xAI发布Imagine v0.9视频生成模型，免费开放迎战OpenAI Sora 2

埃隆·马斯克与萨姆·阿尔特曼的竞争再次成为焦点！

据智东西10月8日报道，今日凌晨，马斯克创立的人工智能公司xAI正式推出了新一代视频生成模型Imagine v0.9，并宣布完全免费向所有用户开放。

就在一周前，OpenAI发布了其旗舰视频和音频生成模型Sora 2，此次xAI的更新被视为对Sora 2的直接挑战。

xAI并未提供详细的技术文档，但表示Imagine v0.9相较于初始版本在视觉质量、运动表现和音频生成方面均有显著提升，并展示了一些生成视频示例。

马斯克在X平台上发文称，Imagine v0.9能在不到20秒内生成视频，且用户通过语音优先界面，仅需口述指令即可创建视频、图像和文本。

总体而言，Imagine v0.9在生成速度上更胜一筹，仅需20秒以内，而Sora 2可能需要一两分钟；Imagine v0.9已免费向全球用户开放，而Sora 2仍采用邀请制；Imagine v0.9生成视频时长约6秒，而Sora 2支持长达15秒的视频。

智东西通过使用OpenAI官方示例提示词进行对比测试，发现Imagine v0.9在生成过程中存在提示词理解偏差、视频画面与音频不同步、未提示深度伪造风险、不支持中文等问题。

值得一提的是，这是自马斯克今年7月从英伟达挖来高级算法工程师何宜晖（Ethan He）后，何宜晖在xAI参与的首个项目。

何宜晖于2018年从西安交通大学计算机科学与技术专业本科毕业，2019年在卡内基梅隆大学获得计算机视觉硕士学位，2023年加入英伟达担任高级深度学习算法工程师，曾参与英伟达世界基础模型Cosmos的研发工作。

尽管Imagine v0.9宣称免费使用，但智东西实测发现Web端目前无法正常访问，移动端虽可体验，但也常出现连接失败的情况。

秒生电影大片效果 

还能添加自然对话 

Imagine v0.9已集成到Grok中，它能够根据文字描述先生成图片再转化为视频，或直接将用户上传的图片动态化。

xAI在博客中强调，Imagine v0.9实现了原生音频与视频的同步生成，无需额外编辑即可产出电影级效果的视频。例如，在演示视频中，龙的怒吼声与画面完美契合。 

Imagine v0.9的另一大亮点是运动控制，如滑雪片段中人物从起飞到落地的动作流畅自然。 

第三项功能是动态相机效果，用户可添加智能焦点转移，在街景视频中根据镜头移动自动虚化背景以突出人物。  

第四点，Imagine v0.9支持添加自然对话或生成富有表现力的歌声，进一步丰富视频内容。 

对比Sora 2文字理解错误频发 

有深度伪造风险 

智东西采用OpenAI演示Sora 2时使用的提示词，对Imagine v0.9和Sora 2的生成效果进行了对比。

提示词：Two mountain explorers in bright technical shells, ice crusted faces, eyes narrowed with urgency shout in the snow, one at a time（两名山地探险者穿着色彩鲜艳的专业冲锋衣，脸上结着冰霜，眼神急切地眯成一条缝，在雪地里轮流大喊）

OpenAI放出的Sora 2生成视频：

Imagine v0.9的生成视频：

可以看出，Imagine v0.9生成的视频中音频并未包含“喊叫”声，仅显示人物张嘴动作。

提示词：a guy does a backflip（一个男人后空翻）

OpenAI放出的Sora 2生成视频：

Imagine v0.9的生成视频：

智东西选择了Grok生成的第一张图创建视频，结果视频中主角违反重力规律，在空中进行360度旋转。

最后，智东西还测试了Imagine v0.9的自定义语音功能，上传了马斯克的照片，并让其说出“Sam’s a sharp guy, and our relationship’s always been good. OpenAI’s built some impressive stuff in the AI space, and I really hope to partner with them someday to advance AI development togethe（萨姆是个敏锐的人，我和他的关系一直都很好。OpenAI 在人工智能领域做出了不少亮眼的成果，我真心希望有一天能和他们合作，共同推动人工智能技术的发展）”这段话。 

Imagine v0.9未提示深度伪造风险，且生成的声音与马斯克本尊略有差异。 

目前该模型不支持中文，当智东西让马斯克说出“我和萨姆·阿尔特曼是好朋友”时，生成视频中仅有“是好朋友”部分较为清晰。 

结语：AI视频生成竞赛升级 

自定义语音功能或引发深度伪造风险 

一周之内，OpenAI和xAI相继发布视频生成模型更新，Sora 2在模拟真实性、可控性和音效方面有所提升，并推出了全新的Sora社交App；而xAI则在功能升级的同时，通过免费策略吸引了大量关注。 

Imagine v0.9的重要升级之一是允许用户添加自定义语音。随着技术日趋成熟，用户可上传公众人物照片和语音内容生成逼真视频，这可能加剧深度伪造风险。 

因此，如何在推动技术发展的同时有效防控风险，将成为所有视频生成模型提供商必须面对的重大挑战。