1
00:00:10,000 --> 00:00:15,800
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,800 --> 00:00:17,920
BIM se encuentra con la inteligencia artificial.

3
00:00:20,519 --> 00:00:23,620
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,620 --> 00:00:26,559
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,559 --> 00:00:27,179
construcción.

6
00:00:28,859 --> 00:00:29,519
¡Empezamos!

7
00:00:30,000 --> 00:00:40,439
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio

8
00:00:40,439 --> 00:00:41,700
de BIMPRAXIS.

9
00:00:41,700 --> 00:00:44,200
Hoy os traemos la revolución del vídeo poría

10
00:00:44,200 --> 00:00:47,200
en tu propio ordenador, descifrando el modelo One

11
00:00:47,200 --> 00:00:48,420
2.2.

12
00:00:48,579 --> 00:00:49,359
Hola, ¿qué tal?

13
00:00:49,359 --> 00:00:52,320
Encantada de estar aquí para diseccionar un lanzamiento

14
00:00:52,320 --> 00:00:54,479
que de verdad está sacudiendo los cimientos de

15
00:00:54,479 --> 00:00:55,500
toda la industria.

16
00:00:55,560 --> 00:00:58,280
Vale, vamos a analizar esto paso a paso,

17
00:00:58,280 --> 00:01:00,579
porque resulta impactante plantear el escenario que tenemos

18
00:01:00,579 --> 00:01:01,679
ahora mismo.

19
00:01:00,740 --> 00:01:03,340
O sea, hace apenas un par de meses,

20
00:01:03,340 --> 00:01:06,959
el consenso generalizado era que para generar video

21
00:01:06,959 --> 00:01:11,859
hiperrealista con inteligencia artificial, necesitabas, no sé, granjas

22
00:01:11,859 --> 00:01:14,219
de servidores del tamaño de un estadio.

23
00:01:14,120 --> 00:01:16,180
Ya, y presupuestos de millones de dólares.

24
00:01:16,480 --> 00:01:17,519
Exacto.

25
00:01:17,519 --> 00:01:19,340
Sin embargo, los datos de hoy ponen sobre

26
00:01:19,340 --> 00:01:22,680
la mesa un modelo que es 100% gratuito,

27
00:01:22,680 --> 00:01:24,980
de código abierto y capaz de ejecutarse en

28
00:01:24,980 --> 00:01:26,120
un hardware doméstico.

29
00:01:26,560 --> 00:01:28,560
Y ojo, que acaba y empata en evaluaciones

30
00:01:28,560 --> 00:01:31,159
oficiales con titanes corporativos gigantes.

31
00:01:31,519 --> 00:01:31,859
Sí, sí.

32
00:01:31,859 --> 00:01:33,799
Es que hablamos de mirar de tú a

33
00:01:33,799 --> 00:01:37,760
tú a sistemas como el BO3 de Google,

34
00:01:37,760 --> 00:01:39,200
Agiluo 2 o Asidans.

35
00:01:39,700 --> 00:01:41,159
Es una locura.

36
00:01:41,159 --> 00:01:43,659
Semejante desafío al status quo nos obliga a

37
00:01:43,659 --> 00:01:46,239
examinar de cerca qué está pasando exactamente con

38
00:01:46,239 --> 00:01:47,000
esta arquitectura.

39
00:01:47,420 --> 00:01:48,620
Esa es la clave.

40
00:01:48,620 --> 00:01:51,099
A ver, la ruptura del monopolio de la

41
00:01:51,099 --> 00:01:52,879
capacidad de cómputo.

42
00:01:52,980 --> 00:01:55,760
Durante mucho tiempo, esto de generar vídeo coherente

43
00:01:55,760 --> 00:02:00,040
era el feudo exclusivo de cuatro empresas con

44
00:02:00,040 --> 00:02:01,819
un músculo financiero brutal.

45
00:02:01,659 --> 00:02:03,700
Totalmente inabarcable para el resto.

46
00:02:03,519 --> 00:02:04,500
Eso es.

47
00:02:04,500 --> 00:02:07,359
Que un proyecto abierto logre infiltrarse en esa

48
00:02:07,359 --> 00:02:09,319
liga de élite, pues no es una simple

49
00:02:09,319 --> 00:02:10,340
anécdota.

50
00:02:10,340 --> 00:02:12,560
Es que altera por completo la economía y

51
00:02:12,560 --> 00:02:14,460
hacia dónde va el desarrollo visual de la

52
00:02:14,460 --> 00:02:14,639
IA.

53
00:02:14,860 --> 00:02:15,259
Claro.

54
00:02:15,259 --> 00:02:17,780
Y para comprender cómo narices logran este nivel

55
00:02:17,780 --> 00:02:20,240
de disrupción, hay que entender la herramienta que

56
00:02:20,240 --> 00:02:21,080
tenemos entre manos.

57
00:02:21,080 --> 00:02:25,319
Porque WAN 2.2 no es un bloque monolítico,

58
00:02:25,319 --> 00:02:26,659
o sea, no es un único archivo que

59
00:02:26,659 --> 00:02:27,319
hace de todo.

60
00:02:27,599 --> 00:02:28,819
No, no, para nada.

61
00:02:28,819 --> 00:02:29,860
Son varios.

62
00:02:29,699 --> 00:02:30,500
Exacto.

63
00:02:30,500 --> 00:02:33,419
Es una familia compuesta por tres modelos diferentes.

64
00:02:33,740 --> 00:02:35,240
A ver, por un lado tenemos un modelo

65
00:02:35,240 --> 00:02:38,979
pequeño, entre comillas, de 5.000 millones de parámetros.

66
00:02:38,979 --> 00:02:40,139
El famoso 5B.

