Японский автор продолжает собирать мистический сериал «PROOF — записи наблюдений Саямы и Судзуки». В новой части есть пикник, дорога вдоль моря, разговор в викторианском кабинете и спокойные перебивки между событиями.

Красивые AI-сцены тут вторичны. Гораздо интереснее рабочая кухня: короткий клип появляется быстро, а цельный эпизод требует долгого монтажа. В соседней записи автор пишет, что после склейки девяти роликов около 90% времени ушло на монтаж. На генерацию осталось примерно 10%.

Что делает японский автор

История рассказывает о двух школьниках. Саяма — холодный умник в очках, которого неожиданно легко заинтересовать коллекционными карточками. Судзуки — эмоциональный спортивный парень. Вместе они расследуют загадки.

Финал уже определён. Порядок сцен пока плавает, поэтому автор собирает запас мирных эпизодов: пикник, разговоры с обитателями поместья, горные виды и поездку на автомобиле.

«Финал этой истории уже решён, но на этапе монтажа, думаю, изменится порядок событий. Поэтому я создаю несколько спокойных сцен, чтобы вставлять их между происходящим» — пишет японский автор.

Для AI-анимации это здравый ход. Сначала можно собрать атмосферные куски, потом найти им место в эпизоде. Пейзаж с облаками прикроет склейку. Пикник даст зрителю паузу. Дорога перенесёт героев в новую локацию без длинных объяснений.

В промтах автор запрещает любой текст

Почти в каждом промте повторяется одна инструкция: «Absolutely no text, no captions, no subtitles, no words, and no speech bubbles anywhere in the animation. Pure visual only. Textless».

Смысл простой: никаких надписей, подписей, субтитров, слов и речевых пузырей. Только визуальная сцена.

Модель любит дорисовывать реплики, случайные иероглифы, вывески и псевдосубтитры. Такое случается даже тогда, когда в исходной картинке текста нет. Генератор видит диалог и решает, что ему нужен пузырь.

Я бы ставил этот запрет в начало и в конец промта. Артефакт проще предупредить, чем потом вычищать на посте.

Рабочая заготовка выглядит так: «Create a visual-only animated scene using the attached character references. No text, no captions, no subtitles, no words, no speech bubbles. Preserve the characters’ clothes, hair and colors. Keep the scene textless from beginning to end».

После этого идут место, время суток, движение камеры и действие. Одной сцене лучше дать одну главную задачу. Сложная хореография, диалог, смена планов, толпа и идеальная мимика в одном запросе — уже перебор. Это инструкция генератору, а не сценарий для большой студии.

Облака, дорога и разговор

Первая сцена почти нарочито простая: облака медленно проходят по небу, внизу зеленеют горы ранней весной, под деревом четверо людей устроили пикник, где-то поют птицы.

Следом автор отдельно просит анимацию неба и облаков. Такой кадр удобно поставить в начало, между диалогами или поверх перехода. Чем проще движение, тем меньше требований к стабильности персонажей.

Третья задумка — поездка на Mercedes с левым рулём. Камера смотрит будто с водительского места: слева море, справа ярко-зелёные горы. Пейзаж меняется, на улице утро и ясная погода, около восьми часов. Музыку автор отключает, потому что хочет наложить её сам.

Кстати, звук вполне можно держать отдельно от картинки. Для клипа, рекламы или сериала так проще контролировать темп. Музыка, шумы и голоса потом собираются в привычном видеомонтаже.

Самая сюжетная сцена происходит в викторианском кабинете. Один школьник обращается к Франсуа. Второй отвечает, что хотел поговорить, потому что здесь скучно. При этом текст, субтитры и речевые пузыри снова запрещены.

Реплики здесь работают как драматургическая подсказка для модели. На экране их нет. Смысл передают жесты, взгляд, пауза, поворот головы и выражение лица. Если синхронизация речи получается нестабильной, сцену можно оставить визуальной, а озвучку сделать позже.

Где ломается пайплайн

В соседней публикации японский автор показывает спортивную серию: девять роликов, гонку, зрителей, номера на форме и несколько персонажей. На выравнивание номеров и костюмов ушло много времени. Вся работа заняла день.

«Видео — примерно 90% монтажа, генерация — 10%» — пишет автор о своём процессе.

Есть и другая важная оговорка. Автор использует Gemini Nano Banana Pro в своём рабочем процессе и описывает короткие анимационные клипы. Официальное досье при этом описывает Nano Banana Pro прежде всего как модель генерации и редактирования изображений Gemini 3 Pro Image, с выводом в 2K и 4K.

