Quando si realizzano video, spesso le immagini più difficili da generare non sono le immagini di prodotto luminose e pulite, ma scene scure come paesaggi notturni, disastri, fantascienza e guerra.
Questi tipi di inquadrature sembrano “neri”, ma in realtà contengono moltissime informazioni.
Nelle nuvole devono esserci variazioni di luminosità a diverse profondità, il fumo non può confondersi in un unico blocco, gli edifici lontani devono mantenere i livelli spaziali, le fiamme e le sorgenti luminose di energia devono illuminare l'ambiente circostante, mentre pioggia, metallo e pozzanghere devono formare riflessi ragionevoli. Quando i personaggi indossano abiti scuri, i loro contorni non devono né scomparire nello sfondo né sembrare adesivi sovrapposti all'immagine.
Le immagini di qualità insufficiente possono avere molta atmosfera quando vengono ridotte, ma una volta entrate nel flusso di produzione video, i problemi emergono rapidamente. Nelle aree scure compaiono blocchi di colore, i dettagli degli edifici si fondono tra loro, il fumo perde stratificazione, la struttura dei velivoli diventa sfocata e personaggi e sfondo non possono essere separati. Durante movimenti di macchina in avanti, ingrandimenti locali, animazioni di parallasse o image-to-video, questi difetti vengono ulteriormente amplificati.
Per i creatori cinematografici e televisivi, il lavoro non finisce quando l'immagine è stata generata. Deve anche entrare nei processi di montaggio, movimenti di camera, effetti speciali e animazione. Questo è proprio il significato dell'esistenza di livelli qualitativi più elevati.
GPT Image 2.5 di Ace Data Cloud ora aggiunge i due livelli di qualità xhigh e max, oltre a low, medium e high. Sia Flare sia Sunburst supportano questi due livelli, inclusi i rispettivi canali ufficiali.
Quando l'immagine coinvolge aree scure complesse, nuvole volumetriche, fumo, bagliori di fuoco, riflessi in una notte piovosa e relazioni spaziali multilivello, i creatori possono consentire al modello di investire un budget di generazione maggiore, preservando il più possibile la struttura e i dettagli negli ambienti scuri.
¶ Abbiamo testato cinque livelli di qualità con una scena scura ad alta difficoltà
Per rendere le differenze più facili da evidenziare, questa volta non abbiamo scelto uno sfondo luminoso o un prodotto semplice, ma abbiamo progettato un fotogramma chiave di effetti visivi per un film catastrofico di fantascienza.
La scena si svolge in una futura città costiera all'ora blu. Un anello orbitale spezzato è sospeso sopra la città, una frattura energetica squarcia le nuvole tempestose e rottami di astronavi in fiamme precipitano verso i grattacieli. In primo piano c'è un pilota di soccorso di spalle alla telecamera, accanto a un velivolo a rotori basculanti danneggiato.
L'intera scena è dominata da blu scuro, nero e grigio, con solo la frattura energetica, le fiamme, le luci della città e alcune parti del velivolo a formare riflessi caldi.
Questo tipo di scena mette contemporaneamente alla prova se le aree scure abbiano dettagli realistici, se il personaggio in primo piano possa essere separato dallo sfondo, se nuvole e fumo abbiano stratificazione spaziale, se le fiamme illuminino davvero l'ambiente circostante e se le strutture della città, del velivolo e dell'anello orbitale siano coerenti.
Il test utilizza gpt-image-2.5-sunburst, più orientato all'alta fedeltà e al controllo preciso. Tutte le immagini utilizzano esattamente lo stesso prompt, modificando solo quality.
¶ Prompt completo del test
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
Questo prompt include deliberatamente molti contenuti che tendono facilmente a perdere controllo nelle scene scure: nuvole scure e fumo multilivello, scintille puntiformi e rottami in fiamme, personaggi con armature scure, edifici cittadini notturni, superfici bagnate e riflessi complessi, oltre a molteplici sorgenti luminose con differenze di luminosità molto elevate.
Se la qualità di generazione è insufficiente, il modello può facilmente conservare solo la forte atmosfera blu-arancione, sacrificando però la struttura delle aree scure che determina realmente la qualità visiva dell'immagine.
¶ Low: l'atmosfera si stabilisce rapidamente, ma assomiglia di più a uno schizzo concettuale preliminare
low ha completato la generazione in circa 25,11 secondi, con un output dell'immagine di 157 Token.
Può stabilire rapidamente una scena completa e rappresentare anche l'atmosfera catastrofica, la posizione del personaggio e le principali sorgenti luminose. È molto efficiente per valutare se la composizione funziona o per esplorare molteplici direzioni di inquadratura nelle fasi iniziali.
Ma nelle scene scure complesse, non possiamo guardare solo se l'immagine è “abbastanza scura e abbastanza cool”. Ancora più importante è verificare se nelle ombre c'è ancora qualcosa.
