В начале октября 2025 года разгорелась очередная дуэль между компаниями Илона Маска и Сэма Альтмана. xAI представила новую версию своего видеогенератора Imagine v0.9 и открыла её бесплатно всем пользователям. Это явный ответ на недельной давности релиз OpenAI — Sora 2.
По скорости Imagine обещает генерацию видео менее чем за 20 секунд, но при этом возникают заметные проблемы с точностью понимания текста, синхронизацией звука и визуала, а также с поддержкой китайского и других языков. В проекте xAI впервые участвует бывший старший инженер NVIDIA Хэ Ихуэй (Ethan He).
Что нового в Imagine v0.9
- Скорость: xAI утверждает, что Imagine v0.9 генерирует видео за <20 секунд (Sora 2 — порядка 1–2 минут).
- Доступность: Imagine v0.9 открыт бесплатно для всех; Sora 2 по-прежнему работает по инвайтам.
- Длительность роликов: Imagine — около 6 секунд; Sora 2 поддерживает до 15 секунд.
- Функции: интеграция в Grok, генерация «киношных» роликов прямо из текста или по загруженному изображению, нативное объединение аудио + видео, управление движением, динамическая камера (фокус/размытие) и возможность добавлять естественные диалоги или выразительное пение.
- Технологические кадры: за проектом в xAI стоит команда, куда в июле перешёл из NVIDIA Этан Хэ — ранее участвовавший в разработке базовой модели Cosmos.
Сравнение качества: где Imagine уступает
Тесты журналистов показывают, что Imagine v0.9:
- Часто неправильно интерпретирует подсказки (prompt).
- Звук и изображение иногда не синхронизируются: персонажи могут выглядеть как кричащие, но в аудиодорожке этого нет.
- При генерации трюков/движений возникают нереалистичные нарушения физики (например, бесконтрольное вращение в воздухе).
- Не даёт предупреждений о риске дипфейка при использовании голосов публичных личностей.
- Ограничена поддержка языков: модель «плохо» понимает и генерирует по-китайски.
Помимо этого, веб-версия Imagine на момент тестов работала нестабильно — мобильная версия работала лучше, но и там были сбои соединения.
Громкая функция — кастомные голоса и риски
Imagine v0.9 позволяет загружать фото и генерировать видео с голосом, приближённым к голосу публичных людей. Редактор провёл эксперимент: загрузив фото Илона Маска и фразу, команда получила разборчивую, но не идеальную копию голоса, при этом модель не предупреждала о рисках дипфейка. Такая функциональность увеличивает удобство и выразительность, но одновременно повышает угрозы злоупотреблений — создание фейковых роликов с публичными фигурами становится проще.
Итог и взгляд в будущее
За одну неделю OpenAI и xAI сделали существенные шаги в области генерации видео. OpenAI делает ставку на реализм, контролируемость и более длинные ролики, xAI — на скорость, массовую доступность и интерактивность (голосовой интерфейс в Grok). Оба подхода имеют свои сильные стороны и свои уязвимости: Sora 2 пока выглядит более аккуратно в понимании текста и синхронизации, Imagine v0.9 — быстрее и доступнее, но менее точен.
Ключевой вопрос для индустрии остаётся прежним: как найти баланс между инновациями и защитой от вредоносного использования? Возможность быстро и бесплатно генерировать короткие «киношные» клипы с кастомным голосом требует серьёзных технических, нормативных и этических механизмов защиты — от водяных знаков и метаданных до обязательных предупреждений о дипфейках и ограничений на использование голосов публичных лиц.
Хотите создать уникальный и успешный продукт? СМС – ваш надежный партнер в мире инноваций! Закажи разработки ИИ-решений, LLM-чат-ботов, моделей генерации изображений и автоматизации бизнес-процессов у профессионалов.
ИИ сегодня — ваше конкурентное преимущество завтра!
Тел. +7 (985) 982-70-55
E-mail sms_systems@inbox.ru