67
00:02:40,599 --> 00:02:43,219
Que ya es una barbaridad, ojo.

68
00:02:43,060 --> 00:02:43,379
Ya ves.

69
00:02:43,379 --> 00:02:45,280
Y este es súper ágil.

70
00:02:45,319 --> 00:02:48,120
Genera vídeo tanto desde texto como desde imagen

71
00:02:48,120 --> 00:02:49,960
hasta 720p.

72
00:02:50,860 --> 00:02:53,439
Pero luego, luego están los dos hermanos mayores,

73
00:02:53,439 --> 00:02:56,879
los mastodontes de 14.000 millones de parámetros.

74
00:02:56,879 --> 00:02:58,099
Los 14B.

75
00:02:57,819 --> 00:02:59,520
Que ahí es donde la cosa se pone

76
00:02:59,520 --> 00:03:00,419
seria.

77
00:03:00,419 --> 00:03:02,719
Sí, porque ahí se divide en el trabajo.

78
00:03:02,719 --> 00:03:05,699
Uno se especializa estrictamente en texto a vídeo,

79
00:03:05,699 --> 00:03:07,900
o sea, el T2V, y el otro va

80
00:03:07,900 --> 00:03:10,159
solo de imagen a vídeo, el I2V.

81
00:03:10,159 --> 00:03:12,580
Y todo, y esto es lo fuerte, bajo

82
00:03:12,580 --> 00:03:15,340
la licencia libre Apache 2.0.

83
00:03:15,039 --> 00:03:18,539
Que eso significa uso comercial sin restricciones.

84
00:03:18,539 --> 00:03:20,479
Puedes ganar dinero con ello.

85
00:03:20,259 --> 00:03:21,280
De locos.

86
00:03:21,280 --> 00:03:23,199
Y aquí me surge una reflexión usando una

87
00:03:23,199 --> 00:03:23,819
analogía.

88
00:03:23,819 --> 00:03:25,199
A ver qué te parece.

89
00:03:25,199 --> 00:03:28,039
Esto de los parámetros, pasar de 5.000 a

90
00:03:28,039 --> 00:03:30,460
14.000 millones, no es solo que el archivo

91
00:03:30,460 --> 00:03:31,300
pese más gigas.

92
00:03:31,560 --> 00:03:32,819
Claro que no.

93
00:03:32,900 --> 00:03:36,099
Yo lo veo como el modelo de 5B

94
00:03:36,099 --> 00:03:38,939
es como un estudiante en prácticas muy brillante

95
00:03:38,939 --> 00:03:39,939
y muy rápido, ¿no?

96
00:03:39,939 --> 00:03:41,479
Te hace el trabajo volando.

97
00:03:41,300 --> 00:03:44,060
Sí, resuelve rápido pero le faltan tablas.

98
00:03:43,860 --> 00:03:46,500
Exacto, mientras que el modelo de 14B es

99
00:03:46,500 --> 00:03:49,819
el director de cine súper experimentado Necesita más

100
00:03:49,819 --> 00:03:53,300
tiempo, necesita más café, más recursos Pero te

101
00:03:53,300 --> 00:03:55,719
entrega una maldita obra maestra porque entiende la

102
00:03:55,719 --> 00:03:57,680
geometría y las físicas en el tiempo Esa

103
00:03:57,680 --> 00:04:00,520
analogía me encanta, porque, a ver, el número

104
00:04:00,520 --> 00:04:03,960
de parámetros define en esencia la resolución del

105
00:04:03,960 --> 00:04:06,180
mapa mental de la IA Un modelo de

106
00:04:06,180 --> 00:04:09,639
5B, como decías, es muy eficiente, entiende el

107
00:04:09,639 --> 00:04:11,939
concepto general de, yo qué sé, un coche

108
00:04:11,939 --> 00:04:15,539
moviéndose Pero igual le cuesta mantener la coherencia

109
00:04:15,539 --> 00:04:17,420
de los reflejos del sol en la chapa

110
00:04:17,420 --> 00:04:19,660
del coche durante 5 segundos de vídeo.

111
00:04:19,819 --> 00:04:20,959
Se empieza a desmoronar.

112
00:04:21,000 --> 00:04:22,800
Empieza a alucinar cosas raras.

113
00:04:22,560 --> 00:04:25,899
Eso es, al saltar a los 14.000 millones,

114
00:04:25,899 --> 00:04:28,800
el modelo ya tiene suficiente espacio neuronal para

115
00:04:28,800 --> 00:04:31,259
separar el objeto del entorno.

116
00:04:31,720 --> 00:04:34,399
Calcula cómo rebota la luz, mantiene la integridad

117
00:04:34,399 --> 00:04:35,459
de la escena.

118
00:04:35,560 --> 00:04:37,579
Y esa es la diferencia entre un vídeo

119
00:04:37,487 --> 00:04:40,247
que parece un sueño febril y uno que

120
00:04:40,247 --> 00:04:42,467
engaña completamente al ojo humano.

121
00:04:42,467 --> 00:04:44,647
Ostras, es que es brutal.

122
00:04:44,647 --> 00:04:46,287
Y fíjate, esto hace que lo de la

123
00:04:46,287 --> 00:04:49,447
licencia Apache 2.0 sea aún más fascinante.

124
00:04:49,447 --> 00:04:51,387
O sea, liberar algo con este nivel de

125
00:04:51,387 --> 00:04:54,987
sofisticación, gratis, para uso comercial, parece un suicidio

126
00:04:54,987 --> 00:04:55,567
económico, ¿no?

127
00:04:55,567 --> 00:04:59,267
Desde una mentalidad corporativa tradicional, sí, totalmente.

