Я не верил, что нейросеть сможет снять полноценное видео. А потом попросил Gemini оживить старую фотографию деда с собакой. Дед моргнул, пёс вильнул хвостом, и я чуть не расплакался. Мощь нереальная. Но добраться до этой мощи из России не так просто, как хотелось бы. Сейчас расскажу, что я выяснил, как сделать видео в Джемини и какие грабли ждут на пути.
Что умеет генерация видео в Джемини
Google зашли в видеогенерацию серьёзно. У них две основные модели: Gemini Omni Flash и Veo 3.1. Первая отвечает за скорость и диалог, вторая за продвинутый продакшен.
Gemini Omni Flash умеет превращать текст и фотографии в короткие ролики. Причём это не просто «сделай мультик». Модель понимает мир: ты можешь загрузить несколько картинок, аудио, видео и текстовое описание одновременно, и она слепит из этого цельный сюжет. Плюс можно редактировать ролик в чате. Попросил заменить красную машину на синюю, и она заменила. Что-то не так с ракурсом? Переписываешь сообщение, получаешь новый вариант. Всё через естественный язык, без таймлайнов и ключевых кадров.
Из официальной документации: Omni Flash обеспечивает превосходную связность видео, поддержку нескольких входных данных одновременно и даже многоходовое диалоговое редактирование. То есть можно менять элементы или перспективу прямо в процессе разговора. Это называется Interactions API. В приложении Gemini работает как обычный чат, а программистам доступен API.
Veo 3.1 стоит отдельно. Это модель с нативным звуком, умеет продлевать видео, управлять последним кадром, работать по референс-изображению. Для сложных задач. Omni Flash для бытовых, Veo для тех, кому нужен контроль.
Все видео, созданные в Gemini, помечаются невидимым водяным знаком SynthID. Если сомневаешься, сделал ли ролик ИИ, просто загрузи его в чат и спроси. Gemini проверит SynthID и заодно проанализирует своими алгоритмами. Фишка пригодится, если планируешь использовать контент для коммерции или исследований.
Как сделать видео в Джемини из текстового промпта
Технически это выглядит так. Заходишь на gemini.google.com, выбираешь модель Omni Flash или новую, если она уже доступна. Пишешь промпт в поле ввода, жмёшь Enter. Через несколько секунд получаешь ролик. Звучит предельно просто, и в идеале так и есть.
Но есть нюансы. Во-первых, ролики короткие. Не жди двухминутный фильм из одной команды. Обычно это 5-10 секунд. Чтобы сделать длинное видео, нужно генерировать несколько клипов и потом склеивать. Или использовать Veo для продления. Во-вторых, формат. По умолчанию видео генерируется в 16:9. Если загружаешь квадратную картинку, модель добавит чёрные поля. Для вертикального рилса или сторис придётся кадрировать, и это не всегда красиво. Так что сразу думай, куда пойдёт ролик.
В-третьих, промпт должен быть конкретным. Не пиши «сделай красиво». Опиши, что происходит в начале, в середине, что меняется. Вот пример из официального блога Google. Промпт: «Начни с изображения и удерживай одну секунду. Затем цвет стен меняется на ярко-синий, перед двумя креслами появляется деревянный журнальный столик. На столике появляются два больших микрофона для подкаста. Остальная комната не меняется». Такой детальный подход даёт модели понятные ориентиры.
Причём не обязательно вбивать всё в одно сообщение. Начни с простого: «оживи фотографию». Gemini сама придумает реалистичные движения. А потом уточняй шаг за шагом. Это проще, чем пытаться уместить весь фильм в один запрос.
Фото в видео: анимация снимков
Моя любимая фишка - оживлять фотографии. Берёшь любое фото, загружаешь в чат и просишь «преврати в видео». Gemini может анимировать портрет: человек моргает, улыбается, поворачивает голову. Или добавить движения природе: облака плывут, деревья качаются, вода течёт.
