VideoGen обещает 10 минут видео из одного промпта

Стартап VideoGen при поддержке Y Combinator показал Model 1 – свою первую модель. Генерация видео нейросетью дошла тут до готовых роликов длиной до десяти минут по одному текстовому описанию или набору картинок. Раньше нейросети отдавали короткие фрагменты, и склеивать их приходилось руками на монтаже. Теперь, по описанию разработчиков, штука сама планирует сюжет, пишет реплики, выбирает ракурсы и следит за сценами. Я бы присмотрелся к ней внимательно.

Как модель держит сюжет и героев на длинной дистанции

Длинные ролики обычно разваливаются: герои меняют лица, локации плывут, логика повествования ломается. VideoGen говорит, что справляется с этим системой логического планирования (thinking harness). Модель берёт текстовый бриф или до 16 картинок и сначала строит структуру ролика: сценарий, распределение реплик, ракурсы, темпоритм. Персонажей, объекты и локации она помнит, так что герой в начале и в конце выглядит одинаково.

Видеоряд и звук она генерирует вместе, в едином латентном пространстве. Эффекты и реплики попадают в картинку без отдельной постобработки. Честно, не знаю, как это держится на всех десяти минутах: модель пока в закрытом тесте, и до публичного релиза это заявления разработчиков.

Превиз вместо раскадровки и миллион долларов в кредитах

VideoGen заявляет, что производство на их платформе выходит дешевле, чем у конкурентов, более чем на 50%. Проверить это сейчас нельзя, зато сценарии применения понятны. Первый – превизуализация: вместо статичных раскадровок клиент на тендере смотрит десятиминутный черновик будущего фильма или рекламы. Второй – быстрый контент для соцсетей, обучающие видео и простые интеграции с малым бюджетом.

Ещё одна новость – программа грантов на 1 миллион долларов в виде бесплатных кредитов. Заявки принимают от студий, независимых режиссёров, маркетологов и студентов, а кредиты распределят до конца 2026 года. При отборе смотрят на креативную идею и планы по дистрибуции. Ролики модель маркирует невидимыми водяными знаками для защиты авторских прав, публичный релиз обещают скоро.

Моя ставка такая: кто первым научится вести длинные сценарии, тот заберёт самые маржинальные проекты. Кадры генерировать уже умеют все, а режиссуру и монтаж автоматизируют только сейчас.

Что сделать на этой неделе

• Возьмите один недавний тендерный бриф и пропишите, какой десятиминутный превиз вы показали бы клиенту вместо раскадровки.
• Соберите референсы для героев, локаций и ключевых предметов проекта: модель принимает до 16 картинок, и порядок в них лучше навести заранее.
• Если у вас есть проект с понятной идеей и планом дистрибуции, подайте заявку на кредиты: именно это VideoGen смотрит при отборе.
• Попросите у любого AI-подрядчика раскадровку и промпты до старта, а потом сверьте, как герой выглядит в начале и в конце длинного ролика.

Всё это упирается в живое производство: превиз красивый, но фильму всё равно нужны режиссура, монтаж и звук. Как это выглядит на практике, можно посмотреть на странице AI-видеопродакшн Мити Амбарцумяна. Там лежит генеративный фильм про падел для Окко с цифрами внутри кадра и имиджевый тизер OREX для платформы земли в Дубае, который работает в продажах.