Bagaimana sutradara papan atas membuat video dari gambar hanya dalam 5 hari dan menciptakan ulang adegan sejarah

Pada 21 September, menjelang Konferensi Apsara 2026, sutradara dan penulis naskah ternama Lu Chuan tampil di panggung dengan trailer film pendek AIGC-nya, The Site of History. Ini adalah pertama kalinya ia menggunakan AI untuk menciptakan citra setara film secara mendalam, menandai sebuah "kolaborasi manusia-AI" dengan model pembangkit video Alibaba.

Menurut hitungan produksi film tradisional, merekonstruksi lanskap kota Beijing dinasti Ming, istana kekaisaran, dan ledakan besar-besaran akan membutuhkan waktu berbulan-bulan serta anggaran puluhan juta—bahkan hanya untuk memfilmkan satu urutan ledakan langsung saja memakan waktu 19 hari. Kali ini, dari riset sejarah hingga generasi gambar, tim hanya membutuhkan lima hari.

Kontras itulah yang kini menjadi perhatian seluruh industri.

Menggunakan AI untuk "Kembali ke Lokasi" Misteri Berusia 400 Tahun

The Site of History mengisahkan "Insiden Wanggongchang" tahun 1626 pada dinasti Ming—sebuah ledakan besar di gudang mesiu Wanggongchang di barat daya Beijing yang penyebabnya tetap menjadi misteri hingga hari ini. Justru karena statusnya yang "belum terpecahkan", hal ini menawarkan kanvas luas sekaligus tantangan berat bagi kreasi sinematik.

Pilihan subjek Lu Chuan lahir dari riset tim terhadap sejarah dinasti Ming saat mempersiapkan film Tiangong Kaiwu. Alih-alih mengandalkan imajinasi murni, mereka mendalami berbagai sumber dinasti Ming, termasuk Zhuozhong Zhi dan Tianjue Tang Wenji, menyusun kembali catatan tertulis dari berbagai saksi mata, lalu menggunakan AI untuk menerjemahkan "adegan tekstual" tersebut menjadi citra visual—serta menyelidiki misteri yang masih menyelimuti ledakan tersebut hingga kini.

Film pendek ini unfolds dari perspektif tiga saksi mata: Wu Er, seorang pengrajin mesiu yang selamat di pusat ledakan; Liu Ruoyu, seorang kasim di dalam istana; dan Xue Gang, seorang cendekiawan yang hidup di antara rakyat biasa. Ketiga kesaksian tersebut berasal dari catatan sejarah yang masih ada—artinya tidak ada satu pun "protagonis" fiktif; setiap figur adalah saksi yang ditinggalkan oleh sejarah.

Adegan yang Paling Mungkin Mengungkap Kelemahan AI—Direkonstruksi dengan Fidelitas Lebih dari 95%

Apa yang paling ditakutkan oleh spektakel efek visual? Ketahuan palsu. Dan sebuah ledakan—dengan asap, puing-puing, dan api yang meledak keluar secara bersamaan—adalah jenis adegan kompleks dan bergerak cepat yang paling menekan model dan paling mudah terlihat sebagai "palsu sekilas pandang."

The team's approach was thoroughly "engineering-driven": they translated literary descriptions from the ancient texts—such as "smoke rising like a black lingzhi mushroom"—phrase by phrase into modern visual concepts like "mushroom cloud"; iterated through roughly four rounds of prompt optimization; and calibrated against real explosion footage.

Hasilnya: rendering asap, puing-puing, dan citra lainnya oleh model pembangkit video Alibaba mencapai lebih dari 95% dari ekspektasi tim. Di layar, asap "lingzhi hitam" melonjak ke atas—dan tetap stabil, kokoh tak tergoyahkan.

Bukan "AI Menggantikan Sutradara," melainkan Pembagian Kerja Baru

Yang benar-benar ingin dieksplorasi oleh Lu Chuan bukanlah apakah AI akan menggantikan sutradara, tetapi bagaimana manusia dan mesin dapat membagi ulang peran mereka.