В гайде Google прямо сказано: «Превращай фотографии в реалистичные клипы или добавляй чудачества в духе своего воображения. Начни с простого запроса, и Gemini заполнит пробелы». Я это проверил. Взял фото кухни, написал промпт: «Стена становится ярко-розовой. Со стола исчезает тарелка с куриными крылышками. На столике появляется торт со свечами. За спиной появляются воздушные шары. На протяжении ролика играет энергичная поп-музыка». Получилось сюрреалистично, но все элементы действительно появились.
Обрати внимание на качество исходника. Размытое фото из 2008 года не превратится в голливудский кадр. Модель всё-таки не волшебник, хотя и старается. Для лучшего результата используй чёткие фотографии с нормальным освещением и акцентом на главном объекте. Если на снимке несколько людей, Gemini может перепутать лица. Так что один герой в кадре = стабильный результат.
Ещё одна деталь: анимация фото работает лучше, когда ты описываешь движение последовательно. Сначала «удерживай одну секунду», потом «измени цвет стены», потом «появится стол». Если всё свалить в кучу, модель может пропустить часть действий.
Монтаж через диалог: когда хочется докрутить
Самая удобная штука в Omni Flash - мультиходовой диалог. Ты управляешь роликом так же, как разговариваешь с оператором. «Убери микрофоны», «поменяй фон на космос», «разверни камеру на 90 градусов». И каждый раз получаешь обновлённое видео, а не новый кусок. Это экономит кучу времени, потому что не нужно перезапускать генерацию с нуля.
Вот пример из практики. Я сделал видео кота на диване. Пишу: «Теперь поставь на пол миску с молоком». Gemini переснимает сцену, кот и диван сохранены, появляется миска. Потом: «Кот должен посмотреть в камеру». И снова обновление. Так можно выстраивать целую сюжетную линию без единого кадрирования вручную.
Но будь готов к тому, что модель иногда «забывает» детали из предыдущих промптов. Если сцена насыщенная, уточняй повторно. Например, если важно, чтобы кот остался рыжим, напиши «тот же рыжий кот». И вообще, повторение ключевых элементов никогда не помешает.
Такой подход называется conversational editing, и он отличается от обычной генерации тем, что Gemini держит контекст разговора. Для бизнеса это спасение: можно быстро перебрать десяток вариаций одного ролика и выбрать лучшую. А если речь про API, то все действия делаются через простые запросы к Interactions API.
Veo 3.1: когда нужно продакшен-качество
Omni Flash хорош, но для сложных задач стоит обратить внимание на Veo 3.1. Эта модель генерирует видео с нативным аудио: шум дождя, голос диктора, шаги. Звук не приклеивается постфактум, а создаётся сразу со сценой. Плюс Veo умеет продлевать существующий ролик. Если смотришь на десятисекундный клип и хочешь ещё столько же, Veo продолжит с того места, где остановился. Или наоборот, последний кадр можно зафиксировать и достроить вокруг него новую сцену.
Ещё фишка Veo - создание видео по изображению-референсу. Ты даёшь стиль, персонажа, определённый кадр, а модель генерирует сцену в том же духе. Это незаменимо для брендов, у которых есть фирменная графика, и нужно снять ролик в том же стиле. Если у тебя есть рекламный макет, Veo оживит его без участия дизайнера.
Минус в том, что Veo работает медленнее и требует больше ресурсов. Для бытовых задач Omni Flash хватает за глаза. Но если ты делаешь коммерческие ролики, стоит изучить обе модели и комбинировать их под задачи.
Промпты, которые реально работают
Собрал несколько шаблонов из своей практики. Не копируй тупо, а адаптируй под свою задачу.
- Для портрета: «Начни с фото, удерживай 2 секунды. Затем человек медленно поворачивает голову к камере и улыбается. Свет становится тёплым». Это даёт плавное и естественное движение.
- Для пейзажа: «Оживи сцену. Облака движутся по небу, трава колышется от ветра, вдали идёт дождь». Просто и эффектно.
- Для продукта: «Показать товар на вращающемся пьедестале. Фон меняется с белого на градиентный. В конце появляется логотип». Рекламный ролик за минуту.
