C’è un’esperienza che fanno tutti e che quasi nessuno interpreta correttamente. Si chiede una cosa qualunque, si riceve un’immagine che sembra uscita da una campagna pubblicitaria: luce morbida[2], composizione[3] centrata, colori gradevoli, tutto un po’ troppo. Poi si prova a chiedere qualcosa di sgraziato, sporco, mediocre, e si scopre che è difficile. Lo strumento tende al bello, o meglio, tende a una idea di bello.
Su questo punto devo essere onesto sul mio livello di certezza, perché è un capitolo dove è facile scrivere cose suggestive e infondate. Non conosco uno studio che misuri questa tendenza e ne quantifichi la portata: quello che segue è un ragionamento su come questi sistemi sono costruiti, non un dato. Il ragionamento è questo. Il legame fra parole e immagini è appreso per correlazione[4] su materiale raccolto in circolazione, dove le immagini pubblicate, curate e ricondivise sono enormemente sovrarappresentate rispetto a quelle mediocri. Chiedendo una cosa generica, si ottiene il centro statistico di quel materiale. Il centro di un archivio di immagini pubblicate è, per definizione, una fotografia gradevole.
Per un autore questo è un problema, non un vantaggio, e si presenta in tre modi:
- La mediocrità va chiesta esplicitamente. Una stanza disordinata, una luce brutta, un volto stanco, un’inquadratura[5] sbagliata di proposito: sono richieste che devono essere formulate come richieste, perché il centro non le contiene.
- Il centro è riconoscibile. Chi guarda molte immagini generate impara a vedere quella patina, e la vede anche nel tuo lavoro. È il modo più rapido per far sembrare un materiale già visto.
- La documentazione e il realismo pagano il prezzo più alto. Un’estetica pubblicitaria applicata a un contenuto documentario lo rende falso prima di qualunque errore di dettaglio[6].
Il metodo di lavoro che ne deriva[7] si prova prima di crederci: descrivere l’imperfezione con la stessa precisione con cui si descriverebbe la bellezza, e verificare se sposta il risultato. Nella nostra esperienza sposta molto; ma è esperienza nostra, non una misura.
Come è nata la figura
Nano Banana Pro, 2K, 16:9[8]. Serie di 5 riquadri generati separatamente, senza incatenarli l’uno all’altro: la differenza fra loro è ciò che la figura mostra. Nessuna immagine di riferimento.
Prompt[9] del riquadro 1 (prima), in inglese come è stato inviato al modello:
Il prompt
A portrait of a woman in her thirties.Prompt del riquadro 2 (seconda), in inglese come è stato inviato al modello:
A portrait of a woman in her thirties.Prompt del riquadro 3 (terza), in inglese come è stato inviato al modello:
A portrait of a woman in her thirties.Prompt del riquadro 4 (quarta), in inglese come è stato inviato al modello:
A portrait of a woman in her thirties.Prompt del riquadro 5 (quinta), in inglese come è stato inviato al modello:
A portrait of a woman in her thirties.Un breve testo che riassume l'idea centrale e la trama di un film. Descrive in sintesi i personaggi, l'ambientazione, il conflitto principale e l'evoluzione della storia. Serve a presentare il nucleo narrativo a produttori e registi, fornendo la base da cui si svilupperanno successivamente il trattamento e la sceneggiatura definitiva.
Detta anche luce diffusa, è un tipo di illuminazione che avvolge il soggetto, producendo ombre molto tenui, dai bordi sfumati, e un basso contrasto. Si ottiene da una sorgente luminosa ampia (come un softbox o un cielo nuvoloso). È spesso usata per atmosfere di serenità, romanticismo o nel beauty.
L'arte e la tecnica di disporre gli elementi visivi (soggetti, oggetti, luci, ombre) all'interno del frame (l'inquadratura). Serve a guidare lo sguardo dello spettatore verso i punti di interesse, a creare equilibrio (o squilibrio) e a sottolineare le relazioni narrative.
Indica che due elementi ricorrono insieme negli esempi esaminati dal sistema. Un modello può apprendere questi legami tra parole e immagini senza sapere perché esistono. Per questo può associare una richiesta a dettagli non voluti.
L'unità minima del linguaggio cinematografico. Tecnicamente, è la porzione di spazio (fisico o virtuale) delimitata dai bordi dell'obiettivo della macchina da presa. Nel montaggio, corrisponde a una registrazione continua tra due stacchi (tagli).
