Un giornalista tecnologico ha scelto di raccontare l'impatto idrico dell'intelligenza artificiale non con un articolo ma con un video di cinque minuti, costruito con strumenti open source e con la propria voce clonata. Il gesto nasce da un'intuizione semplice: su uno schermo il lettore non può tornare indietro di due righe a verificare un'unità di misura, quindi le cifre devono accompagnarsi alla loro origine. È un piccolo episodio di un passaggio più ampio, in cui chi scrive di tecnologia comincia a usare la tecnologia stessa per costruire il proprio mestiere, con tutte le sue comodità e le s
Un documentario sull'acqua dell'IA costruito con ArtCraft, Codex e la mia voce clonata
In video non si può tornare indietro di due righe a ricontrollare
Mark
Perché fare un video da un articolo che funzionava già?
Mimi
Perché in video non si può rileggere. Le cifre devono comparire mentre la voce le dice.
Luke
Ed è un'esigenza dichiarata dall'autore, non un dato misurato su spettatori.
Mark
Cosa cambia passando da invideo ad ArtCraft?
Mimi
I crediti finivano in fretta e voleva ritoccare una scena senza ricominciare. Ora il progetto è sul suo computer.
Mark
E il limite dei 5.000 caratteri?
Mimi
Il copione ne aveva 6.450. L'ha stretto a 4.898 e il master è venuto, circa 5:32.
Luke
Resta un punto aperto: nel registro c'è un prezzo anche per il tentativo fallito, ma non sa se sia stato addebitato.
Mark
I modelli locali valgono l'abbonamento?
Mimi
All'ascolto ElevenLabs resta avanti, ma la misura automatica di somiglianza dà una classifica diversa.
Luke
Quindi la risposta definitiva non c'è: dipende da quale criterio si fida.
El Pulso
- Il primo tentativo di generare la narrazione è stato respinto perché il copione superava il limite di 5.000 caratteri per richiesta, e nessuna stima preventiva lo aveva segnalato.
- Un addebito compare nel registro anche per la richiesta fallita, e l'autore non sa ancora se sia stato davvero pagato.
- Il crollo dei crediti su invideo ha spinto il lavoro verso un montaggio locale con ArtCraft, dove ogni modifica si riesporta senza rifare tutto.
- Un assemblaggio si è bloccato per un conflitto tra nomi di parametri, corretto da Codex senza rigenerare la voce.
- L'abbonamento da circa 20 euro al mese è sotto esame, e tre modelli vocali gratuiti in locale potrebbero rendere superfluo il rinnovo.
Un giornalista tecnologico ha scelto di raccontare l'impatto idrico dell'intelligenza artificiale non con un articolo ma con un video di cinque minuti, costruito con strumenti open source e con la propria voce clonata. Il gesto nasce da un'intuizione semplice: su uno schermo il lettore non può tornare indietro di due righe a verificare un'unità di misura, quindi le cifre devono accompagnarsi alla loro origine. È un piccolo episodio di un passaggio più ampio, in cui chi scrive di tecnologia comincia a usare la tecnologia stessa per costruire il proprio mestiere, con tutte le sue comodità e le sue fragilità.
Il documentario si intitola "Quanta acqua consuma davvero l'IA?", dura poco più di cinque minuti e nasce da un articolo della settimana precedente, dove la stessa domanda riceveva risposte che andavano da cinque gocce a miliardi di litri. Il problema non era l'errore ma il contesto: quanto si include nel conto cambia tutto. Così l'autore ha trasformato le cifre in diagrammi animati che si spiegano mentre la voce parla, perché davanti a un video non si può tornare indietro.
I primi tentativi sono passati da invideo, ma i crediti finivano presto e ogni ritocco costava troppo tempo. Il passaggio ad ArtCraft, una suite open source di sedici applicazioni scritte in Rust, ha riportato il montaggio sul computer dell'autore: ora una scena si rivede senza rigenerare la voce già pronta. La versione finale dell'apprendistato invisibile è scesa da quasi nove minuti a poco più di cinque.
Ogni dato è stato ricontrollato dalla fonte. Gli 0,26 millilitri dello studio di Google, per esempio, riguardano solo il raffreddamento di un prompt mediano, e un altro calcolo può usare la stessa unità arrivando a un numero diverso senza che nessuno sbagli. Sullo schermo, quando la voce pronuncia la cifra, compaiono anche la fonte e il contesto.
La voce è un clone su ElevenLabs. Il primo master è stato rifiutato perché il copione superava il limite per richiesta e l'autore ha dovuto ridurlo quasi di un terzo. Il dettaglio più incerto resta l'addebito comparso per la richiesta fallita. Nel frattempo tre modelli locali gratuiti hanno letto lo stesso paragrafo: all'ascolto ElevenLabs resta avanti, ma la misura automatica ha dato una classifica diversa. Resta da decidere se questi modelli bastino a disdire l'abbonamento.