128
00:04:59,267 --> 00:05:01,347
Claro, es que un estudio de animación cualquiera

129
00:05:01,347 --> 00:05:03,127
puede coger los pesos de este modelo de

130
00:05:03,127 --> 00:05:05,767
14B, meterlo en su flujo de trabajo y

131
00:05:05,767 --> 00:05:06,687
no pagar un céntimo.

132
00:05:06,687 --> 00:05:09,607
Si las empresas privadas se gastan fortunas en

133
00:05:09,607 --> 00:05:12,507
crear estos motores para luego alquilar el acceso,

134
00:05:12,507 --> 00:05:14,127
¿cuál es la lógica de regalar el motor

135
00:05:14,127 --> 00:05:15,767
entero y encima darte los planos?

136
00:05:16,127 --> 00:05:18,707
Bueno, lo fascinante aquí es que la lógica

137
00:05:18,707 --> 00:05:22,327
es aprovechar el intelecto de la comunidad frente

138
00:05:22,167 --> 00:05:24,867
al aislamiento corporativo.

139
00:05:24,867 --> 00:05:27,387
Al liberar los pesos, los creadores de OneDoc

140
00:05:27,387 --> 00:05:30,187
2.0 le pasan el testigo de la investigación

141
00:05:30,187 --> 00:05:32,847
y desarrollo a todo el planeta.

142
00:05:32,967 --> 00:05:35,587
Ya, externalizan el I más D gratis.

143
00:05:35,807 --> 00:05:36,687
Exacto.

144
00:05:36,687 --> 00:05:38,927
En una empresa cerrada tienes, no sé, a

145
00:05:38,927 --> 00:05:41,087
100 ingenieros probando cosas.

146
00:05:41,167 --> 00:05:43,307
En el código abierto tienes a decenas de

147
00:05:43,307 --> 00:05:46,067
miles de desarrolladores ajustando el código a la

148
00:05:46,067 --> 00:05:46,787
vez.

149
00:05:47,007 --> 00:05:50,207
Mejoran la eficiencia, crean herramientas nuevas, le dan

150
00:05:50,207 --> 00:05:52,347
usos que a los creadores originales ni se

151
00:05:52,347 --> 00:05:54,067
les habían pasado por la cabeza.

152
00:05:53,967 --> 00:05:54,947
Totalmente.

153
00:05:53,967 --> 00:05:56,647
Y claro, el modelo base se acaba convirtiendo

154
00:05:56,647 --> 00:05:58,427
en un estándar de la industria.

155
00:05:58,487 --> 00:06:00,747
Es un lienzo donde todos pintan.

156
00:06:00,807 --> 00:06:02,487
Y eso acelera la evolución a una velocidad

157
00:06:02,487 --> 00:06:05,327
que un laboratorio cerrado no puede ni soñar.

158
00:06:04,987 --> 00:06:06,527
Y vaya se acelera.

159
00:06:06,707 --> 00:06:08,467
Esa velocidad de la que habla se nota

160
00:06:08,467 --> 00:06:10,927
muchísimo al comparar el salto entre el modelo

161
00:06:10,927 --> 00:06:14,847
anterior, el One 2.1, y este nuevo 2.2.

162
00:06:14,887 --> 00:06:16,647
Es un salto cuántico.

163
00:06:16,467 --> 00:06:18,327
Sobre todo en la parte de texto a

164
00:06:18,327 --> 00:06:18,847
vídeo.

165
00:06:18,847 --> 00:06:20,147
Es una barbaridad.

166
00:06:19,867 --> 00:06:20,247
Sí, sí.

167
00:06:20,247 --> 00:06:22,727
Antes le pedías a la IA a personas

168
00:06:22,727 --> 00:06:25,387
y te generaba unas siluetas borrosas moviéndose como

169
00:06:25,387 --> 00:06:26,927
robots estropeados.

170
00:06:27,007 --> 00:06:29,627
y ahora de repente tienes anatomía realista, dinámicas

171
00:06:29,627 --> 00:06:32,427
de fluidos, el movimiento del agua interactuando con

172
00:06:32,427 --> 00:06:34,167
la luz ahora es supernatural.

173
00:06:34,167 --> 00:06:36,347
Y ojo que el salto metodológico en la

174
00:06:36,347 --> 00:06:39,187
parte de imagen a vídeo es igual o

175
00:06:39,187 --> 00:06:40,547
más crítico.

176
00:06:40,767 --> 00:06:42,767
Porque el gran talón de Aquiles de casi

177
00:06:42,767 --> 00:06:45,547
todos los modelos, incluso los de pago, son

178
00:06:45,547 --> 00:06:47,947
los puñeteros artefactos visuales.

179
00:06:47,967 --> 00:06:50,147
Uf, sí, esas deformaciones que te sacan de

180
00:06:50,147 --> 00:06:51,507
la ilusión de golpe.

181
00:06:51,207 --> 00:06:51,807
Exacto.

182
00:06:51,807 --> 00:06:54,207
Típico vídeo de un tren moviéndose y de

183
00:06:54,207 --> 00:06:56,887
repente las ventanas empiezan a temblar o cambian

184
00:06:56,887 --> 00:06:57,567
de tamaño.

185
00:06:57,547 --> 00:06:59,107
O las columnas de un edificio que parece

186
00:06:59,107 --> 00:07:01,007
que se están derritiendo al mover la cámara,

187
00:07:01,007 --> 00:07:01,507
sí, sí.

188
00:07:01,567 --> 00:07:04,407
Pues One 2.2 ha introducido unas mejoras enormes

189
00:07:03,947 --> 00:07:08,427
en lo que llamamos consistencia espaciotemporal.

190
00:07:08,487 --> 00:07:10,687
Entiende la persistencia de las cosas.