La struttura dell'armatura del pilota di soccorso, i dettagli meccanici del velivolo danneggiato, i confini tra gli edifici lontani e le variazioni di luminosità all'interno delle nuvole determinano tutti se questa immagine possa continuare a essere utilizzata nella post-produzione. Se questi contenuti sono già mescolati nell'immagine originale, aumentare semplicemente la luminosità o la nitidezza in post-produzione non può recuperare davvero la struttura perduta.
¶ Medium: le aree scure iniziano ad avere più contenuti riconoscibili
medium ha completato la generazione in circa 27,18 secondi, con un output dell'immagine di 367 Token.
Rispetto a Low, non aumenta drasticamente il tempo di attesa, ma il modello riceve un budget di generazione maggiore.
Per le normali immagini di accompagnamento per video, Medium è già un punto di partenza piuttosto pratico. Non deve solo completare l'atmosfera generale, ma deve anche gestire più attentamente le relazioni tra edifici, veicoli, personaggi e ambiente. Nelle immagini scure, il cosiddetto miglioramento della qualità non si manifesta necessariamente come “più luminoso” o “più nitido”. Più importante è se le strutture nelle ombre sono ancora visibili, se il fumo ha livelli anteriori e posteriori, se la città in lontananza può formare una reale prospettiva atmosferica e se il personaggio si separa naturalmente dallo sfondo attraverso la luce di contorno.
¶ High: dal “creare atmosfera” al “creare struttura”
Il tempo di generazione di high è di circa 41,35 secondi e l'output dell'immagine aumenta a 1.413 Tokens.
A partire da questo livello, l'investimento del modello mostra un evidente salto. Per le scene scure cinematografiche, l'aspetto più degno di attenzione di questi investimenti aggiuntivi è la transizione tra le parti luminose e quelle scure.
La fenditura energetica non può essere solo una linea di luce bianca, deve influenzare le nuvole circostanti; i rottami in fiamme non possono essere solo macchie arancioni, devono produrre fumo, braci e luce ambientale; anche l'acqua accumulata non può essere solo un semplice specchio, deve formare riflessi di diversa intensità in base alla struttura del tetto e alla direzione della sorgente luminosa.
Quando queste relazioni sono più complete, l'immagine passa gradualmente da una semplice immagine d'atmosfera ad avvicinarsi a un'inquadratura cinematografica. High è più adatto per entrare ufficialmente nella timeline video, soprattutto per le inquadrature che richiedono un leggero avanzamento, panoramiche e trattamento della profondità di campo.
¶ XHigh: mantenere margine per ingrandimenti, movimenti di camera e stratificazione in post-produzione
xhigh completa la generazione in circa 53,68 secondi e l'output dell'immagine raggiunge 2.511 Tokens.
Nel workflow video, molti problemi emergono solo dopo che l'immagine inizia a muoversi. Quando la camera avanza, la città lontana deve reggere l'ingrandimento; quando si producono animazioni di parallasse, i personaggi in primo piano, i velivoli e lo sfondo devono avere confini chiari; quando viene affidata a un modello da immagine a video per continuare la generazione, anche le strutture meccaniche e le relazioni ambientali devono essere sufficientemente chiare, altrimenti è molto facile che si verifichino deformazioni durante il movimento.
Il valore di XHigh sta qui. Non rende soltanto l'immagine più bella a prima vista, ma conserva il più possibile più informazioni utilizzabili per la produzione successiva. Per le scene scure, questo significa contorni più chiari, strutture locali più stabili e ombre e fumo più stratificati.
Se l'immagine deve essere usata come inquadratura principale, immagine d'apertura, concept art cinematografica o primo fotogramma per immagine-a-video, XHigh risponde alle esigenze di produzione reali meglio dei normali livelli di qualità.
¶ Max: aumentare il limite dell'output per le inquadrature scure più importanti
max completa la generazione in circa 104,43 secondi e l'output dell'immagine raggiunge 5.650 Tokens.
Il suo tempo di attesa è quasi il doppio di XHigh e anche i Tokens di output dell'immagine superano il doppio di quelli di XHigh. Questo dimostra che Max non è semplicemente un nome dal suono più avanzato, ma aumenta chiaramente l'investimento nella generazione.
Nelle scene scure complesse, il significato della massima qualità non è aggiungere texture senza fine, ma mantenere contemporaneamente, per quanto possibile, più obiettivi che tendono facilmente a entrare in conflitto: l'immagine deve mantenere un'atmosfera oscura, ma non può perdere struttura; la fenditura energetica deve essere abbastanza luminosa, ma non può distruggere i dettagli delle nuvole; il personaggio deve essere chiaro, ma non può sembrare ritagliato separatamente; il fumo deve essere ricco, ma non può coprire tutti gli edifici; i riflessi devono essere evidenti e allo stesso tempo conformi alla luce ambientale.
Completare questi requisiti singolarmente non è difficile, la difficoltà è farli valere contemporaneamente.