Il documentario si intitola "Quanta acqua consuma davvero l'IA?", dura 5 minuti e 33 secondi ed è uscito su Umani per ora, la newsletter Substack dell'autore. Nasce da un articolo pubblicato la settimana prima nella stessa rubrica, in cui la risposta oscillava da cinque gocce a miliardi di litri, a seconda di cosa si include nel conto. Su carta chi legge può tornare indietro di due righe a ricontrollare un'unità di misura, mentre davanti a un video non può farlo: per questo l'autore ha costruito diagrammi animati che mostrano le cifre mentre la voce le spiega.
Il montaggio è stato fatto con FilmCraft, una delle applicazioni open source della suite ArtCraft. Codex ha coordinato il lavoro e il copione è stato letto da un clone della voce dell'autore creato su ElevenLabs. Già che c'era, l'autore ha fatto leggere lo stesso paragrafo a tre modelli gratuiti che girano in locale: all'ascolto ElevenLabs resta parecchio avanti, anche se la misura automatica della somiglianza ha prodotto una classifica diversa.
I primi video erano stati fatti con invideo, che Codex di OpenAI può usare tramite un server MCP, cioè un ponte basato sul Model Context Protocol che espone i comandi di un'applicazione. Una prima versione di circa sette minuti con cinque inserti girati in sale server, e un documentario da 9:27 sull'apprendistato invisibile, appartengono a quella fase. L'autore ha cambiato strada per ragioni pratiche: i crediti finivano in fretta e il montaggio lasciava poco margine per tornare su una scena, spostare una scritta o un inserto e riesportare senza ricominciare. Ora il processo gira sul suo computer, e se rivede una scena la voce già generata resta dov'è. Con FilmCraft ha rimontato anche l'apprendistato: la quarta versione dura 5:37, quasi quattro minuti meno dell'originale. L'insieme si chiama Umani per ora Studio, e ArtCraft ha sostituito invideo solo nel tratto dai materiali pronti al filmato esportato.
ArtCraft è una suite open source di sedici applicazioni secondo il sito del progetto, scritte in Rust e in parte ancora in alfa. La guida Brandon Thomas, sviluppatore che usa l'IA per costruire alternative aperte ai programmi Adobe e ad altri software in abbonamento. Per la parte visiva ne sono servite tre: VectorCraft per la grafica vettoriale, EffectCraft per animare i livelli e FilmCraft per la timeline, più SoundCraft per convertire l'audio in WAV. Ognuna delle prime tre offre un server MCP locale, ma per l'export la documentazione rimanda alla riga di comando, ed è la strada seguita per tutto il documentario.
Il lavoro editoriale è ripartito dai documenti originali, perché per ogni dato l'autore voleva sapere chi l'avesse calcolato, su quale periodo e con quali voci incluse. Un esempio sono gli 0,26 millilitri dello studio di Google: riguardano l'acqua di raffreddamento per il prompt testuale mediano di Gemini Apps, nel campione di maggio 2025. Un calcolo che includa l'acqua consumata per produrre l'elettricità può usare la stessa unità e arrivare a un numero diverso, senza che nessuno sbagli. Dall'articolo sono usciti un copione e dodici scene; quando la voce dice "zero virgola ventisei millilitri", sullo schermo compaiono cifra, fonte e richiamo al raffreddamento.
Per la narrazione l'autore usa il clone su ElevenLabs, con un abbonamento da circa 20 euro al mese. Il primo tentativo di generare il master è stato respinto: il copione contava 6.450 caratteri, mentre Eleven v3 ne accetta 5.000 per richiesta (10.000 con Multilingual v2). Né la configurazione locale né la stima preventiva avevano segnalato il limite. Il copione è stato stretto a 4.898 caratteri e il secondo tentativo ha dato circa 5:32 di lettura continua. Nel registro compare un prezzo anche accanto al tentativo fallito, ma l'autore non capisce se sia diventato un addebito. Poi Scribe, il modello di trascrizione di ElevenLabs, ha restituito inizio e fine di ogni parola, e su quei tempi lo Studio decide quando compaiono i numeri e cambiano le scene.
Nella settima scena, "Una sola istruzione", il riquadro con la richiesta compare circa tre secondi dopo l'apertura e il primo ramo circa sei secondi più tardi. Codex ha scritto il codice che genera i disegni in SVG, VectorCraft li ha convertiti in PNG e EffectCraft ha prodotto una clip muta di circa 32 secondi. FilmCraft assembla il tutto in una sequenza Full HD a 30 fotogrammi al secondo. Un primo assemblaggio si è fermato per un conflitto tra nomi di parametri; Codex ha corretto l'errore e rifatto il montaggio senza rigenerare la voce. Resta da vedere se i tre modelli locali bastino a disdire l'abbonamento.
Citas Notables
Il primo tentativo di generare il master è stato respinto: il copione superava il limite di 5.000 caratteri.— L'autore dell'articolo, Hardware Upgrade
Quieres la nota completa?
Lee el original en Hardware Upgrade ↗