Runway Gen-4.5 и пределы современных моделей ИИ для генерации видео

Разговор о генерации видео сейчас постепенно уходит от восторженного «смотрите, оно движется» к более приземленному «а можно ли с этим вообще нормально работать». Runway Gen-4.5 появился как раз в точке, в которой ожидания уже выросли, а терпение к странностям, наоборот, снизилось. На первый взгляд все похоже на серьезный апгрейд: картинка в обновленной модели стала аккуратнее, движения плавнее. Сами сцены выглядят более детальными. Но, если присмотреться чуть внимательнее, становится понятно, что перед нами не финальная версия будущего, а вполне промежуточный этап, пусть и заметно более зрелый.

Картинка, которая стала «взрослее»

Главное изменение ощущается не в отдельных функциях, а в общем восприятии видео. Gen-4.5 лучше держит сцену во времени. Если раньше объекты могли «растворяться» или менять форму без особых причин, теперь это происходит реже, и видео выглядит более связным. Свет, текстуры, материалы – все стало чуть аккуратнее. Иногда даже появляется ощущение, что модель начала понимать, как устроена поверхность предметов, а не просто накладывать визуальный шум.

Физика тоже подтянулась. Движения стали менее дергаными, у объектов появился намек на вес и инерцию. Вода течет не как гель, ткани ведут себя более правдоподобно. До уровня стопроцентной симуляции модель пока не дотягивает, но уже стало меньше того хаоса, который бросался в глаза раньше. Особенно хорошо Gen-4.5 работает в спокойных сценах, в которых нет перегруженности действиями. Там модель действительно может выдать результат, который выглядит почти что как готовый кусок полноценного видео, а не как еще одна демонстрация технологии.

Но есть и один немаловажный нюанс. Чем сложнее сцена, тем быстрее проявляются ограничения. В динамике модель все еще теряет уверенность. Взаимодействие объектов может выглядеть странно, а логика событий иногда нарушается. Причина и следствие меняются местами, действия происходят «сами по себе». Это не редкость, а скорее характерная особенность, к которой приходится привыкать.

Контроль, который не всегда подчиняется

Runway делает акцент на управляемости, и это логично: без контроля генерация видео быстро превращается в угадайку. В Gen-4.5 управление стало точнее, но не настолько, чтобы полностью полагаться на него. Основной инструмент тут по-прежнему текст, а текст, как выясняется – не лучший способ объяснить машине, как именно должна двигаться камера или вести себя персонаж.

В простых сценариях все работает предсказуемо. Модель ловит настроение, композицию, общий ритм сцены. Но как только появляется необходимость в деталях, начинаются расхождения. Особенно они заметны в сценах с людьми. Лица нередко теряют стабильность, движения выглядят не до конца естественно. Мелкие детали «плывут» от кадра к кадру. В результате приходится либо упрощать задачу, либо делать несколько попыток в надежде получить приемлемый вариант.

Есть и вопрос к тому, как нейросеть понимает контекст будущего ролика. Реальные локации модель воспроизводит довольно условно. Вместо конкретного места порой получается собирательный образ, который может выглядеть красиво, но не точно. Если говорить о креативных заданиях, это может и не стать проблемой; однако если речь идет о более прикладных задачах, то здесь пользователи рискуют столкнуться с разочарованием.

Шаг вперед, но не финальная точка

С технической стороны Gen-4.5 выглядит уверенно. Видно, что работа шла не только над качеством картинки, но и над общей эффективностью. Модель не стала заметно тяжелее в использовании, при этом результат все же можно назвать более стабильным. А без этого любые улучшения качества быстро теряют смысл на практике.

Тем не менее ощущение «недокрученности» остается. Базовые ограничения видео-моделей никуда не делись, и Gen-4.5 этой судьбы не избежала; причинно-следственные тут связи иногда ломаются, объекты порой исчезают. Сложные действия при неудачных генерациях выглядят странно. В некоторых случаях модель как будто «додумывает» происходящее, и не всегда удачно. Добавляется и субъективный момент: ожидания от таких инструментов сейчас завышены, и любое несоответствие воспринимается острее.

Выводы

Как полагают эксперты Креатор Проджект, Gen-4.5 является не провалом и в то же время не прорывом в чистом виде. Эта модель демонстрирует движение вперед, однако и не позволяет забыть о компромиссах. С ней можно быстро реализовать новый концепт, провести смелый эксперимент. Однако если требуется основательный помощник в генерации большого количества качественного контента – увы, сейчас это не Runway, ведь модель все еще требует большого терпения от пользователей. И, возможно, именно этот факт лучше всего описывает текущее состояние генеративного видео: оно уже впечатляет, но пока не освобождает от необходимости внимательно смотреть на результат.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.