AI-serien behöver en regissör

En keramikverkstad kan få fram en övertygande AI-film om en kanna. Nästa film är svårare: berättarrösten ska kännas igen, produkten ska behålla sin form och berättelsen ska vara värd att följa. Det tänkta exemplet fångar veckans kreativa fråga. När fler får tillgång till bra bild och ljud blir en tydlig, återkommande idé viktigare än själva genereringen.

Vår tes är att AI-produktionens försprång alltmer ligger i regin: det som gör nästa avsnitt igenkännbart och relevant. Googles nya röstverktyg och Groks nya videokontroller ger konkret stöd för den möjligheten. De bevisar inte att en serie blir bra eller säljer mer.

Podden ovan är på engelska och bygger på Hammer Automations leverantörsresearch från 21–27 september 2026. Här fördjupar vi den kreativa konsekvensen, medan avsnittets underlag också omfattar OpenAI, Anthropic Claude och Mistral.

Gemini skiljer röstens identitet från framförandet

Text-till-tal, ofta kallat TTS, gör ett skrivet manus till talat ljud. Den 23 september presenterade Google Gemini 3.8 Flash TTS och Flash-Lite TTS. En viktig del är möjligheten att skapa en röst från en beskrivning, spara den och använda den igen. Det är något annat än att välja en ny röst för varje film.

Googles dokumentation skiljer också på röstens grundkaraktär och hur en enskild replik framförs. Klang och accent hör till röstdesignen. Känsla och leverans kan styras för varje replik. En återkommande berättare behöver alltså inte låta lika upprymd i en instruktion som i en produktlansering.

För keramikverkstaden skulle det kunna betyda en lugn berättarröst som återkommer i filmer om glasyr, skötsel och tillverkning. Det är ett tänkt användningsfall, inte en kundproduktion vi har testat. Uttal och resultat behöver fortfarande bedömas på det språk som ska användas.

Att designa en ny röst är dessutom skilt från att kopiera en verklig persons röst. Googles lanseringstext anger att röstkopiering via AI Studio inte är tillgänglig i EES. En svensk verksamhet ska inte läsa en global demonstration som ett löfte om lokal tillgång.

Grok ger bildberättelsen bestämda hållpunkter

Den 24 september fick xAI:s Python-paket version 1.20.0 stöd för slutbild och nyckelbilder i videogenerering. En nyckelbild anger hur bilden ska se ut vid ett bestämt ögonblick i klippet. För modellen Grok Imagine Video 1.5 kan skaparen därmed ange mer av förloppet än enbart en beskrivning av önskad stämning.

Skillnaden är praktisk. Verkstaden kan utgå från en vald öppningsbild, visa kannan i ett bestämt mellanläge och avsluta med en vald produktbild. Rörelsen däremellan genereras. Den kreativa uppgiften blir att bestämma vad varje bild ska berätta, inte bara att be om en snygg film och hoppas på rätt slut.

Det finns tydliga begränsningar. Dokumentationen anger högst fyra inre nyckelbilder, högst 15 sekunder och 720p för den här typen av referensstyrd video. Bestämda hållpunkter garanterar inte att handtaget, glasyren eller eventuella bokstäver förblir korrekta mellan bilderna. Ett produktpåstående måste stämma även när rörelsen är genererad.

En serie kräver ett skäl att återvända

Det vore lätt att använda de nya kontrollerna för att göra fler nästan likadana reklamfilmer. Det är också tesens svagaste punkt: konsekvens kan lika gärna göra en tråkig idé mer konsekvent.

En bättre fråga är vad mottagaren får av nästa avsnitt. Verkstaden skulle kunna låta varje film svara på en verklig fråga om ett material eller visa ett moment som kunder sällan får se. Rösten och bildspråket håller ihop serien; innehållet ger anledning att återvända. Verktygen kan hjälpa till med det första. Det andra kräver fortfarande kunskap om publiken och ett manus med något att säga.

Om tesen håller bör en del av arbetet flyttas från att beställa fler varianter till att utveckla ett format som tål flera avsnitt. Det är en kreativ prioritering, inte ett löfte om lägre produktionskostnad.

Resten av AI-veckan har andra drivkrafter

Veckans research omfattar även OpenAI Sol och Luna, Anthropic Opus 5.5, Grok 4.7 och Mistrals verktygs- och distributionsförändringar. De hör hemma i den bredare genomgången, men ska inte pressas in i en berättelse om att alla leverantörer plötsligt blivit filmstudior. Underlagen skiljer på nya lanseringar och äldre besked som fångades upp senare.

För den som vill utveckla ett återkommande format är ett rimligt första försök att skriva två olika avsnitt med samma kreativa idé. Om det andra saknar ett eget innehåll hjälper inte fler genereringar. Vill du sedan undersöka hur ett sådant format kan produceras med AI, beskriv idén för Hammer Automation.

Avsnittet är en AI-genererad masterclass, skapad med NotebookLM från Hammers djupa dagliga research om AI-leverantörernas uppdateringar och funktioner. Artikeln bygger på samma research och en syntes från NotebookLM, inte på en transkription av ljudet. Vi har inte testat de beskrivna produktionsfunktionerna i denna körning.