Ia mulai bereksperimen dengan AIGC pada tahun 2023—hampir bisa disebut pengguna tingkat lanjut—namun produksi ini tetap "melebihi ekspektasinya." Ia secara tajam menunjuk pada kelemahan umum: model tujuan umum sebagian besar dilatih menggunakan karya film dan televisi drama kostum yang sudah ada, sehingga gambar yang dihasilkan AI mudah membawa "nuansa drama kostum" yang familier, dan kehilangan "rasa keterasingan" yang seharusnya ada dalam sejarah nyata.

Jawaban dari The Site of History adalah: manusia menetapkan arah, AI menangani eksekusi.

• Selama penelitian dan pengumpulan materi: manusia menentukan arah penelitian terlebih dahulu, dan AI membantu mengumpulkan materi;
• Selama produksi: sutradara mengendalikan arah kamera, tekstur visual, dan nada keseluruhan, sementara AI mewujudkan intent tersebut;
• Selama refleksi tematik: AI bahkan dapat berperan sebagai "mitra bicara," membantu menguraikan pertanyaan-pertanyaan.

Singkatnya: manusia memiliki rasa terhadap masalah, ekspresi inti, penilaian estetika, dan batasan faktual; AI menangani perluasan materi, konkretisasi imajinasi, dan peningkatan efisiensi eksekusi. Dalam segmen pembuatan video, tingkat keterlibatan dan kontribusi model Alibaba melebihi setengah dari pekerjaan, membuat karakter lebih hidup dan menampilkan "seribu wajah untuk seribu orang."

Perlu dicatat bahwa Lu Chuan sendiri terlibat secara mendalam dalam kreasi melalui pemrograman dan post-training model—ia melihat ini sebagai "pilihan dua arah": karakter yang realistis, adegan yang kompleks, dan tekstur sinematik justru merupakan kekuatan dari model pembuatan video Alibaba. Di sisi lain, Alibaba menyatakan akan bekerja sama dengan lebih banyak sutradara, pakar industri, dan sejarawan di masa depan, memperkenalkan informasi profesional yang lebih ketat dan terus memperkuat kemampuan Agentic Video untuk meningkatkan tingkat kecerdasan seluruh alur kerja produksi video.

Sinyal Nyata: Kompetisi Video AI Bergeser dari "Benchmark" ke "Pengiriman"

Jika The Site of History hanya dianggap sebagai berita "sutradara bermain dengan AI", Anda akan melewatkan pergeseran yang lebih signifikan.

Pada 22 September, di forum utama Apsara Conference, Alibaba Cloud memamerkan hampir seluruh portofolio modelnya: Qwen3.8-Max mulai melatih diri sendiri, Qwen3.8-Flash mempratinjau arsitektur generasi berikutnya, Qwen3.8-Omni menyatukan pemahaman omni-modal, dan Qwen4 sudah dalam proses pelatihan, dengan skala parameter yang langsung menargetkan 5–10 triliun; generasi gambar Qwen-Image-3.1, generasi musik Happy Shrimp 1.1, model dunia HappyOyster 2.0 Preview, dan suara Qwen-Audio-3.1 semuanya tampil, dan model video generasi berikutnya dijadwalkan rilis pada November.

Satu model saja sudah cukup untuk mengisi satu artikel utuh, tetapi jika dibaca bersama dengan film pendek Lu Chuan, rasanya berubah—peningkatan omni-modal kali ini tidak lagi terlihat seperti mengisi kemampuan individu, tetapi lebih seperti menjawab satu pertanyaan: dapatkah model masuk ke skenario nyata lebih cepat dan menjadi produktivitas sejati?

Selama setahun terakhir, lomba video AI berfokus pada "benchmark": siapa yang memimpin papan peringkat uji buta, siapa yang dapat menghasilkan klip lebih panjang. Namun karya-karya seperti The Site of History menarik kompetisi kembali ke dimensi yang lebih membumi—pengiriman: dapatkah Anda benar-benar menyelesaikan sebuah film, dapatkah Anda membuat sutradara top-tier membubuhkan nama mereka, dan dapatkah Anda压缩 "puluhan juta yuan dan berbulan-bulan pekerjaan" menjadi "lima hari"?

"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.​