Поэтому его опыт с роликами по 10 секунд нельзя автоматически переносить на любой аккаунт и тариф. В цепочке может участвовать отдельный видеошаг или функция конкретного интерфейса. Перед продакшеном это стоит проверить на своём доступе.

Из официально описанных возможностей Gemini 3 Pro Image полезны референсные изображения, редактирование, разные соотношения сторон, 2K и 4K, а также работа с несколькими входными картинками. В материалах о модели говорится о смешивании до 14 изображений и сохранении сходства до пяти людей. Для сериала это пригодится, но каждый кадр всё равно придётся проверять руками.

Особенно часто плывут мелкие признаки: номера на майках, украшения, очки, цвет волос, форма воротника, левая и правая сторона автомобиля. В одном кадре герой выглядит правильно, в следующем получает другую одежду. Для зрителя это уже другой человек.

Что можно забрать в свою работу

Я бы собрал такой пайплайн.

1. Сначала сделайте лист персонажей. Отдельно сохраните лицо, причёску, одежду, аксессуары и ключевые цвета. Модель сама героя через несколько генераций не вспомнит.

2. Разделите эпизод на короткие задачи: пейзаж, проход персонажа, крупный план, реакция, переход. Для каждого клипа задайте одно основное движение. Простая сцена с облаками иногда полезнее сложного десятисекундного диалога.

3. Добавляйте в визуальный промт запрет на текст. Особенно если в кадре есть школа, поместье, автомобиль, спортивная форма или город. В таких местах случайные надписи появляются чаще.

4. Сначала накопите удачные куски, потом собирайте черновой монтаж. Так станет видно, каких перебивок не хватает и где можно спрятать неидеальный переход.

5. Голоса и музыку держите отдельными слоями. Японский автор использует бесплатные MinimaxAudio и Clipchamp для работы с репликами. Такой набор подходит не всем, но сама логика здравая: картинка, озвучка и монтаж могут жить в разных инструментах.

6. Закладывайте время на перебор и проверку. В спортивной сцене автор отдельно следил за номерами и формой. Для коммерческого ролика это стоит учитывать ещё до расчёта бюджета.

Цена доступа и цена труда

Японский автор пишет, что использует тариф за 2900 иен в месяц. Это его личный план и личный опыт. Для всех стран и способов доступа цена может отличаться.

В доступных обзорах официального API Gemini 3 Pro Image указаны $0,134 за изображение в 1K/2K и $0,24 за 4K в стандартном режиме. Для Batch/Flex приводятся $0,067 и $0,12 соответственно. Это API-расчёт, а не стоимость подписки Gemini.

Подписка Google AI Pro не превращается автоматически в API-баланс. Подписка оплачивается отдельно, API — через отдельный биллинг. Если собираете коммерческий пайплайн, сначала выберите маршрут: приложение, официальный API или внешний провайдер. Лимиты, цены, доступ к видео и правила использования у них могут различаться.

В реальный бюджет входят доступ к модели, перебор, монтаж, исправление персонажей, озвучка и экспорт. Генерация может оказаться самой дешёвой частью. Поэтому цифра «90% монтажа» говорит о проекте больше, чем цена одного клипа.

Почему этот процесс полезнее красивого демо

В демо обычно показывают один удачный кадр. Здесь виден весь процесс: автор заранее планирует сцены, оставляет запасные перебивки, фиксирует запрет на текст, прикладывает изображения персонажей и потом собирает результат руками.

По ощущениям это компактная студия одного человека. Модель выпускает отдельные куски, а режиссура, монтаж и контроль непрерывности остаются у автора.

Мне нравится идея с мирными сценами. После загадки можно поставить пикник. Перед разговором — дорогу. После напряжённого момента — небо и птиц. Такие кадры дают истории воздух и одновременно помогают спрятать сложные склейки.

Дешёвая генерация не делает ИИ-аниме быстрым. Быстро появляется отдельный клип. Эпизод требует совсем другой возни.

Если повторять этот подход, я бы начал с короткого эпизода из трёх-четырёх сцен. Заранее подготовьте референсы, запретите любой текст и посчитайте часы монтажа вместе с числом генераций. Там и проявится реальная стоимость проекта.

Собрать такой AI-пайплайн по шагам можно в Workflow

Источники

Nano Banana Pro Review for Production Image Work

Nano Banana Proはいくら?API・月額プラン・外部サービスの料金を分けて計算

Источник