Jul, 134 min de leitura
Plataforma
News · A restauração de O Mágico de Oz na Sphere pelo Google: um problema de fine-tuning disfarçado de espetáculo
Apr, 84 min de leitura
PlataformaA restauração de O Mágico de Oz na Sphere pelo Google: um problema de fine-tuning disfarçado de espetáculo
Como o Google DeepMind e o Google Cloud estão espalhando três negativos granulados de 1939 por uma tela LED de 14.900 metros quadrados usando Imagen, Veo e Gemini
Três negativos de filme, 14.900 metros quadrados
O ponto de partida técnico é peculiarmente específico. Buzz Hays, líder global de soluções para a indústria do entretenimento do Google Cloud, descreve a fonte como "a imagem original quatro por três num pedaço de celulóide de 35mm — na verdade são três negativos separados e granulados; foi assim que filmaram em Technicolor."
Essa fonte precisa caber na tela LED 16K da Sphere — descrita como a de maior resolução do mundo — espalhada por 14.900 metros quadrados de superfície, envolvendo um espaço com 17.600 assentos. O descompasso entre um negativo 4:3 de 1939 e uma tela esférica envolvente é exatamente o problema que o projeto existe para resolver. O estreia é dia 28 de agosto.
O enquadramento aqui importa: isso não é upscaling para caber numa TV maior. Um quadro de cinema convencional corta constantemente entre personagens, tirando-os de vista. Na Sphere, tudo numa cena precisa coexistir ao mesmo tempo, o que significa que os elementos ausentes precisam ser reconstruídos, não apenas ampliados.
Três modelos ajustados fazendo três trabalhos diferentes
O Google divide o pipeline em três operações distintas, cada uma tratada por versões específicas de Veo, Imagen e Gemini. A super-resolução converte os pequenos quadros de celulóide em imagens ultra-HD. O outpainting expande as cenas para preencher o espaço e cobrir as lacunas deixadas por cortes de câmera e enquadramento. A geração de performance combina as atuações originais com esses ambientes expandidos.
O detalhe interessante de plataforma é que essas não são chamadas de modelo prontas de fábrica. Cada etapa usa uma versão "especialmente ajustada para a tarefa." O anúncio está, na prática, descrevendo uma stack de geração de mídia em que modelos distintos são especializados por função, em vez de um único modelo tentando fazer tudo via prompt.
O relato do pesquisador do DeepMind, Dr. Steven Hickson, sobre a linha do tempo é sincero quanto ao quanto isso era incompleto no início: "A gente encontrava algo que não conseguia fazer, pensava que era impossível, e um mês depois já estava tipo, na verdade, talvez a gente consiga fazer isso."
O arquivo como dado de treinamento
A ideia mais transferível do texto é que os maiores ganhos de qualidade vieram não de um modelo melhor, mas de mais material-fonte. A equipe vasculhou arquivos em busca do roteiro de filmagem, ilustrações de produção, fotografias, plantas de cenário e partituras, e então fez fine-tuning do Veo e do Gemini com esses materiais.
Vale notar que o corpus de fine-tuning inclui metadados de produção, como distâncias focais de câmera usadas em cenas específicas — o tipo de detalhe que restringe um quadro gerado a corresponder a como o original foi realmente filmado. O Google relata resultados concretos: "As sardas da Dorothy ficam nítidas e o Totó consegue correr de forma mais fluida por mais cenas."
Isso inverte a narrativa usual de mídia generativa. A alavanca não foi uma arquitetura mais inteligente; foi montar um conjunto de dados denso e específico do domínio, bem além do próprio filme de 102 minutos, para que o modelo aprendesse aquela produção específica, e não o cinema em geral.
Uma restrição rígida: nenhum material novo
O projeto impõe uma regra que molda cada escolha técnica: nenhum diálogo novo foi escrito e nenhuma música nova foi gravada. A produtora Jane Rosenthal diz que a equipe considerou outras abordagens antes de concluir que "realmente precisávamos fazer isso com IA", e Hays destaca que toda mudança foi feita em conjunto com a Warner Bros. para preservar a continuidade com o original.
Para uma equipe aplicada, esse é o sinal útil. O valor não estava na geração pela geração — estava na geração limitada por uma obra existente, licenciada e canônica, em que o papel do modelo é estender, não inventar. Essa restrição é o que tornou o fine-tuning com materiais de produção de arquivo essencial, e é o que separa isso de um sistema que poderia confabular livremente.
A implicação específica: o Google está posicionando Imagen, Veo e Gemini não como brinquedos de texto-para-vídeo, mas como um pipeline de restauração e extensão para detentores de direitos que precisam de resultados fiéis a uma fonte fixa. O diferencial em exibição é o ajuste especializado por tarefa somado a uma curadoria de dados disciplinada — não a capacidade generativa bruta isoladamente.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que consiga construir de verdade?
Ajudamos empresas no Brasil a integrar IA, acelerar produtos com IA, automatizar operações e modernizar os sistemas de software por trás do negócio.
Leituras relacionadas
Mais análises sobre entrega de produto, IA operacional e o trabalho de sistemas que faz a implantação se sustentar na prática.