Gemini сначала объяснил, почему не сможет сделать 30-секундный клип с четырьмя музыкантками, а потом всё-таки помог его собрать. Японский креатор piromo обошёлся без длинного промпта: задал сцены одной раскадровкой и закрепил внешность героинь двумя таблицами персонажей. Для тех, кто делает видео, ставка понятная: меньше путаницы между героями и меньше ручного описания каждого кадра.
На раскадровку автор вынес последовательность сцен, время, камеру и действия. В таблицах распределил персонажей парами: вокалистку с барабанщицей — в одной, басистку с красной гитарой — в другой. По словам piromo, так четыре участницы не менялись местами в течение ролика, а игра и пение совпали с движением губ. Весь проект он собирал в одном чате Gemini.
Идеальной генерации с первого раза не было — автор пишет, что пересоздавал видео много раз. В одной сцене у гитаристки справа появилась не та гитара: вместо нужной красной Stratocaster модель выдала инструмент в стиле Les Paul. Для правки автор обрезал в Flow последние две секунды, загрузил видео и референс персонажей в Gemini и попросил заменить только гитару. По его словам, остальное движение и герои сохранились, а внешние инструменты и дополнительные кредиты не понадобились.
Это не доказательство, что сложный клип теперь всегда делается с одного прогона: сам автор признаёт, что пересозданий было много. Но подход годный — сначала упаковать постановку и внешность в картинки, а потом точечно чинить сбои. Похоже, длинный промпт тут не режиссёр; раскадровка полезнее.
Источникnote #動画生成AI