191
00:07:10,867 --> 00:07:12,847
Si tienes a alguien camunando por un campo

192
00:07:12,847 --> 00:07:14,307
de flores y hace viento...

193
00:07:13,867 --> 00:07:16,467
El modelo ya sabe separar qué es qué,

194
00:07:16,467 --> 00:07:16,547
¿no?

195
00:07:16,747 --> 00:07:19,127
Eso es, separa el movimiento caótico de la

196
00:07:19,127 --> 00:07:21,347
hierba y las flores de la trayectoria recta

197
00:07:21,347 --> 00:07:23,807
del sujeto sin que se mezclen las texturas

198
00:07:23,807 --> 00:07:24,947
por el camino.

199
00:07:24,467 --> 00:07:26,327
Aquí es donde la cosa se pone muy

200
00:07:26,327 --> 00:07:27,667
interesante.

201
00:07:27,667 --> 00:07:31,127
Porque claro, tanta precisión técnica tiene una contrapartida.

202
00:07:31,127 --> 00:07:33,567
El modelo se ha vuelto súper obediente.

203
00:07:33,567 --> 00:07:36,307
O sea, tiene una sensibilidad al prompt brutal.

204
00:07:36,307 --> 00:07:38,087
Es casi como un genio de la lámpara.

205
00:07:38,087 --> 00:07:38,907
Literal.

206
00:07:38,907 --> 00:07:40,207
¡Ay, el genio literal!

207
00:07:40,207 --> 00:07:41,327
¡Qué peligro tiene eso!

208
00:07:41,367 --> 00:07:42,227
Ya ves.

209
00:07:42,227 --> 00:07:44,207
Es que si no eres específico, el modelo

210
00:07:44,207 --> 00:07:45,287
enloquece.

211
00:07:45,287 --> 00:07:47,447
En las fontes mencionaban un ejemplo buenísimo de

212
00:07:47,447 --> 00:07:49,347
un usuario que le pidió al modelo un

213
00:07:49,347 --> 00:07:51,567
ratón corriendo delante de una pantera.

214
00:07:51,347 --> 00:07:52,687
Vale, suena sencillo.

215
00:07:52,527 --> 00:07:55,067
Sí, pero el usuario no detalló nada sobre

216
00:07:55,067 --> 00:07:56,127
el ratón.

217
00:07:56,127 --> 00:07:57,767
Y claro, como no le dio contexto, la

218
00:07:57,767 --> 00:08:01,787
IA sufrió una especie de colapso semántico tremendo.

219
00:08:01,787 --> 00:08:03,127
Se hizo un lío.

220
00:08:03,107 --> 00:08:04,847
Un lío tremendo.

221
00:08:04,847 --> 00:08:07,827
Fusionó conceptos y generó una especie de monstruo,

222
00:08:07,827 --> 00:08:10,667
un mutante caótico que era mitad rata y

223
00:08:10,667 --> 00:08:13,567
mitad leopardo, corriendo por ahí de forma súper

224
00:08:13,567 --> 00:08:14,067
extraña.

225
00:08:14,727 --> 00:08:16,607
Y claro, yo me pregunto, ¿no es esto

226
00:08:16,607 --> 00:08:18,667
un defecto enorme para el usuario medio que

227
00:08:18,667 --> 00:08:20,727
solo quiere escribir dos palabras y que la

228
00:08:20,727 --> 00:08:21,687
IA le haga magia?

229
00:08:21,747 --> 00:08:24,467
Esto plantea una pregunta importante sobre diseño de

230
00:08:24,467 --> 00:08:26,267
software, sin duda.

231
00:08:26,267 --> 00:08:27,027
¿Qué priorizamos?

232
00:08:27,027 --> 00:08:30,187
¿Que sea fácil de usar para cualquiera o

233
00:08:30,187 --> 00:08:32,047
que dé un control absoluto al profesional?

234
00:08:32,327 --> 00:08:34,307
Claro, el equilibrio es complicado.

235
00:08:34,307 --> 00:08:36,367
Un modelo que se inventa los detalles y

236
00:08:36,367 --> 00:08:38,727
rellena huecos parece mágico para el que está

237
00:08:38,727 --> 00:08:40,047
jugando un rato.

238
00:08:40,047 --> 00:08:42,667
Escribes perro saltando y te saca un vídeo

239
00:08:42,667 --> 00:08:44,687
precioso, aunque el perro no sea de la

240
00:08:44,687 --> 00:08:46,027
raza que querías.

241
00:08:45,667 --> 00:08:47,607
Te da igual porque queda bonito.

242
00:08:47,307 --> 00:08:50,367
Pero en un entorno profesional, la creatividad aleatoria

243
00:08:50,367 --> 00:08:52,367
de la máquina no sirve de nada.

244
00:08:52,487 --> 00:08:54,947
Si estás dirigiendo una escena, necesitas que la

245
00:08:54,947 --> 00:08:57,927
luz, el encuadre y los sujetos hagan exactamente

246
00:08:57,927 --> 00:09:00,087
lo que tú tienes en la cabeza.

247
00:08:59,967 --> 00:09:00,587
Ni más ni menos.

248
00:09:00,987 --> 00:09:05,747
Entonces, One.2.2 ha forzado sus codificadores para obligar

249
00:09:05,747 --> 00:09:07,607
al usuario a ser hiperespecífico.

250
00:09:08,347 --> 00:09:10,607
Te obliga a escribir un manual técnico casi,

251
00:09:10,607 --> 00:09:13,107
pero a cambio, elimina la incertidumbre.

252
00:09:13,227 --> 00:09:15,207
Recrea exactamente tu visión.

