Cómo los mejores directores crean vídeos a partir de imágenes en solo 5 días y recrean escenas históricas

El 21 de septiembre, en la víspera de la Conferencia Apsara de 2026, el aclamado director y guionista Lu Chuan subió al escenario con el tráiler de su cortometraje generado por IA (AIGC), The Site of History. Es la primera vez que utiliza IA para crear imágenes de calidad cinematográfica en profundidad, marcando una "co-creación humano-IA" con el modelo de generación de vídeo de Alibaba.

Según los cálculos de la producción cinematográfica tradicional, reconstruir el paisaje urbano de Pekín durante la dinastía Ming, el palacio imperial y una explosión masiva requeriría meses de trabajo y un presupuesto de decenas de millones; de hecho, solo filmar una secuencia de explosión en vivo llegó a tomar 19 días. Esta vez, desde la investigación histórica hasta la generación de imágenes, el equipo necesitó apenas cinco días.

Ese contraste es lo que ahora capta la atención de toda la industria.

Usar la IA para "regresar a la escena" de un misterio de 400 años

The Site of History representa el "Incidente de Wanggongchang" de 1626 durante la dinastía Ming: una enorme explosión en el arsenal de pólvora de Wanggongchang, al suroeste de Pekín, cuya causa sigue siendo un misterio hasta hoy. Precisamente porque está "sin resolver", ofrece tanto un vasto lienzo como un formidable desafío para la creación cinematográfica.

La elección temática de Lu Chuan surgió de la investigación del equipo sobre la historia de la dinastía Ming mientras preparaban la película Tiangong Kaiwu. En lugar de depender de la pura imaginación, examinaron múltiples fuentes de la dinastía Ming, incluidas Zhuozhong Zhi y Tianjue Tang Wenji, reconstruyendo los relatos escritos de diferentes testigos presenciales, y luego utilizaron la IA para traducir estas "escenas textuales" en imágenes, explorando así el misterio que aún rodea a la explosión.

El cortometraje se desarrolla desde las perspectivas de tres testigos presenciales: Wu Er, un artesano de pólvora que sobrevivió en el centro de la explosión; Liu Ruoyu, un eunuco dentro del palacio; y Xue Gang, un erudito que vivía entre la gente común. Los tres relatos provienen de registros históricos supervivientes, lo que significa que no hay ningún "protagonista" ficticio; cada figura es un testigo que la historia ha dejado atrás.

La escena más propensa a exponer la debilidad de la IA, reconstruida con más del 95 % de fidelidad

¿Qué temen más los espectáculos de efectos visuales? Que los pillen. Y una explosión, con humo, escombros y fuego estallando hacia afuera simultáneamente, es precisamente el tipo de escena compleja y de rápido movimiento que más estrés genera en un modelo y que resulta más fácil detectar como "falsa a simple vista".

El enfoque del equipo fue completamente "impulsado por la ingeniería": tradujeron descripciones literarias de los textos antiguos, como "humo ascendiendo como un hongo lingzhi negro", frase por frase, en conceptos visuales modernos como "nube en forma de hongo"; iteraron a través de aproximadamente cuatro rondas de optimización de prompts; y calibraron los resultados contra metrajes reales de explosiones.

El resultado: la renderización del humo, los escombros y otras imágenes por parte del modelo de generación de vídeo de Alibaba alcanzó más del 95 % de lo que el equipo había esperado. En pantalla, el humo del "hongo lingzhi negro" se elevó con fuerza y se mantuvo sólido como una roca.

No es la "IA reemplazando al director", sino una nueva división del trabajo

Lo que Lu Chuan realmente quiere explorar no es si la IA reemplazará a los directores, sino cómo se puede redistribuir el trabajo entre humanos y máquinas.

Comenzó a experimentar con AIGC en 2023, siendo prácticamente un usuario avanzado, pero esta producción aún "superó sus expectativas". Señaló acertadamente un defecto común: los modelos de propósito general se entrenan mayoritariamente con obras cinematográficas y televisivas de dramas de época existentes, por lo que las imágenes generadas por IA suelen tener una familiar "sensación de drama de época", perdiendo esa "sensación de extrañamiento" que debería tener la historia real.

La respuesta de The Site of History es: los humanos marcan la dirección, la IA se encarga de la ejecución.

• Durante la investigación y recopilación de material: los humanos deciden primero la dirección de la investigación y la IA ayuda a recopilar el material;
• Durante la producción: el director controla la dirección de la cámara, la textura visual y el tono general, mientras que la IA materializa la intención;
• Durante la reflexión temática: la IA puede incluso servir como "compañero de conversación", ayudando a organizar las preguntas.

En una frase: los humanos poseen la sensibilidad para identificar problemas, la expresión central, el juicio estético y los límites factuales; la IA se encarga de ampliar el material, concretar la imaginación y mejorar la eficiencia de ejecución. En el segmento de generación de video, el nivel de implicación y contribución del modelo de Alibaba superó la mitad del trabajo, haciendo que los personajes fueran más realistas y representando "mil rostros para mil personas".

Cabe destacar que el propio Lu Chuan participa profundamente en la creación mediante programación y post-entrenamiento de modelos; él ve esto como una "elección bidireccional": personajes realistas, escenas complejas y textura cinematográfica son precisamente las fortalezas del modelo de generación de video de Alibaba. Por su parte, Alibaba declaró que trabajará con más directores, expertos de la industria e historiadores en el futuro, introduciendo información profesional más rigurosa y continuando fortaleciendo las capacidades de Agentic Video para elevar el nivel de inteligencia de toda la cadena de producción de video.

La señal real: la competencia de video con IA pasa de los "benchmarks" a la "entrega"

Si The Site of History se considera solo como una noticia sobre "un director jugando con la IA", se pasaría por alto un cambio más significativo.

El 22 de septiembre, en el foro principal de la Apsara Conference, Alibaba Cloud presentó casi toda su cartera de modelos: Qwen3.8-Max comenzando a autoentrenarse, Qwen3.8-Flash previsualizando la arquitectura de próxima generación, Qwen3.8-Omni unificando la comprensión omnimodal y Qwen4 ya en entrenamiento, con una escala de parámetros dirigida directamente a 5–10 billones; también hicieron aparición la generación de imágenes Qwen-Image-3.1, la generación musical Happy Shrimp 1.1, el modelo mundial HappyOyster 2.0 Preview y la voz Qwen-Audio-3.1, mientras que el modelo de video de próxima generación está previsto para su lanzamiento en noviembre.

Cualquiera de estos modelos podría llenar un artículo entero, pero leídos junto con el cortometraje de Lu Chuan, el matiz cambia: esta ronda de actualizaciones omnimodales ya no parece rellenar capacidades individuales, sino más bien responder a una sola pregunta: ¿pueden los modelos integrarse más rápido en escenarios reales y convertirse en productividad genuina?

Durante el último año, la carrera del video con IA ha girado en torno a los "benchmarks": quién lidera la clasificación de pruebas ciegas, quién puede generar clips más largos. Pero obras como The Site of History devuelven la competencia a una dimensión más terrenal: la entrega: ¿puedes realmente terminar una película, puedes conseguir que un director de primer nivel ponga su nombre en ella, puedes comprimir "decenas de millones de yuanes y meses de trabajo" en "cinco días"?

"AI is not a photographer of existing landscapes, but a creator of unknown ones." Lu Chuan's words might be the footnote for everyone in the industry: the next watershed in image-to-video lies not on the leaderboard, but on the set.​