После тщательного тестирования двух популярных моделей генерации видео на основе ИИ — Sora 2 от OpenAI и Veo 3 от Google — можно сказать, что обе создают реалистичные клипы со звуком, но отличаются в деталях производительности, качества и стоимости. Одна из моделей временно доступна бесплатно, другая требует подписки, при этом их сильные и слабые стороны пересекаются.
Sora 2 — это модель генерации видео от OpenAI, связанная с одноимённым социальным приложением. Модель поддерживает ролики длительностью примерно 10–15 секунд с аудиодорожкой и разрешением до 1080p, предлагает настройки ориентации и длины, а также временно доступна бесплатно для пользователей.
Для маркировки AI-контента Sora добавляет метаданные C2PA и видимый подпрыгивающий водяной знак в виде облака. OpenAI предоставляет опции по отключению обучения на пользовательском контенте и публикует правила использования и ограничения для предотвращения вредоносного и неподобающего контента.
Veo 3 от Google стала заметной после введения синхронизированного сгенерированного аудио, что стало важной новинкой для масштабных AI-инструментов. В приложении Gemini ролики Veo обычно имеют длину около 8 секунд и базовое разрешение 720p; у них есть видимый водяной знак и невидимый идентификатор в метаданных.
Veo 3 доступна через платные планы Google, включая профессиональные подписки, а также через инструменты для разработчиков — Vertex AI, Gemini API и Flow. Использование Veo в продвинутых инструментах даёт дополнительные опции конфигурации и интеграции, недоступные в упрощённых интерфейсах.
При сравнении качества видео и звука важны две вещи: реализм движений и соответствие аудиодорожки сцене. Оба сервиса в целом соблюдали физику и реалистичность, но иногда допускали ошибки; в моих тестах Sora чаще давала более плавную и естественную анимацию объектов и персонажей.
По звуку Sora чаще подбирала уместную музыку и фоновые шумы без явного указания в подсказке, что улучшало общую атмосферу роликов. Veo тоже синхронизирует аудио корректно и исторически был первым крупным решением с встроенной аудиогенерацией, однако в сравнении Sora получила преимущество за более подходящие музыкальные и звуковые решения.
В плане точности исполнения подсказок оба алгоритма показали хорошую приверженность запросам, но Veo оказывался сильнее там, где требовалось чётко отобразить текст в кадре. В одном из примеров Veo точнее отрисовал вывеску с диакритическим знаком, тогда как у Sora в подобных случаях встречались ошибки и галлюцинации.
Оба инструмента лучше справляются с «негативными» инструкциями — исключениями и запретами в подсказках — по сравнению с предыдущими поколениями моделей. При этом возможности редактирования уже сгенерированных роликов ограничены: Sora позволяет в черновиках переписать подсказку и перегенерировать видео, а у Veo и связанных инструментов редактирование после создания остаётся неудобным.
По скорости генерации Veo обычно работал быстрее, примерно на минуту раньше в типичных сценариях, но обе модели чаще всего выдавали результат в пределах двух-пяти минут. Конкретные задержки и лимиты зависят от текущих квот и тарификации сервисов.
С точки зрения стоимости Sora сейчас предлагается бесплатно в ограниченный период, но это положение может измениться. Veo 3 не доступен бесплатно в обычных условиях — самый доступный путь к нему предполагает платный план Google примерно от 20 долларов в месяц, а также платные варианты для разработчиков и корпоративных пользователей.
Лимиты генерации и ограничения по тарифам важны на практике: в ходе тестов я столкнулся с лимитом после нескольких запусков, что привело к временной блокировке возможности генерировать ролики на несколько часов. Поэтому для интенсивного использования может потребоваться переход на более высокий платный план.
В итоговой оценке Sora получила небольшое преимущество за более плавную анимацию, более уместное аудиосопровождение и меньшее число явных галлюцинаций. Veo остаётся сильным выбором за счёт скорости, точного отображения текстов в кадре и интеграции с профессиональными инструментами.
Обе технологии значительно упрощают создание правдоподобных deepfake-видео и вызывают серьёзные вопросы по безопасности и этике. Компании продолжают внедрять технические и политические ограничения, но случаи злоупотреблений, жалоб со стороны общественных деятелей и необходимости приостанавливать определённые генерации показывают, что решать эти проблемы ещё предстоит.
Практические рекомендации: Sora подойдёт тем, кто ориентирован на фотореалистичную генерацию и гибкие настройки внутри приложения, включая смену ориентации и увеличенную длительность роликов. Veo 3 лучше выбирать для профессиональных задач и интеграций, где важна скорость, точность текста и работа в составе более серьёзных инструментов создания видео.
Тестирование выполнялось с одинаковыми подсказками для обеих моделей в разных сценариях — от анимации фотографий до сложных сцен с несколькими персонажами — и через веб-интерфейсы и мобильные приложения. Это позволило сравнить их возможности в условиях, приближённых к реальным рабочим задачам.
Сектор генерации видео на базе ИИ развивается очень быстро, и новые обновления у одной из моделей могут быстро изменить соотношение сил. Если вы уже используете платные версии ChatGPT или Gemini, в ряде задач нет острой необходимости менять платформу, но выбор будет зависеть от конкретных требований к качеству, скорости и лимитам генерации.
Комментариев