

Google riporta un punteggio massimo di qualità di 81,4 per il co-regista video basato sull’IA su GenAD-Bench. Il benchmark valuta 400 scenari che coinvolgono 50 marchi fittizi, ciascuno con quattro prodotti, rispetto a vincoli di marketing dettagliati. Il blog descrive anche HardContinuityBench, dedicato alla continuità spaziale, e LVBench-C, che contiene 120 scenari per valutare i cambiamenti di personaggi, oggetti e ambienti.

Il post afferma che CANVAS migliora la continuità su HardContinuityBench e che A²RD migliora la coerenza nei test sui video lunghi, ma nell’articolo non fornisce risultati numerici comparabili a sostegno di queste affermazioni. Google rimanda i lettori ai singoli paper per le configurazioni dei modelli e le valutazioni delle baseline. Il dato di 81,4 è quindi un risultato ottenuto su un benchmark descritto da Google, non una misura universale della coerenza dei video.

Google presenta una ricerca, non un prodotto di montaggio finito

L’annuncio presenta i quattro sistemi come strumenti per automatizzare attività ripetitive, come il coordinamento dei prompt, il concatenamento delle inquadrature e la revisione visiva. I paper sul co-regista e su CANVAS sono indicati come di prossima pubblicazione rispettivamente a COLM 2026 e a EMNLP 2026. Il post non annuncia un’uscita per i consumatori né fornisce una data di distribuzione.

Per i creatori, la dimostrazione prospetta un flusso di lavoro in cui i modelli aiutano a mantenere la continuità della storia, mentre le persone conservano il controllo della regia e delle scelte narrative. Gli elementi presentati qui da Google sono un esempio di dieci minuti e risultati dichiarati sui benchmark; i confronti dettagliati e le informazioni sulle configurazioni restano nei paper di ricerca collegati.