Koniec z pływającymi twarzami. xAI naprawia największy problem wideo z AI

Branża generatywnego wideo wychodzi z fazy efektownych, ale nieprzewidywalnych animacji. Elon Musk i jego xAI właśnie wykonali ruch, który może zmienić sposób, w jaki myślimy o cyfrowej produkcji. Nowa aktualizacja modelu Imagine Video 1.5 na platformie Grok wprowadza funkcje, które dotychczas były marzeniem twórców: stabilność postaci oraz wysoką rozdzielczość bez sztucznego podbijania jakości.

Dlaczego to ważne właśnie teraz? Do tej pory modele wideo cierpiały na „amnezję wizualną” – postać w drugim ujęciu rzadko przypominała tę z pierwszego. xAI wprowadza system Multi-Reference, który pozwala na stałe zakotwiczyć tożsamość bohatera. To krytyczny krok dla branży reklamowej i filmowej, gdzie spójność wizualna nie jest dodatkiem, lecz fundamentem opowiadania historii.

Siedem kotwic tożsamości

Kluczową innowacją jest mechanizm, który pozwala użytkownikowi dostarczyć do siedmiu obrazów referencyjnych dla jednej generacji. W praktyce oznacza to narzucenie systemowi sztywnych ram dotyczących wyglądu twarzy, konkretnego produktu czy specyfiki tła. Dzięki temu ten sam bohater może wykonywać różne czynności w zmieniającym się otoczeniu, zachowując te same rysy twarzy i ubiór. Imagine Video 1.5 nie ogranicza się przy tym do obrazu – nowością są referencje głosowe, które łączą wizerunek z konkretną barwą głosu.

Użytkownicy nie muszą już animować istniejących zdjęć. Nowy tryb text-to-video pozwala opisać scenę słowami, używając materiałów referencyjnych jedynie jako wytycznych. Całość działa w natywnej rozdzielczości 1080p. Choć Full HD to standard z poprzedniej dekady, w świecie AI, gdzie dominowało 720p, jest to istotna zmiana eliminująca potrzebę stosowania zewnętrznych upscalerów. Według dostępnych danych technicznych, model celuje w płynność na poziomie 24 klatek na sekundę przy klipach trwających do 15 sekund.

API otwiera drzwi dla deweloperów

Aktualizacja trafia w pierwszej kolejności do subskrybentów SuperGrok Heavy i Plus w Stanach Zjednoczonych. Jednak xAI nie zamierza zamykać technologii wewnątrz własnej aplikacji. Równolegle otwarto programistom dostęp przez API. Nowy model grok-imagine-video-1.5 pozwala na precyzyjne definiowanie parametrów takich jak czas trwania czy proporcje ekranu, co wkrótce zaowocuje wysypem zewnętrznych narzędzi do montażu opartych na silniku od Muska.

Mimo postępów, xAI wciąż ściga się z konkurencją. Serwis TechTimes zauważa, że choć model jest szybki i spójny, branża wciąż czeka na pełnoprawne starcie z Sora od OpenAI. Imagine Video 1.5 jest już jednak dostępne w aplikacjach na iOS i Android, co czyni z niego najbardziej mobilne narzędzie tej klasy na rynku.