Glossário de cinema com IA: 24 termos para iniciantes

A escrita sobre cinema e IA está cheia de palavras técnicas emprestadas, e elas costumam ser usadas com pouca precisão. Este glossário define as que você vai encontrar em artigos sobre cinema com IA e imagens feitas com IA, mais ou menos na ordem em que um único plano gerado é fabricado. As definições são deliberadamente simples, e cada uma termina na parte que importa na tela.

O modelo e como ele aprende

Modelo

Um modelo é um sistema que transforma uma entrada — um prompt, uma imagem, um quadro — numa saída como um plano gerado, um rótulo ou a próxima palavra. Na escrita sobre cinema, «modelo» costuma designar a ferramenta generativa inteira, não um componente interno.

Parâmetros e pesos

Os números aprendidos dentro de um modelo. O treinamento os ajusta; a inferência os usa sem alterá-los. Quando se diz que um modelo é «grande», normalmente se fala do número de parâmetros.

Treinamento

O processo de ajustar os pesos de um modelo com dados, geralmente comparando saídas com alvos e mexendo nos pesos para reduzir o erro. Treinar é caro e acontece quase sempre antes de você tocar na ferramenta.

Inferência

Executar um modelo treinado para obter uma saída. A geração é inferência: nada é aprendido e o conhecimento do modelo fica congelado no ponto em que o treinamento terminou.

Prompt

O texto de instrução — e às vezes a imagem — que condiciona uma geração. Um prompt conduz a saída, mas não é código. Prompts idênticos podem produzir resultados diferentes conforme o modelo e a versão.

Token

Uma unidade de texto que um modelo processa, muitas vezes uma palavra ou parte de uma palavra. As contagens de tokens importam porque limites de contexto e custos são medidos em tokens.

Modelo multimodal

Um modelo que lida com mais de um tipo de entrada ou saída, como texto e imagens ou áudio. A maioria das ferramentas de vídeo atuais é multimodal ao menos nesse sentido.

Como um plano gerado é construído

Espaço latente

Uma representação numérica comprimida de imagens ou vídeo. Os modelos trabalham nesse espaço porque ele é menor e mais suave que os pixels crus, e pontos próximos tendem a se parecer. Um «passeio latente» significa mover-se entre pontos para produzir mudança gradual.

Autoencoder variacional (VAE)

Um par de redes que comprime uma imagem numa representação latente e a reconstrói. Em muitas ferramentas de imagem, o VAE é a parte que decodifica um resultado latente de volta em pixels.

Modelo de difusão

Um modelo generativo treinado para inverter um processo gradual de ruído: ele aprende a remover ruído passo a passo até aparecer uma imagem ou um clipe. A abordagem foi apresentada no artigo que introduziu os modelos probabilísticos de difusão por remoção de ruído.

Passos de amostragem

O número de passos de remoção de ruído que um modelo dá. Mais passos podem acrescentar detalhe, mas também acrescentam tempo e não garantem um resultado melhor.

Seed

O número aleatório que inicia o ruído. Reutilizar uma seed com o mesmo modelo, as mesmas configurações e o mesmo software pode reproduzir uma imagem de perto. Mude a versão do modelo ou a plataforma e o resultado pode derivar.

Escala de orientação

Uma configuração que controla com que força o modelo segue o prompt, muitas vezes implementada como orientação livre de classificador. Valores baixos dão resultados mais soltos e surpreendentes; valores muito altos tendem a produzir resultados frágeis ou supersaturados.

Checkpoint

Um arquivo salvo com os pesos de um modelo, geralmente reunindo os componentes necessários para executar um modelo específico. Checkpoints diferentes da mesma família podem parecer e se comportar de modo bem distinto.

LoRA

Abreviação de Low-Rank Adaptation: um pequeno conjunto de matrizes treináveis acrescentadas a um modelo base congelado. Ensina um estilo, um personagem ou um conceito com muito menos parâmetros treináveis do que um ajuste fino completo.

Ajuste fino

Treinamento adicional de um modelo pré-treinado com dados novos. LoRA é uma forma eficiente de fazer isso, e «ajustar» costuma ser usado de modo vago para qualquer adaptação.

ControlNet

Um complemento que condiciona um modelo de difusão com informação espacial, como uma pose, um mapa de profundidade ou uma imagem de bordas, para que a saída siga uma estrutura específica em vez de inventá-la.

Inpainting e outpainting

Preencher ou substituir parte de uma imagem (inpainting), ou estendê-la para além da moldura original (outpainting). Os dois são comuns na limpeza de planos e na extensão de cenários.

Criar movimento

Interpolação de quadros

Sintetizar quadros novos entre os existentes para elevar a taxa de quadros ou desacelerar a imagem. Ferramentas antigas usavam fluxo óptico; as novas usam modelos treinados. A interpolação pode suavizar o movimento, mas não pode recuperar o que nunca foi filmado.

Consistência temporal

O quanto uma sequência se mantém coerente de quadro a quadro: rostos, roupa, iluminação e física. Consistência temporal ruim aparece como tremulação, morphing ou objetos que mudam entre planos.

O resultado e a evidência

Alucinação

Uma saída plausível, mas falsa: um objeto que surge do nada, uma mão com dedos a mais, um texto que quase forma uma palavra. O termo descreve um absurdo confiante, não um defeito técnico com uma única causa.

Deepfake

Vídeo ou áudio sintético ou manipulado, geralmente do rosto ou da voz de uma pessoa, feito com aprendizado profundo. A palavra costuma ser usada de modo vago para qualquer falsificação convincente, mas a definição útil nomeia uma técnica específica e um dano específico.

Escalonamento com IA

Aumentar a resolução com um modelo treinado. Pode afiar detalhe real, mas também pode inventar detalhe que nunca esteve na fonte, e é por isso que a ética da restauração se preocupa com ele.

C2PA e Content Credentials

C2PA é um padrão técnico aberto para registrar a origem e o histórico de edição de conteúdo digital. Content Credentials é o nome voltado ao consumidor para esses metadados. É uma declaração assinada sobre procedência, não uma prova de que o conteúdo seja verdadeiro.

Por que esse vocabulário importa

Estes termos não são neutros. Uma resenha que diz que um plano foi «feito com IA» não informa quase nada: animação desenhada à mão, um modelo de difusão e um deepfake cabem todos na frase. Conhecer o processo permite fazer perguntas mais afiadas: qual modelo, treinado com o quê, executado por quem, editado como. São essas perguntas que transformam uma reação vaga em crítica.

Para um caminho de visionamento pelas obras que fazem as perguntas maiores, comece pelo guia de filmes sobre IA. Para o lado prático de verificar imagens sintéticas, veja como identificar conteúdo gerado com IA. E se você quiser a mecânica de produção em vez do vocabulário, leia como funcionam os modelos de vídeo com IA.