Qualcuno apre Claude, digita un unico obiettivo, va in palestra — e torna trovando un video YouTube finito. Nessuna ripresa, nessuna telecamera, nessun software di montaggio. L’avatar è IA, la voce è un clone, il copione l’ha scritto Claude. Impressionante? Sì. Ma la domanda più onesta è: che cosa c’è davvero dietro — e che cosa significa per Lei, se non è uno youtuber ma guida un’azienda?
L’essenziale in breve
- Un creator ha lasciato che Claude Fable 5 producesse da solo un intero video YouTube: ricerca, copione, voce, avatar, montaggio e motion graphics — da un unico prompt.
- Fable 5 è il nuovo modello di punta di Anthropic (classe «Mythos», un gradino sopra Opus) e per la prima volta disponibile su un piano a pagamento.
- La pipeline ha cinque passi: copione, voce, avatar, montaggio e un autocontrollo automatico.
- La parte onesta: il risultato non è copiabile 1:1, non serve per forza il modello più costoso — e una sola esecuzione ha divorato circa il 40 % di un piano mensile da 200 $.
- Per le aziende non conta l’effetto, ma il principio: obiettivi chiari, contesto incorporato e un controllo di qualità che il sistema svolge da sé.
Che cosa è successo davvero
Il punto di partenza era un esperimento: un prompt, un obiettivo, e poi giù le mani. Il video in questione non è stato girato. La persona che si vede è un avatar IA, la voce è un clone, addestrato su video reali precedenti. Ogni parola del copione viene da Claude. Mentre il video nasceva, il creator non ha visto un solo fotogramma — aveva inserito un prompt e se n’era andato. Ricerca, copione, voce, avatar, motion graphics: tutto è andato avanti da solo.
A renderlo possibile è un nuovo modello. Questa settimana Anthropic ha pubblicato Claude Fable 5 — ed è proprio per questo che quel video può esistere.
Che cos’è Claude Fable 5
Fable 5 è il primo modello della cosiddetta classe «Mythos» — il gradino sopra Opus — accessibile su un piano a pagamento. Finora questa classe era riservata a partner di sicurezza verificati. In quasi tutti i benchmark testati fissa nuovi primati. Tre ambiti spiccano:
- Programmazione. Secondo Stripe, Fable 5 comprime mesi di lavoro di engineering in giorni. Nell’annuncio, la migrazione completa di una codebase Ruby da 50 milioni di righe viene portata a termine in un solo giorno — un compito che a mano avrebbe occupato un intero team per due mesi.
- Vedere. Il modello sa ricostruire il codice sorgente di una web app solo da screenshot. E ha completato Pokémon Fire Red dall’inizio alla fine basandosi unicamente sulle immagini dello schermo — senza mappe, senza gli aiuti alla navigazione di cui i modelli precedenti avevano ancora bisogno.
- Tenuta sulle lunghe distanze. Fable 5 resta concentrato su milioni di token. Con una memoria basata su file — semplici file in cui prende appunti — nel gioco Slay the Spire ha raggiunto l’ultimo atto tre volte più spesso di Opus 4.8.
Economico non è: circa 10 dollari USA per milione di token in ingresso, 50 per milione di token in uscita. Che cosa significhi concretamente questo prezzo lo vede più sotto, nella parte onesta.
Come è nato il video: la pipeline in 5 passi
Dietro quell’unico prompt c’è una catena pulita di cinque passi. Ognuno risolve un problema concreto — ed è proprio questa scomposizione il vero trucco.
- Copione. Claude legge l’annuncio completo di Anthropic, verifica ogni affermazione sul piano dei fatti e scrive il copione nella voce del creator — sulla base di un «Voice Playbook» costruito dai suoi trascritti reali.
- Voce. Il copione va a un clone vocale (ElevenLabs), addestrato sui video reali. Il punto: non si possono generare quattro minuti di fila, perché con la durata la voce va alla deriva. Claude spezza quindi il copione in bocconi di poco meno di un minuto e li doppia singolarmente.
