Gemini Omni Flash 1.1: четыре режима работы с видео от Google

Gemini Omni Flash 1.1 — это четыре разных инструмента под одним именем: генерация видео из текста, оживление картинки, сборка ролика по референсам и правка уже готового видео по словесному описанию. Цена считается за секунду готового ролика и зависит от разрешения: 4.5 нейрона в 360p, 15 в 720p, 22.5 в 1080p и 45 в 4K. Длительность — от 3 до 10 секунд, по умолчанию 8. Промпт можно писать длинный, до 20000 символов. Модель доступна на уровне STANDARD — с тарифа Старт и выше.

Главное, что стоит понять до первой генерации: вы платите не за «ролик», а за секунду в конкретном разрешении. Разница между крайними ступенями — десятикратная, и именно она задаёт нормальный рабочий процесс: сначала дёшево перебираем идеи, потом дорого отрисовываем одну победившую.

Посчитайте по-другому: за один восьмисекундный ролик в 4K вы могли бы сделать десять таких же черновиков в 360p. Десять попыток — это уже не «повезёт или нет», это нормальный перебор: три композиции, три варианта движения камеры, пара версий финального кадра. И только после этого — чистовик.

В 360p не видно фактуры кожи и мелкого текста — зато видно всё, из-за чего ролики обычно и переделывают: не туда поехала камера, герой сделал лишнее движение, композиция разваливается, фон живёт своей жизнью. Эти дефекты не лечатся разрешением. Смысл черновика — поймать их за 36 нейронов, а не за 360.

Режимы — это не «настройки качества», а принципиально разные способы задать модели опору. Чем больше опоры вы даёте, тем меньше модель додумывает, а додумывает она в первую очередь то, что вы не описали.

Чистая генерация по описанию. Максимальная свобода и максимальный разброс результатов: у модели нет ни одного визуального ориентира, кроме ваших слов. Частая ошибка — писать промпт как подпись к фотографии: получается красивый кадр, в котором ничего не происходит. Описывайте движение во времени, а не красоту картинки. Лимит в 20000 символов нужен не под сценарий, а под точность: в такой объём помещаются субъект, действие, камера, свет, окружение и подробный блок запретов.

Стеклянный флакон сыворотки стоит на мокром камне у кромки воды, утро.
Действие: одна капля скатывается по стенке флакона вниз, круги на воде расходятся.
Камера: медленный наезд спереди, без резких движений, статичный горизонт.
Свет: мягкий рассеянный, тёплый, тени длинные, бликов на этикетке нет.
Стиль: реалистичная съёмка, неглубокая резкость, фон размыт.
Ограничения: форма флакона, цвет и надписи не меняются; в кадре нет людей и рук;
камера не облетает объект; посторонние предметы не появляются.

Вы даёте готовое изображение и описываете, что в нём должно ожить. Самый предсказуемый режим для маркетинга: композиция, цвет и продукт уже утверждены, модели остаётся добавить движение. Практическое правило — просить одно главное движение. Чем проще пластика, тем чище результат; чем больше событий вы просите одновременно, тем чаще появляются артефакты на руках, лицах и границах объектов.

Оживи изображение, сохранив кадр и композицию без изменений.
Главное движение: девушка на фото медленно моргает и чуть заметно улыбается.
Второй план: пар над чашкой поднимается, штора у окна слегка колышется.
Камера: почти неподвижна, едва заметный наезд.
Ограничения: черты лица, причёска, одежда и фон остаются прежними;
руки не перемещаются; поворота головы нет; свет не меняется.

Режим для тех, кто делает не ролик, а серию. Вы отдаёте референсы — лицо героя, упаковку, фирменный стиль, — и модель опирается на них при генерации. Так собирают линейку из пяти-восьми клипов, где продукт и персонаж узнаются от кадра к кадру. Референсы лучше подбирать однотипные: один ракурс, один свет, один фон — разнобой в исходниках модель усредняет, и герой начинает «плавать» от клипа к клипу.

Используй референсы: лицо и одежда героя — с первого изображения,
упаковка продукта — со второго, цветовая гамма и стиль — с третьего.
Сцена: герой заходит в кадр слева, ставит упаковку на стол, смотрит в камеру.
Камера: неподвижная, средний план, уровень глаз.
Свет: студийный, ровный, как на референсе.
Ограничения: внешность героя и дизайн упаковки строго с референсов;
логотип не перерисовывать; фон однотонный, без лишних предметов.

Это редкий режим. У большинства видеомоделей правка означает полную перегенерацию: вы переписываете промпт, запускаете заново и получаете другой ролик целиком — другое лицо, другой свет, другую динамику. Здесь на вход идёт уже готовое видео, а словами описывается только то, что нужно изменить. Выгода не столько в деньгах, сколько во времени согласований: замечание «сделайте фон посветлее» перестаёт быть перезапуском продакшена и становится одной репликой, а значит, правки заказчика можно отрабатывать прямо на созвоне. Вносить их лучше по одной, а после двух-трёх шагов фиксировать результат и начинать новую цепочку.

Возьми готовый ролик и внеси одно изменение.
Что изменить: замени фон на светлую скандинавскую кухню.
Что сохранить без изменений: героя, его лицо, одежду, движение и тайминг,
положение камеры и продукт в кадре.

(следующим шагом, отдельной правкой)
Что изменить: сделай свет тёплым, как на закате.
Что сохранить: всё остальное, включая новый фон.

На платформе доступны обе модели, обе на уровне STANDARD. Выбор простой: Wan берут за две вещи, которых у Gemini нет, — длину до 30 секунд и звук, который генерируется вместе с видео. Gemini берут, когда нужны много попыток, правки и высокое разрешение: на сопоставимых ступенях он дешевле и умеет 4K.

Ролики чаще переделывают не из-за модели, а из-за пробелов в описании. Что не описано — модель придумывает сама, отсюда и плывущий фон, и внезапный поворот головы, и лишние предметы в кадре. Полминуты на блок ограничений экономят целую генерацию.

И отдельно: у любой видеомодели есть фильтры на узнаваемых людей и чувствительные сюжеты. Если генерация не проходит, дело обычно не в формулировке промпта — что именно блокируется и как действовать, разобрано в материале про модерацию в нейросетях.

180 нейронов: 22.5 нейрона за секунду умножаем на 8. Тот же ролик в 720p обойдётся в 120 нейронов, в 4K — в 360, а черновая версия в 360p — в 36 нейронов.

У Gemini Omni Flash 1.1 — нет, диапазон 3–10 секунд, по умолчанию 8. Если нужен один непрерывный дубль до 30 секунд, это Wan 3.0 Prime. Альтернатива — собрать несколько коротких клипов в монтаже, используя reference-to-video, чтобы герой и продукт не «плавали» между сценами.

Нет, модель работает с видеорядом. Если звук нужен сразу вместе с картинкой — это Wan 3.0 Prime: он генерирует аудио и принимает звук в референсе. Второй путь — озвучить готовый ролик отдельно, об этом есть материал про звуковые эффекты и озвучку.

Обе видеомодели — уровень STANDARD, то есть с тарифа Старт и выше. Сравнить, что входит в каждый план, можно на странице тарифов, а запустить генерацию — в MediaLab.

Куда дальше: Wan 3.0 Prime против Gemini Omni Flash · Лучшие нейросети 2026 · MediaLab · Каталог нейросетей · Начать работу