Är dina AI-videomodeller förenliga med regelverken?

För några veckor sedan förberedde vi oss på att lansera vårt arbetsflöde för att skapa video från bildmanus. Hela poängen med det är karaktärskonsekvens: du definierar dina skådespelare en gång, och de förblir desamma genom varje scen. För att göra det skickar vi referensbilder av dessa skådespelare till videomodellen vid varje generering.

Och varje enskild förfrågan började komma tillbaka som nekad.

Modellen vi använde för högkvalitativ video vid den tiden var Seedance, från det kinesiska företaget ByteDance (samma företag som äger TikTok). Det visar sig att Seedance kör en ansiktsigenkänning på varje uppladdad bild innan den ens läser din prompt, och den blockerar hårt alla bilder med ett igenkännbart mänskligt ansikte. Våra skådespelare var hela funktionen, och modellen vägrade att titta på dem. Detta är väldokumenterat: kreatörer stöter ständigt på samma vägg, och även tredjeparts-API-leverantörer varnar för att "bilder med riktiga mänskliga ansikten blockeras av ByteDances innehållspolicy." Ingen omskrivning av prompten hjälper, eftersom prompten aldrig är problemet: bilden avvisas i ett separat skanningssteg innan prompten läses.

Vi hade kunnat lansera en tillfällig lösning. Istället flyttade vi hela nivån från Seedance. Och tidpunkten visade sig spela mycket större roll än vi förväntat oss.

Detta var aldrig bara vårt problem

Medan vi hanterade ett innehållsfilter var Washington upptaget med att göra "vilken AI-modell använder du" till en efterlevnadsfråga.

Den amerikanska regeringen skärper två relaterade men distinkta uppsättningar regler kring AI.

Den första är redan lag. Justitiedepartementets Data Security Program begränsar vissa transaktioner som ger Kina och andra "länder av oro" tillgång till känslig amerikansk bulkdata eller myndighetsrelaterad data. Den utfärdades under Executive Order 14117, trädde i kraft den 8 april 2025 och övergick till aktivt verkställande den 8 juli 2025. Kina, inklusive Hongkong och Macau, är ett av sex utsedda länder av oro. Omfattade kategorier inkluderar biometriska identifierare, exakt geolokalisering, personlig hälsodata, personlig ekonomisk data, genomisk data och vissa personliga identifierare. Det är inte ett generellt förbud mot att skicka data utanför USA: tillämpligheten beror på typen och volymen av data, transaktionen, leverantören och leverantörens ägande eller jurisdiktion. Se även Federal Registers slutgiltiga regel.Den andra uppsättningen regler är nyare och rör sig snabbt. Bara den här veckan hotade finansminister Scott Bessent med sanktioner mot kinesiska AI-företag på grund av stöld av immateriella rättigheter, och Vita huset anklagade Moonshot AI för att ha destillerat Anthropics Fable-modell, där placeringar på Entity List är "på bordet". Rapportering från Tom's Hardware och MLQ beskriver en bredare satsning (upphandlingsrestriktioner, säkerhetsrådgivningar och ansvarighetsregler) som inte går så långt som ett formellt förbud, men som skapar verkliga hinder för alla amerikanska företag som bygger på en kinesisk modell.

Det handlar inte bara om en modell eller ett land

Lärdomen vi drog var inte "Seedance är dåligt". Det var att varje modell du bygger vidare på kommer med en policy, en jurisdiktion och ett tillgänglighetsfönster som du inte kontrollerar, och vilken som helst av dem kan ändras över en natt.

• De kinesiska videomodellerna är de som är mest uppenbart exponerade. ByteDances Seedance, Kuaishous Kling och MiniMaxs Hailuo kombinerar alla aggressiva, opaka innehållsfilter med ett regulatoriskt mål på ryggen.
• Moonshot AI:s Kimi, som av sin skapare marknadsförs som den största modellen med öppna vikter i världen och är tillräckligt populär för att Microsoft enligt uppgift har testat den för Copilot och Azure, står nu i centrum för sanktionskampen. Team som standardiserat på den kan plötsligt behöva en exitplan.
• Även västerländska leverantörer bär på överraskningar. ElevenLabs, ett ledande (icke-kinesiskt) röstföretag, förbjuder i tysthet statliga organ från att använda sin tjänst utan föregående skriftligt tillstånd i sin policy för förbjuden användning. Om du säljer till den offentliga sektorn kan den klausulen blockera dig lika hårt som en geopolitisk sådan.Det här handlar inte om att välja ut de "bra" leverantörerna en gång för alla. Utbudet av godtagbara modeller är ett rörligt mål, och det förändras av skäl som inte har något med din produkt att göra.

Vad VideoGen gör åt saken

Vi anser inte att du ska behöva hålla koll på allt detta för att skapa en video.

VideoGen är modellagret för AI-video. Vår modell-router ligger mellan ditt arbetsflöde och de underliggande leverantörerna, och den bestämmer vilken modell som kör varje generering baserat på kvalitet, tillgänglighet och lämplighet, inte på vilken logotyp som råkar vara trendig för tillfället.

Konkret flyttade vi efter Seedance-episoden generering av högkvalitativ video till Googles Omni-modell, med automatisk övergång till andra granskade, icke-kinesiska leverantörer. Om en modell avvisar en begäran, ligger nere eller blir olämplig, dirigerar routern om trafiken för den begäran, transparent, utan att du behöver skriva om någonting. Våra aktörer genererar nu utan problem, och vi hanterar stackens efterlevnad så att du slipper.

Vi utvärderar kontinuerligt de modeller och leverantörer som är tillgängliga via VideoGen, inklusive:

• Var kunddata behandlas
• Vilket företag som driver respektive modell
• Huruvida data sparas eller används för träning
• Vilka modeller som kan användas för specifika kunder eller regioner
• Hur man ersätter en begränsad modell utan att bryta arbetsflödet

Detta är inte en juridisk garanti för att ditt företag följer alla regler. Efterlevnad beror på din data, dina kunder och din juridiska rådgivning. Det vi kan garantera operativt är modellens lämplighet, kontroller för datadirigering och reservlösningar som håller igång ditt arbetsflöde när en modell blir olämplig.

Slutsatsen

Om du bygger in AI-video i en produkt eller ett internt arbetsflöde är det mest värdefulla du kan göra att sluta låsa fast din stack till en specifik modell. Inventera vad din stack faktiskt anropar (inklusive via aggregatorer), fråga var indata behandlas och lagras, och prioritera en plattform som kan byta modeller utan att du behöver skicka en kodändring.

Det är hela premissen för VideoGen. Bygg på modellagret, så behöver du aldrig undra om dagens modell är den som uppfyller kraven, eftersom det är vårt jobb, inte ditt.

Börja skapa med VideoGen, eller prata med oss om modellens lämplighet för företag eller reglerad användning.