Gibt es dem noch irgendetwas hinzuzufügen?
Ja - als ich das letzte mal nachgesehen habe, handelte es sich bei Musikvideos für gewöhnlich um Aufnahmen einer Band (meistens beim Spielen und Singen des entsprechenden Stücks).
Das kann die KI halt (noch) nicht - aber genau das will die Zielgruppe für gewöhnlich sehen.
Wird sie das jemals in einer Qualität können, die einem regulär produzierten Video ebenbürtig oder gar überlegen ist?
Keine Ahnung - das werden wir sehen.
IMHO hat so eine völlige Synthetisierung wie in dem Clip keine Zukunft, das wird extrem schnell schal und langweilig.