Три статичных кадра дают больше контроля над персонажем, чем один длинный запрос на видео. Японский автор сделал ключевые изображения в Nano Banana 2.1, а Gemini Omni 1.1 Flash связал их в зацикленную граффити-анимацию «CAT & MOUSE».
Сначала автор зафиксировал выражения лиц. Потом попросил модель оживить их. Так генератор изображений отвечает за дизайн, видеомодель — за переходы, а Antigravity помогает вызвать API и обработать файлы. Идеального ролика этот порядок не обещает, зато задачи разделены.
Три ключевых кадра помогают удержать дизайн персонажей
Проблема знакомая: загружаете видеомодели одну картинку и просите изменить выражение лица. Вместе с ним могут поплыть фон, надпись или весь стиль рисунка. В японском примере автор сначала подготовил три состояния персонажей: улыбку, промежуточные эмоции и громкий рык с граффити-эффектами.
Здесь важен порядок работы. Если в кадре нужны логотип, форма глаз, одежда или надпись на фоне, сначала добейтесь нужного вида в статичных изображениях. Тогда видеомодели останется построить движение.
- Нарисуйте первый кадр с финальным дизайном персонажа и фона.
- Подготовьте отдельные кадры для заметных изменений: мимики, позы или эффекта.
- В каждом запросе укажите, что должно остаться неизменным: стиль, композиция, логотип и фон.
- Перед генерацией видео проверьте дизайн первого и последнего кадров.
Gemini App удобнее для правок, Antigravity — для сборки
В Gemini App автор вёл одну беседу, где сохранялись контекст и последнее изображение. Можно было посмотреть на картинку и коротко попросить закрыть глаза или добавить надпись. Удобно для быстрых правок по ходу работы.
В схеме автора Antigravity работает иначе. Основной агент получает просьбу, переписывает её для агента-генератора, а тот отправляет отдельный API-вызов. По наблюдению автора, по дороге могут потеряться требования к стилю. Просьба поменять цвет или мелкую деталь способна затронуть и другие части промта.
Поэтому фразу вроде «сделай поярче» лучше уточнить. Перечислите, что меняется и что остаётся на месте. Например: «Измени только выражение морды. Сохрани форму глаз, цвет шерсти, надпись, фон и композицию». Эта формулировка — пример рабочего принципа, который следует из описанного процесса.
Antigravity особенно к месту, когда нужно повторять технические действия. Автор использовал среду, чтобы вызвать Gemini Omni 1.1 Flash, передать ему кадры, проверить результат и подготовить несколько вариантов файла. Агент может запускать локальные Python-скрипты и ffmpeg. Параметры можно задать явно, а не выставлять заново вручную.
Совпадающие первый и последний кадры замыкают видео в петлю
В примере первый рисунок передали модели как стартовый и финальный кадр. Второй и третий изображения служили промежуточными референсами. Gemini Omni 1.1 Flash строил переходы между ними, а возврат к исходной картинке замыкал цикл.
Если в конце персонаж не возвращается к начальному состоянию, стык будет заметен при повторном воспроизведении. Проверьте и совпадение первой и последней картинки, и плавность финального перехода. Одинаковые крайние кадры не спасут, если в середине ролика происходит резкий скачок.
Автор проверял видео по кадрам: с помощью ffmpeg извлёк пять изображений — по одному в секунду — и осмотрел их. Так можно заметить испорченную надпись, изменившееся лицо или скачок композиции до того, как считать ролик готовым.
Что стоит проверить перед экспортом
- Сходятся ли лица и силуэты персонажей с исходными кадрами.
- Не меняются ли буквы, логотипы и мелкие детали фона.
- Нет ли резкого скачка при переходе от последнего кадра к первому.
- Нужна ли звуковая дорожка: в примере её удаляли перед экспортом.
В исходном файле автора было видео 1280×720 и автоматически созданный звук, включая фоновый шум и рык. Для итогового MP4 автор увеличил разрешение до 1920×1080 фильтром Lanczos и убрал звук. Файл подготовили для веб-страницы или презентации. Апскейл увеличивает размер, но сам по себе не добавляет настоящих деталей исходному кадру.
Для GIF автор применил palettegen и paletteuse. Сначала вычислил палитру под конкретный ролик, затем использовал её при конвертации. Такой способ помогает уменьшить заметный шум на градиентах: GIF ограничен 256 цветами. В описанном примере превью сделали шириной 960 пикселей и частотой 16 кадров в секунду.
Nano Banana 2.1 отвечает за изображения, а Omni — за движение
Автор сравнивает пять моделей изображений по тому, сколько персонажей и референсов они могут удерживать. Это характеристики из японской заметки, а не результат независимого бенчмарка. Перед рабочим проектом их стоит сверить с актуальными настройками конкретного сервиса.
| Модель | Персонажи и объекты по заметке | Для какой задачи автор её описывает |
|---|---|---|
| Nano Banana 2.1 | До 4 персонажей и 10 объектов, до 14 референсов | Последовательные правки и сохранение персонажей |
| Nano Banana Pro / Gemini 3 Pro Image | До 5 персонажей, 6 объектов и 3 стилевых референса | Сложная композиция и много персонажей |
| Gemini 3.1 Flash Lite Image | Не оптимизирована для нескольких персонажей и референсов | Быстрые одиночные наброски |
| Gemini 3.1 Flash Image | До 4 персонажей, 10 объектов и 14 референсов | Предыдущее поколение стандартной модели |
| Gemini 2.5 Flash Image | Нет одновременного сохранения нескольких персонажей | Простая генерация и редактирование одного изображения |
Для примера с кошкой и мышью автор выбрал Nano Banana 2.1. В заметке отдельно отмечены работа с текстом и последовательное редактирование. Gemini Omni 1.1 Flash в этой схеме отвечает за видео: принимает начальный и конечный кадры вместе с промежуточными изображениями и строит между ними движение.
Я бы придерживался такого разделения. Сначала фиксируете внешний вид и важные надписи, потом задаёте движение. Если смешать обе задачи в одной просьбе, будет сложнее понять, откуда взялась ошибка.
Плата за варианты и ограничения никуда не исчезают
В заметке Gemini App описан как подписной сервис с дневными лимитами, а Antigravity — как среда с оплатой по фактическому использованию. В приложении удобно уточнять изображения, пока хватает лимита. Через API можно гонять больше вариантов, но стоимость растёт с числом генераций и длиной видео. Японских цен в исходном материале нет.
Для ориентира: в публикации от 6 октября 2026 года Picasso IA оценивал генерацию Gemini Omni примерно в $0,034 за секунду при 360p, $0,101 при 720p, $0,152 при 1080p и $0,304 при 4K. Это сторонний расчёт. Он не отражает местные японские цены и не служит сметой описанного ролика. Точную сумму для своего доступа проверяйте у поставщика API: тарифы, конвертация и дополнительные расходы могут отличаться.
В японском примере использовали Gemini App и Antigravity. Доступность функций зависит от продукта и аккаунта, поэтому сначала проверьте, есть ли нужные действия в вашем интерфейсе и подключён ли агент к этому API.
Эта схема подойдёт для стикеров, персонажей бренда, логотипов и коротких петель для сайта. Сначала проверяете изображения, потом автоматизируете переходы и экспорт. Главный контроль остаётся у вас: просмотрите кадры, особенно стык цикла и текст. Если лицо или надпись важнее скорости, сначала добейтесь точного ключевого кадра. Потом просите модель его оживить.
Мои генерации фото и видео — в разделе работ
Источники
Gemini Omni 1.1 Flash Pricing: API Cost per Second
Источникnote.com