- Avatar. Ogni boccone audio viene renderizzato in HeyGen con il modello di avatar più recente. Quando il modello non era ancora selezionabile via API, Claude ha semplicemente guidato da sé un browser con Playwright, cliccando a mano ogni video.
- Montaggio. Claude unisce le clip dell’avatar con FFmpeg, crea una trascrizione parola per parola e costruisce ogni motion graphic come codice vero — HTML, animato con GSAP, sincronizzato esattamente sulle parole pronunciate.
- Autocontrollo. Alla fine Claude verifica il proprio lavoro: renderizza fotogrammi di ogni scena, li esamina visivamente e rifà tutto ciò che non torna — finché non passa.
Entra un prompt, esce un video già montato. È questo che un modello di punta riesce a fare nella settimana della sua pubblicazione.
Download gratuito
📄 Guida pratica & checklist (PDF)
I cinque passi, l’intero stack di strumenti e le principali trappole di costo — in una guida pratica compatta e brandizzata, da portare con sé e spuntare. Il PDF è in tedesco.
Scarica la guida pratica (in tedesco)La parte onesta: limiti, costi, realtà
Per quanto sia impressionante — guardandolo senza hype sull’IA restano quattro punti sobri, che il creator stesso affronta apertamente:
- Non riproducibile 1:1. Chi copia lo stesso prompt non ottiene lo stesso risultato. Dietro le quinte ci sono capacità specializzate già costruite («Skills») per le motion graphics — sono quelle a fare la differenza.
- Non serve il modello più costoso. Lo dice il creator stesso: questo stile potrebbe probabilmente riprodurlo anche con Sonnet, molto più economico — una volta che il flusso è impacchettato come Skill riutilizzabile. La pipeline vale più del modello di punta.
- I costi sono reali. L’esecuzione è durata circa un’ora e ha consumato all’incirca 380.000 token. Il modello girava sul piano Max — e una sola esecuzione ha divorato circa il 40 % di un piano mensile da 200 $. In un’ora quasi metà del budget. La prudenza è quindi d’obbligo.
- Il contesto batte il prompt astuto. Decisivo non è stato un comando magico, ma il contesto. Il creator ha scritto in sostanza: «Fermati solo quando sei convinto al 100 % che sia un video di qualità — va sul mio canale, un cattivo risultato danneggia la mia reputazione.» E: «Poi verifica con un workflow dinamico che tutto sia a posto.» Chi dà al sistema il perché ottiene risultati migliori.
Proprio quest’ultimo punto è la vera lezione — e non ha nulla a che fare con YouTube.
Che cosa portarsi a casa
Dimentichi per un attimo l’avatar. Quello che questo esperimento mostra è uno schema di lavoro trasferibile a qualsiasi caso serio di automazione:
- Scomporre invece di fare magie. Non «un prompt per tutto», ma una catena chiara di passi, ognuno dei quali risolve un problema concreto.
- Fornire il contesto. L’obiettivo, la posta in gioco e l’asticella della qualità vanno messi nel compito — non nella Sua testa.
- Integrare il controllo. Il sistema convalida il proprio risultato prima che ci guardi una persona.
- Tenere d’occhio i costi. Il modello più potente è di rado il più economico. Spesso basta quello più snello — se il flusso è costruito bene.
Non è un trucco per YouTube. È la domanda che pongo in ogni progetto di automazione: dove l’automazione crea una leva reale — e dove è solo un effetto costoso?
Conclusione
Claude Fable 5 sa fare cose che poco tempo fa suonavano come fantascienza — un video intero da una frase. Ma lo sguardo onesto conta più dell’effetto: il risultato non è copiabile a piacere, spesso basta un modello più economico e i costi possono sfuggire di mano. Quel che resta è un principio trasferibile — passi chiari, contesto incorporato, controllo incorporato. È esattamente questo che curo con le aziende: non il modello più grande, ma la soluzione che risolve davvero il problema — misurabile e senza hype sull’IA.
Fonte: liberamente adattato da „Claude Fable 5 Made This Entire Video By Itself.“ di Nate Herk | AI Automation — guarda su YouTube. Inquadramento, selezione e formulazione sono di pletzenauer — digital consulting.