Мультимодальные нейросети: обзор возможностей генерации контента и тест видеомоделей
По данным «Версии», нейросеть Sora с генерацией видео по текстовому промпту стала доступна в России без заявленных ограничений.
Савелий Попов·обновлено 19 июля 2026 г.
«Хабр» опубликовал сравнительный тест двенадцати видеомоделей: лучшие результаты по звуковой дорожке показал Veo 3 — встроенный генератор выдаёт чистый объёмный звук с точным попаданием в темп картинки. Sostav.ru параллельно разместил промо агрегатора neiroset.taplink.ws, объединяющего генерацию изображений, текстов, видео и аудио.
Спецификации Veo 3 и методология теста
Разрешение до 4K. Длина ролика 6–8 секунд. Время генерации 5–7 минут. Звук встроенный, синхронизирован с движением объектов и камеры. «Хабр» оценивает модель как одну из сильных на рынке по точности попадания в промпт, минимуму галлюцинаций и кинематографичному цветокору в teal-orange. Все двенадцать моделей сравнивались на едином сложном художественном промпте: парящий город в лучах закатного солнца, путник на спидере, орбитальная съёмка, volumetric rays. Критерии оценки: физика движения и теней, консистентность объектов между кадрами, художественная интерпретация, чистота аудиоряда, latency, лимиты на длину, стоимость минуты генерации, удобство UI.
Sora в РФ и промо-агрегатор
«Версия» сообщает о доступе Sora из России без ограничений. Архитектура модели, API-эндпоинты, региональные лимиты и условия коммерческого использования в открытом сниппете не раскрыты. Sostav.ru описывает neiroset.taplink.ws как «нейросеть всё в одном» — генерация изображений, текстов, видео и аудио за «несколько кликов». Состав моделей под капотом, форматы вывода аудио, sample rate, число доступных голосов, наличие zero-shot клонирования, бенчмарки MOS — не указаны. Для аудитории Voice-AI это маркетинговая обёртка без технической верификации.
Что проверить на практике
Sora: реальная доступность из РФ, работа без VPN, региональные ограничения API, условия лицензии для коммерческого использования. Veo 3: цена минуты генерации, лимиты на длину ролика, качество TTS-компонента для русскоязычных промптов, поддержка кастомных голосов, наличие отдельного аудио-выхода помимо видеодорожки. Промо-агрегатор: список реальных моделей в пайплайне, latency на каждом этапе, формат вывода аудио, частота дискретизации, число голосов, наличие вокодера с zero-shot клонированием. Методика верификации подобных сервисов разобрана в материале о проверке генеративных моделей на водяные знаки.