253
00:09:15,007 --> 00:09:17,027
Es como trabajar con un actor que improvisa

254
00:09:17,027 --> 00:09:19,074
sin parar frente a uno que te clava

255
00:09:19,074 --> 00:09:20,934
cada línea del guión tal y como está

256
00:09:20,934 --> 00:09:21,834
escrito.

257
00:09:21,834 --> 00:09:24,614
Y a ver, los números respaldan esta decisión,

258
00:09:24,614 --> 00:09:27,374
porque en los benchmarks, en las evaluaciones objetivas,

259
00:09:27,374 --> 00:09:28,974
las puntuaciones son alucinantes.

260
00:09:29,234 --> 00:09:31,934
Sí, los datos de artificial análisis son para

261
00:09:31,934 --> 00:09:33,134
enmarcar.

262
00:09:33,074 --> 00:09:35,074
Es que el modelo de 14B de texto

263
00:09:35,074 --> 00:09:36,714
a vídeo se ha colado en la octava

264
00:09:36,714 --> 00:09:39,914
posición global, la octava, superando a gigantes de

265
00:09:39,914 --> 00:09:42,714
la industria como Sora o Clean 115 Pro

266
00:09:42,714 --> 00:09:46,614
a Pixers, empatando con el C2.0 y pisándole

267
00:09:46,614 --> 00:09:49,734
los talones al BO2 que se dice pronto.

268
00:09:49,734 --> 00:09:51,374
Es que es una auténtica locura ver a

269
00:09:51,374 --> 00:09:54,614
un modelo de código abierto, gratuito, superando al

270
00:09:54,614 --> 00:09:58,134
todopoderoso Sora en una tabla de clasificación oficial.

271
00:09:58,134 --> 00:10:00,134
Sí, es un hito tremendo, pero ¿y si

272
00:10:00,134 --> 00:10:02,754
conectamos esto con la perspectiva general?

273
00:10:02,754 --> 00:10:04,534
Hay que ser justos con los datos y

274
00:10:04,534 --> 00:10:05,934
matizar un poco.

275
00:10:05,934 --> 00:10:07,574
A ver, cuéntame, ¿dónde flojea?

276
00:10:07,574 --> 00:10:09,834
En la generación de imagen a vídeo.

277
00:10:09,834 --> 00:10:12,154
Ahí el modelo de 14B cae hasta el

278
00:10:12,154 --> 00:10:13,834
puesto 14 de la tabla.

279
00:10:13,834 --> 00:10:16,294
Ah, vale, ahí le cuesta más arrancar.

280
00:10:16,294 --> 00:10:18,094
Cuando se trata de coger una foto fija

281
00:10:18,094 --> 00:10:20,954
y darle vida, los modelos propietarios chinos, por

282
00:10:20,954 --> 00:10:23,354
ejemplo, siguen teniendo una ventaja clara.

283
00:10:23,354 --> 00:10:25,694
Seguramente porque los entrenan con unos volúmenes de

284
00:10:25,694 --> 00:10:27,954
datos de cine que no son públicos.

285
00:10:27,954 --> 00:10:30,674
Ya, tienen la despensa llena.

286
00:10:30,674 --> 00:10:32,754
Y de hecho, los ejemplos visuales que hemos

287
00:10:32,754 --> 00:10:35,714
visto ilustran esto perfectamente.

288
00:10:35,714 --> 00:10:37,094
En el test de texto a vídeo con

289
00:10:37,094 --> 00:10:39,674
las chicas del siglo XIX en el acantilado,

290
00:10:39,674 --> 00:10:42,174
One 2.2 mantiene una física brutal.

291
00:10:42,174 --> 00:10:43,534
Sí, la ropa, el viento.

292
00:10:43,534 --> 00:10:44,074
Exacto.

293
00:10:44,074 --> 00:10:46,374
Aunque bueno, veo tres, ahí gana por muy

294
00:10:46,374 --> 00:10:48,014
poquito en la estética.

295
00:10:48,014 --> 00:10:49,134
Pero lo fuerte es que un modelo de

296
00:10:49,134 --> 00:10:51,794
pago carísimo como Sidance Pro comete un fallo

297
00:10:51,794 --> 00:10:53,474
garrafal en esa misma escena y no hace

298
00:10:53,474 --> 00:10:54,894
que una de las chicas caiga por el

299
00:10:54,894 --> 00:10:56,534
borde como se le pedía.

300
00:10:56,534 --> 00:10:57,654
Falla en las físicas.

301
00:10:57,654 --> 00:11:00,434
Ese es el genio literal de One 2.2,

302
00:10:59,954 --> 00:11:01,394
funcionando a tu favor.

303
00:11:01,394 --> 00:11:03,034
Obedece la física.

304
00:11:03,034 --> 00:11:05,214
Claro, pero luego nos vamos al test del

305
00:11:05,214 --> 00:11:07,034
gato en el mercado mediterráneo.

306
00:11:07,034 --> 00:11:07,914
Ay, el gato.

307
00:11:07,914 --> 00:11:09,674
El gato caminando hacia el mar.

308
00:11:09,674 --> 00:11:11,954
One 2.2 hace exactamente lo que le pides,

309
00:11:12,014 --> 00:11:14,274
sigue la ruta, pero ves las versiones de

310
00:11:14,274 --> 00:11:16,194
Minimix O de Seedance Pro y el gato

311
00:11:16,194 --> 00:11:17,634
tiene un dinamismo, se mueve de una forma

312
00:11:17,634 --> 00:11:19,334
súper orgánica, súper elástica.

313
00:11:19,334 --> 00:11:21,434
Claro, son enfoques distintos.

314
00:11:21,434 --> 00:11:24,294
Modelos como Giluo o Minimix sacrifican a veces

315
00:11:24,294 --> 00:11:27,394
un poco la precisión geométrica para lograr un

316
00:11:27,394 --> 00:11:30,014
movimiento muy fluido, muy dramático.

