Prima puntata · Fucina, Martino e TOBI
Sul disco fisso del mio PC c’è un cartone animato di sei minuti e quarantaquattro secondi che, a guardarlo senza sapere nulla, sembra arrivato da un piccolo studio di produzione. Ha fondali caldi, personaggi che si muovono, dissolvenze, musica e voci diverse. In realtà è nato in una stanza di casa, su una RTX 3090, una scheda grafica uscita nel 2020 e comprata per fare girare videogiochi.
Il progetto si chiama Fucina. Non l’ho programmato scrivendo da solo ogni riga: l’ho costruito dialogando con Fable 5 di Anthropic, chiedendogli prima di produrre il film e poi di raccogliere il metodo dentro un’applicazione. Le immagini sono state create con FLUX, il movimento con LTX, il montaggio con FFmpeg. Fable 5 ha fatto da progettista e da operaio digitale, ma non è il modello che ha disegnato i fotogrammi.
Questa distinzione sembra da addetti ai lavori, ma serve a capire che cosa è accaduto davvero. Non ho chiesto a una macchina: “Fammi un cartone”. Ho chiesto a una macchina di costruire una “fabbrica”, poi ho passato parecchio tempo a controllare ciò che usciva dalla catena di montaggio.
Martino e il pappagallo che aveva letto tutto
Mentre costruivo il video, mi sono accorto che la storia stava parlando anche del mio lavoro. Ogni modello della catena sembrava TOBI: rapido, disponibile e convintissimo. Io ero come Martino, che semplicemente reggeva il pannello!
Diciannove clip per un film di oltre sei minuti
Fucina nasce da 17 scene narrative. Per animarle sono state generate 19 clip, comprese due varianti, lunghe 5,04 secondi ciascuna. In totale ci sono poco meno di 96 secondi di movimento originale dentro un film che dura quasi 404 secondi.
Il resto viene dal montaggio. Ogni clip procede in avanti, torna indietro, viene rallentata di 1,6 volte e ripetuta finché la voce ha finito di raccontare quella scena. È una soluzione molto economica: con meno di due minuti di animazione calcolata si riempiono quasi sette minuti di racconto.
Nei primi secondi il trucco funziona bene. Martino cambia espressione, TOBI inclina la testa, la luce si muove e la musica tiene insieme tutto. Dopo un po’, però, si vede che alcuni gesti fanno il percorso contrario. Il personaggio alza una mano e poi la riporta indietro esattamente lungo la stessa traiettoria. Il tempo diventa un pendolo.
È il compromesso centrale di Fucina: ottiene molta atmosfera con poco calcolo, ma la paga in ripetizione. Non è una svista rimasta in una scena. È il modo in cui il film è stato costruito.
Il piccolo corso di disegno per ricordare i personaggi
Uno dei problemi più difficili dell’immagine generativa è convincere il modello che il bambino della cucina e quello del museo debbano essere la stessa persona. Una descrizione come “bambino di otto anni con capelli castani” non basta. Ogni nuova immagine ricomincia da capo e interpreta quelle parole a modo proprio.
Per Martino e TOBI ho quindi preparato un piccolo addestramento specializzato. Gli addetti ai lavori lo chiamano LoRA; io lo descriverei come un corso accelerato di disegno. Il modello ha studiato 23 coppie di immagini e didascalie per 2.000 passaggi. La RTX 3090 ha lavorato per circa due ore e dieci minuti.
Il risultato ha aiutato molto, ma non ha risolto tutto. Martino cambia talvolta abiti, proporzioni e stile. TOBI, per buona parte del film, è verde o turchese e porta grandi occhiali rossi; nella scena conclusiva diventa un pappagallo rosso senza occhiali. Non è una diversa espressione. È quasi un altro personaggio che si è presentato sul set all’ultimo momento.
Le voci sono più numerose di quanto sembri, ma non sono locali
Fucina usa sei profili vocali per narratore e personaggi. Non sono sei voci originali: derivano da quattro voci Microsoft di base, modificate per altezza e velocità. La differenza basta a dare un’identità più teatrale ai dialoghi. La musica continua riempie le pause e rende il film più completo, anche se è semplice e ripetitiva.
C’è una cosa da precisare rispetto alla formula “tutto resta sul computer”. Le immagini e le animazioni sono state prodotte in locale. La voce predefinita usa Edge TTS, un servizio Microsoft: per farla leggere, il testo viene inviato fuori dal PC. Il file non comporta un prezzo per minuto nel flusso che ho usato, ma non è una sintesi vocale completamente privata e offline.
Anche il volume finale è troppo basso. Il suono c’è, le voci sono comprensibili, però bisogna alzare più del normale. La presenza di sei profili non garantisce da sola una buona registrazione, così come avere sei attori non serve se il microfono resta troppo lontano.
Fucina è una buona idea di applicazione, non ancora un prodotto finito
Dopo avere finito il film ho chiesto a Fable 5 di trasformare il processo in un’app. Il principio è giusto: si incolla la storia, la si divide in scene, si approvano le tavole, si generano le clip e infine si aggiungono voci e montaggio. Ogni pezzo può essere rifatto senza ricominciare tutto.
La versione attuale, però, è un prototipo personale. Dipende da Python, ComfyUI, FFmpeg, componenti aggiuntivi e circa 53 gigabyte di modelli già installati. Alcune cartelle sono ancora legate al mio computer e il flusso predefinito cerca perfino l’addestramento di Martino e TOBI. Non ho ancora dimostrato che una persona inesperta possa installarla su un altro PC e produrre un nuovo film dall’inizio alla fine.
Questo non toglie valore all’esperimento. Lo colloca nel posto giusto. Fucina dimostra che una persona sola può ottenere una favola animata calda ed espressiva usando strumenti disponibili in casa. Dimostra anche che tra “funziona sul mio computer” e “può usarlo chiunque” c’è ancora parecchia strada.
Quando ho guardato il film completo, il momento che mi è rimasto non è stato il pappagallo rosso comparso dal nulla. È stato Martino davanti al pannello del museo. Perché nel frattempo ero diventato lui: avevo ricevuto centinaia di risposte convincenti e avevo dovuto decidere, una per una, quali meritassero di restare.
Nella prossima puntata racconto l’altra fabbrica, Storyboard Studio, creata con GPT 5.6 Sol: meno teatrale, molto più affamata di calcolo e costruita con 252 piccoli movimenti che non tornano mai indietro.
Se poi siete interessati all’app vera e propria, “Fucina”, fatemelo sapere nei commenti, e vedrò di trovare il modo di condividervela. Se foste interessati ad approfondire gli aspetti tecnici, ho scritto un lungo articolo su Hardware Upgrade che potrete trovare qui.
Se questo pezzo ti è servito, la cosa migliore che puoi fare è inoltrare la newsletter a qualcuno della tua rete che potrebbe trovarlo interessante. È così che cresce questa newsletter, lentamente, tramite passaparola di lettori che si fidano.
