Технический контекст
Я посмотрел на этот кейс без романтики: сам факт 90 минут впечатляет, но меня сразу интересует не «вау», а как это было собрано. Если говорить честно, сегодня AI implementation в видео почти никогда не означает один промпт и готовый полнометражный результат.
Я бы ставил на знакомую схему: сценарный план, пачка коротких сцен, референсы персонажей, потом монтаж, звук, склейки и ручное выравнивание ритма. Именно так сейчас и делаются длинные AI-ролики, даже если в анонсе это звучит как «сгенерировали фильм».
По состоянию на май 2026 у массовых text-to-video моделей нет подтвержденного режима, где я нажимаю кнопку и получаю цельный 20-90-минутный эпизод с устойчивыми героями, физикой и диалогами. Sora 2, Veo 3.1, Runway Gen-4.5, Kling 3.0 и похожие системы стали сильно лучше в клипах, продлении сцен и консистентности, но это все еще клиповый production, а не автономный режиссер.
Вот где я реально вижу прогресс: temporal consistency стала заметно лучше, камера меньше «плывет», лица реже ломаются между кадрами, а multi-shot workflow наконец-то не выглядит как исследовательский ад. Плюс некоторые модели уже неплохо помогают с аудио и lip sync, и это сильно сокращает ручную сборку.
То есть новость не в том, что кто-то победил кино одним промптом. Новость в том, что пайплайн AI-кинопроизводства дозрел до длинной формы, если у команды хватает дисциплины и терпения.
Влияние на бизнес и автоматизацию
Для студий, маркетинга и edtech это хороший сигнал: длинный формат уже можно собирать быстрее и дешевле, чем год назад. Не бесплатно и не без людей, но порог входа упал.
Кто выигрывает? Команды, которые умеют строить AI architecture вокруг генерации сцен: сценарий, shot list, контроль персонажей, монтаж, озвучка, QA. Кто проигрывает? Те, кто все еще ждет «волшебную кнопку» и не понимает, что automation with AI тут работает как конвейер, а не как фокус.
Я это вижу и у клиентов: самое ценное не сама модель, а связка инструментов и правил, которая дает повторяемый результат. В Nahornyi AI Lab мы как раз решаем такие узкие места, когда нужно не просто поиграться с нейросетями, а собрать рабочий pipeline под контент, обучение или медиа-продакшн.
Если у вас команда уже тонет в ручной сборке видео, давайте разложим процесс по шагам и уберем хаос. В Nahornyi AI Lab я могу помочь выстроить AI automation под ваш продакшн так, чтобы длинный формат перестал быть экспериментом и начал сходиться по срокам и бюджету.