И совет: не расстраивайся с первого раза. На Reddit пользователи, тестировавшие Gemini, предупреждают: с первого раза редко выходит идеально. Google прямо пишут, что модели ещё учатся, и иногда нужны две-три попытки. Я сам первые два видео получил кривые, зато на третьем уже было что показать друзьям.
Проблема России и как я её решил
Теперь главная боль. Gemini официально не работает в России. Зайти на сайт кое-как можно, но большинство функций недоступны, нужна иностранная карта, и активно банит российские номера и IP. Если ты живёшь в РФ, ты наверняка сталкивался с этим. Я перепробовал кучу способов: прокси, виртуальные карты, покупку аккаунтов. Всё это либо дорого, либо нестабильно, либо заканчивается банами через неделю.
Поэтому для всех экспериментов с ИИ я пользуюсь сервисом 3GPT от 3SELLER. Это ИИ-роутер, который даёт доступ к флагманским нейросетям из России без иностранных карт. Оплата российской картой, СБП или криптой. Всего 149 рублей в месяц, и ты внутри. Подключается всё: ChatGPT 6 Astra, ChatGPT 6.1 Sol, Claude Fable 5, Claude Opus 5.5, Nano Banana для изображений. И да, Gemini тоже доступен через роутер, так что видео можно делать без танцев с бубном.
Рассказываю не ради рекламы. Просто устал видеть, как люди платят по 30 долларов за иностранные прокси, хотя есть нормальное решение за 149 рублей. Для меня это как подписка на хороший VPN, только с кучей нейросетей в комплекте.
Вот как выглядит интерфейс 3GPT. Там всё на русском, никаких сложных настроек. Выбрал модель, написал промпт, получил результат.
Кстати, у 3GPT есть ещё фишка: готовые ИИ-агенты под твои задачи. Выбираешь агента вроде «Копирайтер», «Дизайнер» или «Аналитик», и просто общаешься с ним. Модель внутри агента можно менять прямо в чате. Это очень удобно, когда нужен не разовый ответ, а полноценный процесс. Например, я через агента собираю контент-план для блога, а потом отправляю его в Claude для доработки.
Я пользуюсь 3GPT уже пару месяцев. Ни один сайт-блокировщик меня не трогает, все нейросети работают из коробки. Особенно радует Nano Banana для изображений и Claude Fable для длинных текстов.
Как сделать видео в Джемини из России: пошаговый план
Если хочешь повторить мой опыт, вот короткий план без лишних слов.
Первый шаг. Регистрируешься на официальном сайте 3GPT и пополняешь баланс. 149 рублей, пять минут времени. Ссылка простая: 3seller.com/3gpt.
Второй шаг. Подключаешься к модели Gemini Omni Flash через чат-интерфейс. Если не знаешь, как выбрать модель, напиши в поддержку, там отвечают быстро.
Третий шаг. Загружаешь фото или пишешь промпт из примеров выше. Начни с простого: «оживи эту фотографию». Потом добавляй детали и смотри, как модель реагирует.
Четвёртый шаг. Когда получишь ролик, попроси изменить детали через диалог. «Сделай цвет стен синим», «убей шум на фоне», «добавь дождь за окном». Готово.
Вся процедура занимает меньше времени, чем поиск рабочего VPN и регистрация иностранной карты. Проверено на себе.
Мой вердикт и совет напоследок
Генерация видео в Джемини - это не магия, а инструмент. Да, модели ещё учатся, бывают ошибки, ролики иногда выходят странными. Но уже сейчас можно создавать контент, который раньше стоил бы тысячи долларов. Для блогера, предпринимателя или просто творческого человека это прорыв.
Если ты в России, не парься с блокировками. Используй 3GPT от 3SELLER. Я честно не понимаю, почему люди до сих пор платят за VPN, когда за 149 рублей получают доступ ко всем нейросетям, включая Gemini, ChatGPT и Claude. Вот ссылка для старта: 3GPT на официальном сайте.
Попробуй сделать своё первое видео. Не идеальное, не шедевр. Просто чтобы понять, как это работает. А когда получится - расскажешь друзьям, как ты делаешь видео в джемини без всяких VPN. Уверен, у тебя получится.