La semana pasada no hubo newsletter porque estuve escribiendo un artículo para Panorama audiovisual Iberoamericano, una publicación anual impulsada por EGEDA y FIPCA donde se cuenta el estado de situación de la industria en la región. A raíz de eso, me adentré un poco más al mundo de GenAI de videos, ya que últimamente mi foco estuvo en la música.
No quiero adelantar mucho ya que la publicación está programada para principios de octubre, pero lo que sí puedo decir es que se viene un año movido para el audiovisual. La calidad de los modelos ya está llegando a niveles que van a traer mucha controversia. Lo bueno es que el camino recorrido por la industria musical va a servir de guía para todo este proceso.
De lo que sí voy a hablar hoy es sobre quiénes son los principales jugadores en generación de video con IA, para que vayan armándose un mapa conceptual de los enfoques de cada uno y el estado actual de sus negocios.
El punto de partida es casi accidental. Cuando OpenAI lanzó Sora en octubre pasado, lo hizo con una política que dejaba que cualquier personaje protegido apareciera en un video generado, salvo que el titular pidiera explícitamente quedar afuera. Hollywood reaccionó casi de inmediato y OpenAI tuvo que dar marcha atrás, pasando a un esquema donde el titular tiene que autorizar antes. Sora ya no existe como producto (OpenAI lo dio de baja en abril), pero esa marcha atrás dejó un antecedente que sigue pesando en cómo el resto de la industria decide pararse frente al copyright.
Al día de hoy son varios los players, pero a modo de resumen les traigo los seis que considero más relevantes.
Runway
Su producto está pensado para equipos de producción, no para exploración casual. El sistema de References permite subir varias imágenes de un mismo personaje y mantener su apariencia consistente entre distintos planos, algo que la mayoría de sus competidores todavía resuelve mal. Tiene la API mejor documentada del segmento, lo que explica por qué estudios y agencias la eligen como herramienta de acabado final más que de prueba y error.
Ese posicionamiento profesional convive con dos demandas activas, una de un grupo de artistas visuales y otra por el origen de los videos de YouTube usados para entrenar el modelo.
Factura 300 millones de dólares anuales, pero el dato más interesante de los últimos meses es hacia dónde está mirando la empresa. Runway acaba de anunciar que va a invertir en modelos de mundo, sistemas entrenados con video y datos de sensores para predecir cómo se comporta físicamente un entorno, no para generar clips terminados.
La diferencia práctica es esta. Generar un video para una campaña publicitaria y enseñarle a un brazo robótico qué va a pasar si suelta un objeto en el aire usan el mismo tipo de tecnología de base, la capacidad de predecir movimiento en el tiempo. Lo que cambia es para qué se usa esa predicción. Runway apuesta a que el segundo mercado, robótica y simulación física, va a valer más a largo plazo que seguir compitiendo cabeza a cabeza en generación de video para creadores de contenido. Todavía no dejó el negocio de video, pero es la primera señal de que uno de los seis jugadores de este mapa podría estar corriendo el foco hacia otro lado.
MiniMax (Hailuo)
Se promociona con la frase "un estudio de Hollywood en el bolsillo" y apunta a resolver algo puntual, el movimiento humano. Los videos generados con Hailuo muestran una fluidez en gestos y caminatas que otros modelos todavía no logran, y eso lo convirtió en el favorito de comunidades de creadores que buscan resultados rápidos y baratos.
Esa misma promesa de marketing ("un estudio de Hollywood en el bolsillo") es la que cita la demanda de Disney, Universal y Warner Bros como evidencia de intención. La demanda ya superó la instancia de rechazo y sigue en curso, sin que eso frenara el ritmo de lanzamientos, ni tampoco la salida a bolsa en Hong Kong, donde debutó valuada en 6.500 millones de dólares y superó los 11.000 millones tras su primer día de cotización.
Midjourney
Sigue siendo, ante todo, una herramienta de imagen. El video llegó recién en junio del año pasado como una función adicional, no como el centro del producto, y permite convertir una imagen fija en clips cortos de cinco segundos, extendibles hasta veintiuno. Su facturación, estimada en 500 millones de dólares, depende casi por completo de las suscripciones de imagen, así que su lugar en este mapa tiene más que ver con el peso legal que arrastra que con su tamaño en video. Está incluida en la misma demanda conjunta de los estudios, en etapa de discovery.
ByteDance (Seedance)
A diferencia de los anteriores, Seedance no vive como producto independiente sino integrado en CapCut, Dreamina y el resto del ecosistema de edición de ByteDance. Eso le da una distribución que ningún competidor puede igualar, aunque no exista una cifra de facturación propia y separable.
Después de recibir una carta de cese y desista de la Motion Picture Association en febrero, ByteDance firmó en agosto un acuerdo marco que fortalece las protecciones de propiedad intelectual sobre sus modelos de video e imagen. Es el primer caso de un desarrollador de modelos de video que llega a un marco de protección negociado con la industria organizada, sin que medie una condena judicial de por medio.
Kling (Kuaishou)
Ofrece algo particular, la posibilidad de describir una secuencia de varios planos en un solo prompt y que el modelo mantenga continuidad entre ellos, una función de storyboarding que ningún otro jugador de esta lista resolvió con la misma solidez.
Esa fiabilidad tiene un costo. La demanda de uso generó cuellos de botella de infraestructura que las comunidades de usuarios reportan con frecuencia. Factura alrededor de 240 millones de dólares anuales, tiene 60 millones de creadores activos y se posiciona activamente para trabajar con estudios y agencias, sin ningún litigio conocido en su contra.
Google (Veo)
Apuesta a la integración antes que a la viralidad. Ofrece la resolución más alta del grupo, con salida nativa en 4K, y una sincronización de labios y diálogo que varias comparativas independientes ubican por encima del resto. El acceso sigue restringido en varios niveles, algo consistente con un producto pensado para clientes empresariales que ya usan el resto del ecosistema de Google antes que para creadores individuales. No tiene litigios ni acuerdos públicos, y construye su argumento de confianza sobre la reputación corporativa más que sobre una política de copyright explícita.
Cierre y conclusiones
El ejercicio de escribir todas las semanas me obliga a investigar y, en consecuencia, a aprender más sobre lo que está pasando en la intersección de la tecnología y los derechos de autor. Si uno se guía por lo que ve en redes sociales, creería que ya está todo dado para que una persona y una computadora hagan un largometraje con calidad profesional. La realidad es otra, todavía estamos en la antesala.
Hoy por hoy, creo que los usos más prácticos están en contenido publicitario y en aplicaciones complementarias durante una producción. En este punto, confío en que mis lectores saben más del tema y que ya vienen escuchando casos puntuales, e incluso aplicándolo ellos mismos. Por mi parte, he abierto un nuevo mundo y voy a estar atento a los acontecimientos para seguir trayéndoles estos temas de gran interés.