Max è più adatto per l'output finale dopo aver definito composizione e prompt, ad esempio per la visual principale d'apertura, poster cinematografici, inquadrature chiave, materiali promozionali importanti e immagini che devono proseguire in flussi di post-produzione complessi.
¶ Le differenze di qualità nelle immagini scure non si possono valutare solo guardando “quanto sono nitide”
I risultati di questo test sono i seguenti:
| Livello di qualità | Tempo di generazione | Tokens di output dell'immagine | Tokens totali |
|---|---|---|---|
| Low | 25,11 secondi | 157 | 567 |
| Medium | 27,18 secondi | 367 | 777 |
| High | 41,35 secondi | 1.413 | 1.823 |
| XHigh | 53,68 secondi | 2.511 | 2.921 |
| Max | 104,43 secondi | 5.650 | 6.060 |
Da Low a Max, ciò che va realmente confrontato non è quale immagine sia semplicemente più nitida, ma quante informazioni efficaci vengono preservate nell'ambiente scuro.
Si può osservare soprattutto se l'armatura del pilota di salvataggio ha una struttura distinguibile, se esiste una chiara relazione spaziale tra il personaggio e il velivolo, se le ali, i rotori e la fusoliera del velivolo sono coerenti, se la città lontana si è sfocata in un'unica massa a causa dell'oscurità, se le nuvole possiedono profondità anteriore e posteriore e se l'acqua accumulata sul tetto riesce a riflettere molteplici sorgenti luminose dell'ambiente.
Nelle scene scure, ciò che si teme di più non è il nero, ma il “nero privo di contenuto”.
Un'immagine scura di alta qualità, anche se la luminosità complessiva è molto bassa, dovrebbe comunque consentire a personaggi, edifici, macchinari, fumo e nuvole di avere ciascuno i propri livelli. Gli spettatori potrebbero non esprimere esplicitamente queste differenze, ma percepiranno intuitivamente se l'immagine possiede una qualità cinematografica.
¶ La qualità dell'immagine determina quanto margine di intervento rimane nella post-produzione video
La creazione video utilizza raramente direttamente un'immagine originale completamente statica. I creatori di solito eseguono avanzamenti di camera, movimenti laterali, ritagli locali, stratificazione tra primo piano e sfondo, sovrapposizioni di effetti luminosi, simulazioni della profondità di campo, oppure affidano l’immagine a modelli da immagine a video per continuare la generazione. Tutte queste operazioni amplificano i difetti nelle aree scure.
Se il contorno del personaggio è già fuso con lo sfondo, sarà difficile separare i livelli durante la creazione della parallasse; se la struttura dell’edificio è già sfocata, dopo l’avanzamento della camera si vedrà solo una sfocatura più grande; se il fumo non ha relazioni spaziali, durante la generazione di effetti dinamici tenderà facilmente a trasformarsi in blocchi di colore ribollenti e privi di regolarità.
Pertanto, un’immagine originale di qualità superiore non significa soltanto che “il risultato finale appare più bello”, ma determina anche direttamente fino a che punto può spingersi la post-produzione.
¶ Non è necessario usare Max per ogni immagine, ma le scene scure importanti meritano una qualità superiore
Un metodo di produzione ragionevole non consiste nell’impostare la qualità al massimo già dalla prima bozza.
Nella fase di esplorazione si possono usare Low o Medium, per confermare rapidamente la composizione, la posizione dei personaggi, la direzione della fonte luminosa e la tonalità generale. Dopo che la direzione è stabile, si può usare High per generare i materiali definitivi. Se l’immagine richiede un ingrandimento evidente, una stratificazione complessa o l’ulteriore generazione di video, XHigh sarà più adatto.
Max dovrebbe invece essere riservato alle inquadrature più importanti, come il primo fotogramma dell’introduzione, la grafica principale di un poster, l’immagine centrale di un trailer, oppure una scena chiave che determina la qualità visiva dell’intero video.
Ace Data Cloud aggiunge XHigh e Max a GPT Image 2.5: ciò che porta realmente non è l’aggiunta di due parametri, ma il fatto che permette ai creatori, di fronte a scene scure complesse, di non doversi fermare alla fase in cui “l’atmosfera è più o meno quella giusta”.
Il buio non significa più rinunciare ai dettagli.
Quando il modello dispone di un budget di qualità più elevato, la città, i personaggi, i velivoli, il fumo e i riflessi nelle ombre hanno finalmente la possibilità di essere preservati insieme. Per la creazione cinematografica e televisiva, queste informazioni nascoste nelle aree scure sono spesso proprio la chiave che porta l’immagine da una normale illustrazione a un’inquadratura cinematografica.
¶ Prova subito GPT Image 2.5
Vuoi usare XHigh e Max nelle tue inquadrature in ambienti scuri, nei poster e nei primi fotogrammi dei video? Vai su Ace Data Cloud per provare il GPT Image 2.5 Sunburst, ad alta fedeltà e con controllo preciso, oppure puoi scegliere il GPT Image 2.5 Flare, più orientato alla generazione rapida di immagini.