Como os principais diretores criam vídeos a partir de imagens em apenas 5 dias e recriam cenas históricas

Em 21 de setembro, na véspera da Conferência Apsara de 2026, o aclamado diretor e roteirista Lu Chuan subiu ao palco com o trailer de seu curta-metragem gerado por IA, The Site of History. Esta é a primeira vez que ele utiliza IA para criar imagens de qualidade cinematográfica em profundidade, marcando uma "co-criação humano-IA" com o modelo de geração de vídeo da Alibaba.

Pelos cálculos da produção cinematográfica tradicional, reconstruir a paisagem urbana de Pequim da dinastia Ming, o palácio imperial e uma explosão massiva exigiria meses de trabalho e um orçamento de dezenas de milhões — mesmo apenas filmar uma sequência de explosão real levou 19 dias. Desta vez, desde a pesquisa histórica até a geração de imagens, a equipe precisou de apenas cinco dias.

Esse contraste é exatamente o que toda a indústria está observando agora.

Usando a IA para "Retornar à Cena" de um Mistério de 400 Anos

The Site of History retrata o "Incidente de Wanggongchang" de 1626, durante a dinastia Ming — uma enorme explosão no arsenal de pólvora de Wanggongchang, no sudoeste de Pequim, cuja causa permanece um mistério até hoje. Precisamente por ser "não resolvido", o evento oferece tanto uma vasta tela quanto um desafio formidável para a criação cinematográfica.

A escolha do tema por Lu Chuan surgiu da pesquisa da equipe sobre a história da dinastia Ming durante a preparação do filme Tiangong Kaiwu. Em vez de depender da pura imaginação, eles examinaram minuciosamente múltiplas fontes da dinastia Ming, incluindo Zhuozhong Zhi e Tianjue Tang Wenji, reunindo os relatos escritos de diferentes testemunhas oculares e, em seguida, usaram a IA para traduzir essas "cenas textuais" em imagens — e para investigar o mistério que ainda envolve a explosão hoje.

O curta-metragem se desenrola a partir das perspectivas de três testemunhas oculares: Wu Er, um artesão de pólvora que sobreviveu no centro da explosão; Liu Ruoyu, um eunuco dentro do palácio; e Xue Gang, um erudito que vivia entre as pessoas comuns. Todos os três relatos provêm de registros históricos sobreviventes — o que significa que não há um único "protagonista" fictício; cada figura é uma testemunha deixada pela história.

A Cena Mais Provável de Expor a Fraqueza de uma IA — Reconstruída com Mais de 95% de Fidelidade

O que os espetáculos de efeitos visuais mais temem? Serem desmascarados. E uma explosão — com fumaça, detritos e fogo irrompendo simultaneamente — é precisamente o tipo de cena complexa e de movimento rápido que mais estressa um modelo e é mais fácil de identificar como "falsa à primeira vista".

A abordagem da equipe foi profundamente "orientada pela engenharia": eles traduziram descrições literárias dos textos antigos — como "fumaça subindo como um cogumelo lingzhi preto" — frase por frase em conceitos visuais modernos como "nuvem em forma de cogumelo"; iteraram através de aproximadamente quatro rodadas de otimização de prompts; e calibraram os resultados com base em filmagens reais de explosões.

O resultado: a renderização de fumaça, detritos e outras imagens pelo modelo de geração de vídeo da Alibaba atingiu mais de 95% do que a equipe esperava. Na tela, a fumaça "lingzhi preta" surgiu vigorosamente — e manteve-se sólida e impressionante.

Não "IA substituindo o diretor", mas uma nova divisão de trabalho

O que Lu Chuan realmente deseja explorar não é se a IA substituirá os diretores, mas como humanos e máquinas podem ter suas funções redistribuídas.

Ele começou a experimentar com AIGC em 2023 — praticamente um usuário avançado —, ainda assim esta produção "superou suas expectativas". Ele apontou astutamente uma falha comum: os modelos de propósito geral são treinados principalmente em obras existentes de filmes e televisão de drama histórico, portanto, as imagens geradas por IA carregam facilmente uma familiar "estética de drama histórico", perdendo a "sensação de estranhamento" que a história real deveria ter.

A resposta de The Site of History é: humanos definem a direção, a IA cuida da execução.

• Durante a pesquisa e coleta de materiais: humanos decidem primeiro a direção da pesquisa, e a IA auxilia na coleta de materiais;
• Durante a produção: o diretor controla a direção da câmera, a textura visual e o tom geral, enquanto a IA concretiza a intenção;
• Durante a reflexão temática: a IA pode até servir como "parceira de conversa", ajudando a organizar as questões.

Em uma frase: humanos possuem a percepção do problema, a expressão central, o julgamento estético e os limites factuais; a IA cuida da expansão do material, da concretização da imaginação e da melhoria da eficiência de execução. No segmento de geração de vídeo, o nível de envolvimento e contribuição do modelo da Alibaba ultrapassou metade do trabalho, tornando os personagens mais realistas e renderizando "mil rostos para mil pessoas".

Vale ressaltar que o próprio Lu Chuan está participando profundamente da criação através de programação e pós-treinamento de modelos — ele vê isso como uma "escolha bidirecional": personagens realistas, cenas complexas e textura cinematográfica são precisamente os pontos fortes do modelo de geração de vídeo da Alibaba. Por sua vez, a Alibaba afirmou que trabalhará com mais diretores, especialistas da indústria e historiadores no futuro, introduzindo informações profissionais mais rigorosas e continuando a fortalecer as capacidades de Agentic Video para elevar o nível de inteligência de todo o pipeline de produção de vídeo.

O Sinal Real: A Competição de Vídeo com IA Mudando de "Benchmarks" para "Entrega"

Se The Site of History for tratado apenas como uma notícia de "diretor brincando com IA", você perderá a mudança mais significativa.

Em 22 de setembro, no fórum principal da Conferência Apsara, a Alibaba Cloud apresentou quase todo o seu portfólio de modelos: Qwen3.8-Max começando a treinar a si mesmo, Qwen3.8-Flash apresentando a arquitetura de próxima geração, Qwen3.8-Omni unificando a compreensão omni-modal e Qwen4 já em treinamento, com escala de parâmetros visando diretamente 5–10 trilhões; geração de imagem Qwen-Image-3.1, geração de música Happy Shrimp 1.1, modelo de mundo HappyOyster 2.0 Preview e voz Qwen-Audio-3.1 também fizeram aparições, e o modelo de vídeo de próxima geração está previsto para lançamento em novembro.

Qualquer um desses modelos poderia preencher um artigo inteiro, mas lidos em conjunto com o curta-metragem de Lu Chuan, o sabor muda — esta rodada de atualizações omni-modais não parece mais preencher capacidades individuais, mas sim responder a uma única pergunta: os modelos podem entrar em cenários reais mais rapidamente e se tornar produtividade genuína?

No último ano, a corrida de vídeo com IA foi sobre "benchmarks": quem lidera o ranking de testes cegos, quem pode gerar clipes mais longos. Mas obras como The Site of History trazem a competição de volta a uma dimensão mais prática — entrega: você consegue realmente terminar um filme, consegue fazer um diretor de primeira linha colocar seu nome nele, consegue comprimir "dezenas de milhões de yuans e meses de trabalho" em "cinco dias"?

"A IA não é uma fotógrafa de paisagens existentes, mas uma criadora de paisagens desconhecidas." As palavras de Lu Chuan podem ser a nota de rodapé para todos na indústria: o próximo divisor de águas na transformação de imagem para vídeo não está no ranking, mas no set de filmagem.