AI Video Editing

Il montaggio video con IA consiste nell'uso del machine learning per automatizzare o supportare il taglio, l'organizzazione e la modifica di filmati registrati. I modelli trascrivono i dialoghi, individuano i confini delle inquadrature, seguono i soggetti nella scena, li separano dallo sfondo e generano pixel sostitutivi: attività che prima richiedevano ore di lavoro fotogramma per fotogramma, come aggiungere sottotitoli a un'intervista o adattare un video panoramico allo schermo di un telefono, ora richiedono pochi minuti. Il termine comprende sia le funzioni di supporto integrate nei software di montaggio tradizionali sia gli strumenti completamente automatici che trasformano le registrazioni grezze in clip finite.

Cosa può fare l'IA durante il montaggio#

Software di montaggio come Adobe Premiere Pro, DaVinci Resolve e l'editor Descript, basato sulla trascrizione, integrano molte di queste funzioni:

• Montaggio tramite conversione da parlato a testo: la trascrizione allineata alla timeline permette a chi monta di eliminare una frase dal testo e rimuovere il filmato corrispondente.
• Sottotitoli: la stessa trascrizione diventa una bozza di sottotitoli, che chi monta rivede per verificare la correttezza del testo, l'identificazione dei parlanti e la sincronizzazione.
• Rilevamento delle scene: i modelli individuano i tagli in una registrazione lunga o in un file già montato e la suddividono in singole inquadrature.
• Riadattamento automatico dell'inquadratura: il tracciamento mantiene il soggetto principale all'interno di un ritaglio verticale o quadrato mentre si muove, trasformando un unico master panoramico in versioni per le piattaforme social.
• Mascheramento e rimozione degli oggetti: la segmentazione isola una persona o un oggetto affinché sia possibile correggerne i colori separatamente o rimuoverlo; il riempimento delle lacune ricostruisce lo sfondo in modo coerente da un fotogramma all'altro.
• Momenti salienti dal riconoscimento delle azioni: i modelli individuano gol, schiacciate e altre azioni decisive, che le emittenti sportive usano per assemblare compilation dei momenti salienti pochi minuti dopo l'azione.
• Rallentatore con interpolazione dei fotogrammi: i modelli sintetizzano fotogrammi intermedi, così si può rallentare un filmato registrato a velocità normale senza scatti.
• Pulizia dell'audio: i modelli di miglioramento vocale eliminano i rumori di fondo e l'eco della stanza dai dialoghi registrati in condizioni non ideali.
• Oscuramento per la tutela della riservatezza dei dati: i volti, le persone o le targhe vengono rilevati e sfocati prima di condividere il filmato.

I modelli di visione alla base delle funzioni#

La maggior parte delle funzioni di montaggio visivo concatena tre attività di visione artificiale. Il rilevamento degli oggetti individua ogni soggetto in un fotogramma e vi disegna attorno un riquadro di delimitazione. Il tracciamento degli oggetti collega tali rilevamenti tra i fotogrammi con ID stabili, consentendo a un ritaglio o a una sfocatura di restare associato alla stessa persona mentre attraversa l'inquadratura. Quando un effetto richiede il contorno esatto del soggetto, la segmentazione di istanze fornisce una maschera a livello di pixel per ogni oggetto. Tutte e tre sono attività di comprensione dei video: descrivono il filmato senza modificarlo, e una funzione di montaggio le esegue prima per decidere cosa cambiare.

I modelli generativi si occupano del resto. I modelli di riempimento eliminano gli oggetti indesiderati, mentre i modelli di generazione video cambiano lo stile di un'inquadratura, la prolungano di qualche secondo o creano filmati mai esistiti. Il montaggio automatico si interrompe in punti prevedibili: movimenti rapidi e sfocatura da movimento, soggetti che si incrociano, cambi di scena in cui una traccia dovrebbe terminare e soggetti piccoli o parzialmente visibili. Poiché le stesse tecniche possono alterare ciò che una registrazione sembra mostrare, possono anche produrre deepfake; gli editori possono allegare Content Credentials per registrare quali strumenti hanno modificato un file.

Automatizzare l'oscuramento#

L'oscuramento è una delle modifiche più semplici da automatizzare per i team che pubblicano filmati di eventi, strade o luoghi di lavoro. La soluzione Ultralytics per la sfocatura degli oggetti esegue un rilevatore YOLO26 con tracciamento su ogni fotogramma e sfoca ciascun riquadro delle classi selezionate; nella versione preaddestrata su COCO, la classe 0 è «persona»:

import cv2
from ultralytics import solutions

cap = cv2.VideoCapture("https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov")
w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
writer = cv2.VideoWriter("blurred.mp4", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Rileva le persone (classe COCO 0) con YOLO26 e sfoca ogni riquadro in ogni fotogramma
blurrer = solutions.ObjectBlurrer(model="yolo26n.pt", classes=[0])
while cap.isOpened():
    success, frame = cap.read()
    if not success:
        break
    results = blurrer(frame)
    writer.write(results.plot_im)

cap.release()
writer.release()

Il risultato, blurred.mp4, mostra ogni persona rilevata sfocata e contornata da un riquadro etichettato, utile per la revisione; blur_ratio (predefinito 0.5) imposta l'intensità della sfocatura. OpenCV scrive solo i fotogrammi video, quindi l'audio originale deve essere aggiunto di nuovo in un editor o con FFmpeg. Le persone tagliate dal bordo del fotogramma o riprese da angolazioni insolite sono quelle che più probabilmente sfuggono al rilevamento; ogni fotogramma in cui una persona non viene rilevata la lascia senza sfocatura nel risultato.