317
00:11:30,014 --> 00:11:31,774
Tienen un dinamismo espectacular.

318
00:11:31,754 --> 00:11:32,554
Entiendo.

319
00:11:32,534 --> 00:11:35,034
One 2.2 prefiere que la estructura no se

320
00:11:35,034 --> 00:11:35,794
rompa.

321
00:11:35,794 --> 00:11:37,394
El gato a lo mejor no tiene esa

322
00:11:37,394 --> 00:11:40,234
gracia elástica de Minimix, pero desde luego no

323
00:11:40,234 --> 00:11:41,734
le va a salir una quintapata a mi

324
00:11:41,734 --> 00:11:42,734
TED del vídeo.

325
00:11:42,994 --> 00:11:44,174
Ja ja, exacto.

326
00:11:44,174 --> 00:11:45,794
Te evitas los mutantes.

327
00:11:45,794 --> 00:11:47,954
O sea, no será el rey del dinamismo,

328
00:11:47,954 --> 00:11:51,334
pero siendo gratuito, logrando esa calidad intermedia fantástica

329
00:11:51,334 --> 00:11:53,954
y con ese control, se corona como el

330
00:11:53,954 --> 00:11:55,074
rey del código abierto.

331
00:11:55,074 --> 00:11:55,774
De cajón.

332
00:11:56,114 --> 00:11:57,354
Indiscutiblemente.

333
00:11:57,354 --> 00:11:58,674
Ahora es el referente.

334
00:11:58,654 --> 00:11:59,234
Vale.

335
00:11:59,234 --> 00:12:02,374
Pues todo esto suena maravilloso en la teoría.

336
00:12:02,374 --> 00:12:04,654
Pero entonces, ¿qué significa todo esto a nivel

337
00:12:04,654 --> 00:12:05,714
práctico?

338
00:12:05,694 --> 00:12:07,094
La realidad del hardware.

339
00:12:07,094 --> 00:12:09,374
Porque yo me pregunto, ¿cómo instalas esta bestia

340
00:12:09,374 --> 00:12:10,714
en el salón de tu casa sin que

341
00:12:10,714 --> 00:12:12,114
el ordenador salga ardiendo?

342
00:12:12,154 --> 00:12:14,494
Esa es la gran pregunta pragmática.

343
00:12:14,494 --> 00:12:14,994
Sí.

344
00:12:14,934 --> 00:12:17,754
A ver, la ruta local típica es usar

345
00:12:17,754 --> 00:12:18,914
Confuee, ¿no?

346
00:12:18,914 --> 00:12:21,494
La plataforma esta de nodos.

347
00:12:21,494 --> 00:12:24,334
Pero los requisitos técnicos son crudos, son tela

348
00:12:24,334 --> 00:12:25,174
marina.

349
00:12:24,774 --> 00:12:26,754
No es para todos los públicos, no.

350
00:12:26,754 --> 00:12:28,534
Es que te piden una tarjeta gráfica con

351
00:12:28,534 --> 00:12:31,914
al menos 8 o 12 gigas de VRAM.

352
00:12:32,114 --> 00:12:35,254
Con una RTX 3060 generará un vídeo de

353
00:12:35,254 --> 00:12:37,334
unos pocos segundos con el modelo pequeño de

354
00:12:37,334 --> 00:12:38,354
5B.

355
00:12:38,414 --> 00:12:40,754
Te puede tardar 15 minutazos.

356
00:12:40,754 --> 00:12:42,454
15 minutos para un clip.

357
00:12:42,374 --> 00:12:44,634
Una eternidad si estás haciendo pruebas, claro.

358
00:12:44,554 --> 00:12:46,934
Y si quieres que vaya fluido necesitas 16

359
00:12:46,934 --> 00:12:47,854
gigas de VRAM.

360
00:12:48,434 --> 00:12:49,834
Ahí el tiempo baja a 2 o 3

361
00:12:49,834 --> 00:12:51,534
minutos para el modelo pequeño.

362
00:12:51,674 --> 00:12:53,194
y unos 7 u 8 minutos para el

363
00:12:53,194 --> 00:12:55,354
de 14B usando cuantización.

364
00:12:55,574 --> 00:12:57,634
Y claro, yo me hago de ahogado del

365
00:12:57,634 --> 00:12:58,354
diablo.

366
00:12:58,714 --> 00:13:00,914
Si necesitas 1000 euros de tarjeta gráfica para

367
00:13:00,914 --> 00:13:03,434
que la experiencia no sea un sufrimiento, ¿no

368
00:13:03,434 --> 00:13:05,794
es esto un juguete exclusivo para gamers con

369
00:13:05,794 --> 00:13:08,054
dinero y editores profesionales?

370
00:13:07,954 --> 00:13:09,174
¿Dónde está la democratización?

371
00:13:09,494 --> 00:13:12,034
Te concedo el punto sobre el hardware local.

372
00:13:12,034 --> 00:13:14,294
Es una crítica totalmente válida.

373
00:13:14,334 --> 00:13:16,814
El código abierto no exime a nadie de

374
00:13:16,814 --> 00:13:18,734
las leyes de la termodinámica.

375
00:13:18,754 --> 00:13:22,254
Calcular millones de píxeles cuesta mucha energía.

376
00:13:22,234 --> 00:13:23,054
Ya te digo.

377
00:13:23,054 --> 00:13:26,794
Pero el truco, la verdadera democratización, no pasa

378
00:13:26,794 --> 00:13:28,634
porque tú tengas un servidor en el baño

379
00:13:28,634 --> 00:13:29,674
de tu casa.

