La videosintesi dell’immagine umana, arma in più della post-produzione 4.0
Il contributo dell’intelligenza artificiale permette lo sviluppo di software capaci di replicare una perfetta simulazione di qualunque volto umano in movimento. Il prodotto finale, comunemente noto come video deepfake, è potenzialmente impossibile da distinguere da uno legittimo. In questo articolo andremo a spiegarvi come è tecnicamente possibile realizzarne uno e quali implicazioni determina lo sviluppo di questa tecnologia.
Come si realizza un video deepfake
Un’analisi del termine deepfake può già fornirci qualche suggerimento in merito. Il nome è appunto la crasi di deep learning e fake.
La sintesi dell’immagine umana funziona difatti grazie al contributo di intelligenze artificiali in grado di connettere informazioni e dati in una gerarchia ispirata al funzionamento delle reti neurali biologiche. Muovendo da una base nota, le AI che apprendono tramite deep learning sono in grado di imparare senza la necessità di input di programmazione esterni, similmente a come farebbe una mente umana.
Per produrre un video deepfake:
- Un numero di frame raffiguranti un volto. Ne basta anche solo uno, ma al crescere dei fotogrammi a disposizione aumenta anche la qualità del prodotto finale
- Un video sorgente di un soggetto in movimento, che preferibilmente sia lo stesso
A questo punto l’intelligenza artificiale inizierà la procedura di esposizione e apprendimento. Il funzionamento può essere molto complesso da analizzare da una prospettiva tecnica, in quanto esistono diversi modelli di sintesi dell’immagine umana, di cui il più famoso è il cosiddetto GAN (generative, adversarial, network). Riassumendo si può affermare che ogni intelligenza artificiale impiegata nella produzione di un deepfake agisce in tre fasi distinte. In una prima vengono evidenziati dei landmark facciali, veri e propri punti notevoli che contraddistinguono ogni volto umano. Poi, esaminando il video sorgente, l’AI estrae un modello vettoriale di movimento. Infine, in una fase di fine tuning, i due set di dati vengono incrociati per produrre la simulazione in movimento desiderata.
In questo video Samsung mostra tutto il potenziale del network che ha sviluppato, portando il deepfake oltre ogni limite precedentemente stabilito. L’AI della casa madre coreana rianima Marylin Monroe, Fedor Dostoevskij e la Monna Lisa.
Il deepfake per l’advertising
Il deepfake è una tecnologia estremamente controversa. Spesso utilizzata per plagiare l’immagine di celebrità e politici, allarma le autorità di tutto il mondo. Proprio perciò nel 2020, Facebook, Google e TikTok hanno preso posizione contro il deepfake, garantendo la rimozione di ogni contenuto generato tramite sovrapposizione e sostituzione dei contenuti di un video così da sembrare autentico.
Le tecnologie di sintesi dell’immagine umana costituiscono però un enorme potenziale, che il settore della comunicazione può rendere uno strumento strategico per un video marketing di nuova generazione.
Le applicazioni possono essere raggruppate in tre ambiti distinti:
- Sfruttamento di volti iconici del passato
- Tecnologie di lip sinc
- Ottimizzazione e supporto della produzione
Sfruttamento di volti iconici del passato
Per realizzare un deepfake può bastare una sola immagine statica. Si può ricavare, inoltre, la componente vettoriale da un video ritraente un diverso soggetto: il risultato finale sarà meno accurato ma comunque credibile. Gli scenari che si aprono sono quindi vastissimi. Una possibilità, ad esempio, è quella di ridare vita a volti iconici del passato. Un caso di successo è lo spot di Galaxy, brand attivo nella produzione dolciaria. Nel 2014, con il contributo dell’agenzia AMV BBDO e l’autorizzazione degli eredi, è stato realizzato un commercial in cui Audrey Hepburn sponsorizza una tavoletta di cioccolato del marchio inglese. L’intera ricostruzione del volto dell’attrice è stata effettuata a partire da materiale di repertorio.
Deepfake per il lip sinc
Utilizzando un video sorgente ritraente un soggetto diverso da quello del video post-prodotto, si può inoltre ottenere una perfetta sincronizzazione labiale. Sono presenti sul mercato software specializzati in questa procedura, come Synthesia, piattaforma di editing sintetico attiva in collaborazioni con grandi agenzie di comunicazione. In questo video potete vedere come l’intelligenza artificiale permette di sincronizzare i movimenti labiali di due soggetti, rendendo possibile un perfetto doppiaggio:
Agendo in questo modo, il software permette a David Beckham di parlare nove lingue con una totale sincronizzazione labiale, in questa campagna benefica. A doppiarlo le voci di sopravvissuti alla malaria e medici in prima linea contro la malattia.
Il software è stato usato anche per post-produrre il lip sinc di Snoop Dog in questo spot. L’errore nasce dal fatto che il video, girato per il mercato internazionale da Just Eat, è stato utilizzato anche in l’Australia dove il servizio di Food Delivery è noto col nome commerciale MenuLog. Ciò ha reso necessario un ritocco in corso d’opera, perfettamente portato a termine grazie al software Synthesia.
Supporto e ottimizzazione alla produzione
Il deepfake può venire in aiuto anche nel supportare la produzione, specialmente in un momento come l’anno in corso. Le necessità imposte dall’emergenza sanitaria covid hanno spesso reso più complesso organizzare casting con comparse e attori reali. L’utilizzo di tecnologie di sintesi dell’immagine umana è stato esplorato da diverse agenzie per velocizzare la filiera.
Conclusioni
In parallelo a quanto avviene con VR e AR (ne parliamo qui!) le tecniche di sintesi dell’immagine umana potrebbero affermarsi come presenza stabile nel portfolio creativo di ogni brand. La post-produzione è oggi uno strumento strategico per rendere competitiva una campagna di video advertising.