380
00:13:29,834 --> 00:13:32,194
Ocurre en la capa de servicios, en la

381
00:13:32,194 --> 00:13:32,874
nube.

382
00:13:32,734 --> 00:13:34,414
A ver, explícame eso.

383
00:13:34,074 --> 00:13:35,854
Piensa en plataformas como Freepik.

384
00:13:36,414 --> 00:13:38,494
Pueden ofrecer el uso de este modelo a

385
00:13:38,494 --> 00:13:41,234
precios de risa, porque ellos como empresa no

386
00:13:41,234 --> 00:13:44,714
tienen que pagarle licencias millonarias a OpenAI o

387
00:13:44,714 --> 00:13:46,814
a Google por usar su tecnología.

388
00:13:46,614 --> 00:13:49,054
Ah, claro, se ahorran el peaje corporativo.

389
00:13:49,074 --> 00:13:49,594
Exacto.

390
00:13:49,594 --> 00:13:53,354
El código abierto abarata absolutamente toda la cadena

391
00:13:53,354 --> 00:13:54,534
alimenticia de la IA.

392
00:13:55,054 --> 00:13:57,322
Solo pagan la luz y los servidores.

393
00:13:57,322 --> 00:13:59,582
Y eso hunde los precios del mercado.

394
00:13:59,582 --> 00:14:00,602
Ostras, claro.

395
00:14:00,602 --> 00:14:03,382
Y fíjate, viendo los datos de la integración

396
00:14:03,382 --> 00:14:05,062
en Freepik, es que se te cae la

397
00:14:05,062 --> 00:14:05,902
mandíbula.

398
00:14:05,902 --> 00:14:08,982
Generar vídeos ahí cuesta desde 150 créditos.

399
00:14:08,982 --> 00:14:10,261
Un regalo, vamos.

400
00:14:10,261 --> 00:14:12,062
Es que haciendo cuentas te da para hacer

401
00:14:12,062 --> 00:14:15,302
unos 75 vídeos con One 2.2 por el

402
00:14:15,302 --> 00:14:16,701
precio de lo que te cuesta hacer un

403
00:14:16,701 --> 00:14:18,642
solo vídeo con el VO3 de Google en

404
00:14:18,642 --> 00:14:20,022
la misma plataforma.

405
00:14:19,582 --> 00:14:21,602
75 a 1.

406
00:14:21,622 --> 00:14:23,462
Es que dinamita el mercado, es un cambio

407
00:14:23,462 --> 00:14:25,302
de paradigma total.

408
00:14:25,261 --> 00:14:28,142
Y encima una velocidad rapidísima, sin esperar 15

409
00:14:28,142 --> 00:14:30,142
minutos a que tu gráfica eche humo.

410
00:14:30,742 --> 00:14:32,722
Y sin dejarte 1000 euros en la gráfica.

411
00:14:32,522 --> 00:14:35,022
Mencionaban en las fuentes el plan Premium Plus,

412
00:14:35,022 --> 00:14:36,802
que por unos 22 euros al mes tienes

413
00:14:36,802 --> 00:14:38,482
créditos masivos.

414
00:14:38,422 --> 00:14:40,562
Te da para generar imágenes ilimitadas con modelos

415
00:14:40,562 --> 00:14:41,502
como Flux.

416
00:14:41,761 --> 00:14:43,282
Vamos, que el acceso está ahí.

417
00:14:43,162 --> 00:14:44,742
Y te permite equivocarte.

418
00:14:44,302 --> 00:14:47,182
Cuando generar un vídeo te cuesta céntimos y

419
00:14:47,182 --> 00:14:50,422
tarda segundos, puedes experimentar mil veces hasta que

420
00:14:50,422 --> 00:14:51,782
el prompt quede perfecto.

421
00:14:52,022 --> 00:14:53,761
Y vaya si experimentan.

422
00:14:53,761 --> 00:14:56,222
En los ejemplos de Freepik vimos algunos vídeos

423
00:14:56,222 --> 00:14:57,822
que son una pasada.

424
00:14:57,942 --> 00:15:00,922
Por ejemplo, había uno de un trabajador inspeccionando

425
00:15:00,922 --> 00:15:02,582
la calidad de un queso en una fábrica.

426
00:15:02,962 --> 00:15:04,982
Madre mía, la textura de ese queso.

427
00:15:05,082 --> 00:15:05,622
Brutal, ¿eh?

428
00:15:05,622 --> 00:15:08,422
Los agujeros del queso, la sutilidad de las

429
00:15:08,422 --> 00:15:10,922
manos del tipo… es que era indistinguible de

430
00:15:10,922 --> 00:15:11,842
la realidad.

431
00:15:11,701 --> 00:15:13,201
Pero el que de verdad es para embarcar

432
00:15:13,201 --> 00:15:14,682
es el del astronauta.

433
00:15:14,701 --> 00:15:17,642
Uf, ese ejemplo es el desafío definitivo.

434
00:15:17,642 --> 00:15:20,062
A ver, un astronauta bajando de un caballo.

435
00:15:20,262 --> 00:15:22,622
El astronauta corre hacia un lado, de fondo

436
00:15:22,622 --> 00:15:25,742
cae un maldito meteorito impactando contra el suelo,

437
00:15:25,782 --> 00:15:28,082
y el caballo sale huyendo despavorido en dirección

438
00:15:28,082 --> 00:15:29,142
contraria al astronauta.

439
00:15:29,142 --> 00:15:31,082
Todo en el mismo plano.

440
00:15:31,022 --> 00:15:33,482
Y manteniendo la iluminación de todas las partes

441
00:15:33,482 --> 00:15:34,422
por separado.

442
00:15:34,402 --> 00:15:37,082
Es que coreografiar todas esas trayectorias a la

443
00:15:37,082 --> 00:15:38,662
vez sin que se convierta en una sopa

444
00:15:38,662 --> 00:15:40,482
de pixeles es increíble.

445
00:15:40,482 --> 00:15:42,062
Ahí se demuestra por qué es tan importante

446
00:15:42,062 --> 00:15:44,942
esa adherencia estricta al prompt que hablábamos antes.

447
00:15:44,942 --> 00:15:47,922
Claro, el modelo de 14B aguanta toda esa

448
00:15:47,922 --> 00:15:51,242
coherencia geométrica 3D de la escena sin despeinarse,

449
00:15:51,242 --> 00:15:54,022
precisamente porque no se pone a improvisar.

450
00:15:54,022 --> 00:15:56,062
Sigue tus instrucciones a rajatabla.

451
00:15:56,062 --> 00:15:57,442
Es alucinante.

452
00:15:57,442 --> 00:16:00,022
Y pensar que esto es sólo el principio.

453
00:16:00,022 --> 00:16:02,162
Siendo código abierto, en dos días vamos a

454
00:16:02,162 --> 00:16:04,522
tener a la comunidad creando plugins, metiéndolo en

455
00:16:04,522 --> 00:16:06,242
programas de edición de toda la vida.

456
00:16:06,242 --> 00:16:10,122
Con controles de luz virtual, moviendo cámaras simuladas.

457
00:16:10,122 --> 00:16:11,542
Va a ser una pasada.

458
00:16:11,542 --> 00:16:13,682
Vamos, un cambio de reglas completo en quién

459
00:16:13,682 --> 00:16:16,062
puede contar historias y con qué presupuesto.

460
00:16:16,062 --> 00:16:18,102
Ha sido un análisis profundo, la verdad.

461
00:16:18,102 --> 00:16:20,902
Y fíjate, justo viendo esta convergencia de accesibilidad

462
00:16:20,902 --> 00:16:23,742
barata y un realismo tan bestia, a mí

463
00:16:23,742 --> 00:16:25,782
me surge una idea para que nuestra audiencia

464
00:16:25,782 --> 00:16:27,722
reflexione un poco por su cuenta.

465
00:16:27,722 --> 00:16:29,002
A ver, suéltalo.

466
00:16:29,002 --> 00:16:30,002
Piénsalo.

467
00:16:30,002 --> 00:16:32,522
Si a día de hoy ya podemos generar

468
00:16:32,522 --> 00:16:35,762
la carga de caballería de una batalla medieval,

469
00:16:35,762 --> 00:16:38,602
con todo detalle, desde el portátil del salón

470
00:16:38,602 --> 00:16:42,222
usando software libre, ¿cuánto tiempo crees que falta

471
00:16:42,222 --> 00:16:44,502
para que las películas dejen de ser simples

472
00:16:44,502 --> 00:16:46,402
archivos de vídeo estáticos?

473
00:16:46,402 --> 00:16:48,382
Ostras, me acabas de dejar loco.

474
00:16:48,382 --> 00:16:50,482
Te refieres a películas que cambian.

475
00:16:50,482 --> 00:16:51,742
Exacto.

476
00:16:51,742 --> 00:16:53,742
Imagina que el cine pase a ser una

477
00:16:53,742 --> 00:16:56,402
experiencia que se genera en tiempo real mientras

478
00:16:56,402 --> 00:16:57,242
la ves.

479
00:16:57,242 --> 00:16:59,862
Que la iluminación o las reacciones de los

480
00:16:59,862 --> 00:17:03,022
personajes se adapten al momento según cómo estés

481
00:17:03,022 --> 00:17:04,522
reaccionando tú en el sofá.

482
00:17:04,842 --> 00:17:06,762
Madre mía, el fin del cine tal y

483
00:17:06,762 --> 00:17:09,102
como lo conocemos, una película que muta y

484
00:17:09,102 --> 00:17:11,442
se personaliza para cada espectador.

485
00:17:11,442 --> 00:17:13,981
Es una idea inmensa y con estas herramientas

486
00:17:13,981 --> 00:17:15,701
ya no suena a ciencia ficción.

487
00:17:15,762 --> 00:17:17,862
Desde luego que no, es el siguiente paso

488
00:17:17,862 --> 00:17:18,842
natural.

489
00:17:18,662 --> 00:17:21,522
Pues me dejas sin palabras con esa reflexión.

490
00:17:21,522 --> 00:17:23,362
Vamos a tener que dejarlo aquí, para ir

491
00:17:23,362 --> 00:17:25,321
a procesar todo esto.

492
00:17:25,321 --> 00:17:28,061
Antes de despedirnos hasta el próximo programa, os

493
00:17:28,061 --> 00:17:30,122
informamos de que las voces que oyes han

494
00:17:30,122 --> 00:17:33,461
sido generadas por la IA de Notebook LM,

495
00:17:33,461 --> 00:17:35,642
y que dirigiendo el podcast se encuentra Julio

496
00:17:35,642 --> 00:17:38,221
Pablo Vázquez, un humano que te envía saludos.

497
00:17:38,221 --> 00:17:41,902
En caso de error, probablemente sean errores humanos.

498
00:17:41,902 --> 00:17:42,481
¡Nos escuchamos!

499
00:17:53,981 --> 00:17:56,102
Y hasta aquí el episodio de hoy.

500
00:17:56,102 --> 00:17:57,682
Muchas gracias por tu atención.

501
00:18:07,481 --> 00:18:09,701
Esto es BIMPRAXIS.

502
00:18:09,701 --> 00:18:11,801
Nos escuchamos en el próximo episodio.

503
00:18:32,942 --> 00:18:33,002
¡Suscríbete al canal!