Главное отличие Gemini Omni Flash 1.1 — четвёртый режим: правка уже готового ролика по текстовому описанию. Рядом с ним живут генерация из текста, оживление изображения и генерация по референсам — четыре входа в одну модель. Ролик длится от 3 до 10 секунд, по умолчанию 8. Цена ступенчатая и зависит от разрешения: 4.5 нейрона за секунду в 360p, 15 в 720p, 22.5 в 1080p и 45 в 4K — черновик обходится вдесятеро дешевле финала.
Правка вместо перезапуска
Знакомая сцена: ролик вышел почти идеальным, но у героя не тот жест, свет плоский, а в углу кадра мелькает лишний предмет. Дальше начинается перегенерация по кругу — вы меняете формулировку, запускаете снова, и модель отдаёт другой ролик. Свет починился, зато композиция уехала. Ещё попытка — уехало что-то ещё.
Режим edit ломает эту логику. Вы отдаёте модели готовый ролик и словами описываете, что именно поправить: всё удачное остаётся на месте, меняется адресный фрагмент. Это ближе к работе с монтажёром, чем к игре в рулетку.
Почему «почти получилось» — самый дорогой результат?
Потому что за него платят несколько раз. Каждая полная перегенерация стоит как новый ролик, а её результат непредсказуем: вы платите не за доработку, а за повторный поиск композиции, света и движения камеры — того, что уже было найдено. Чем ближе ролик к финалу, тем обиднее отдавать его на переделку целиком.
| Шаг | Обычный цикл | Цикл с режимом правки |
|---|---|---|
| Ролик вышел на 90% | Меняем запрос, запускаем заново | Описываем словами, что поправить |
| Судьба удачных кадров | Может исчезнуть — новая генерация другая | Остаётся, меняется адресный фрагмент |
| Путь до финала | Несколько полных генераций подряд | Одна генерация плюс точечные правки |
| Где уходит бюджет | Каждая попытка — полная стоимость ролика | Черновик дешёвый, дорогой рендер один |
Четыре входа в одну модель
- text-to-video — ролик из текстового описания. Классический сценарий: идея есть, исходников нет.
- image-to-video — оживление готового кадра. Удобно, когда картинка уже согласована с заказчиком и менять её нельзя.
- reference-to-video — генерация с опорой на референсы. Нужен, когда персонаж или предмет должен остаться узнаваемым.
- edit — правка готового ролика по описанию. Тот самый режим, ради которого стоит присмотреться к модели.
Все четыре режима живут в одном месте и говорят на одном языке описаний. Не нужно переносить материал между инструментами и заново объяснять, как выглядит герой.
Цена зависит от разрешения — и это рычаг
Единой ставки за секунду у модели нет. Ступеней четыре, и разрыв между крайними — десятикратный. Это не мелочь в прайсе, а инструмент планирования: разрешение выбирается под этап работы, а не по привычке.
| Разрешение | За секунду | Ролик 3 секунды | Ролик 8 секунд (по умолчанию) | Ролик 10 секунд |
|---|---|---|---|---|
| 360p | 4.5 | 13.5 | 36 | 45 |
| 720p | 15 | 45 | 120 | 150 |
| 1080p | 22.5 | 67.5 | 180 | 225 |
| 4K | 45 | 135 | 360 | 450 |
Сколько стоит ролик целиком?
Цена секунды умножается на длительность. Восьмисекундный ролик по умолчанию — 36 нейронов в 360p и 360 в 4K. То есть в бюджет одного финального рендера в 4K помещается десять черновиков той же длины. Ради этой арифметики и стоит держать ступени в голове.
Чем отличаются подходы: Veo, Kling и Sora
Все три модели сильные, у каждой своя школа. Ниже — только то, что заявлено в документации разработчиков и в публичных обзорах: наших замеров тут нет. Спорить, «кто красивее», мы не беремся — честно это проверяется на вашем материале, а не в таблице.
| Модель | Что заявлено разработчиком | В чём сила подхода |
|---|---|---|
| Gemini Omni Flash 1.1 | Четыре эндпоинта, включая правку готового видео; 3–10 секунд; 360p, 720p, 1080p и 4K; описание до 20 000 символов | Доработка без перезапуска и ступенчатая цена по разрешению |
| Veo 3.1 | По документации Google: длительность 4, 6 или 8 секунд; 720p, 1080p и 4K (1080p и 4K — только для восьмисекундных); до трёх референсных изображений; продление ролика на 7 секунд до 20 раз (продления в 720p); текстовый запрос до 1024 токенов; звук генерируется вместе с картинкой | Синхронный звук и наращивание длины через продления |
| Kling | По материалам Kling: мультиэлементы — до четырёх референсных изображений персонажа, привязка голоса к элементу-персонажу, липсинк; длительность одной генерации 5 или 10 секунд, у серии Kling 3.0 заявлено до 15 | Устойчивость персонажа от сцены к сцене |
| Sora 2 | По документации OpenAI: генерации на 16 и 20 секунд; sora-2 — 480p и 720p, sora-2-pro — до 1080p (1920×1080 и 1080×1920); продление ролика до 20 секунд за раз, до шести раз; отдельный режим правки готового видео | Длинный непрерывный кадр со звуком |
Важная честная деталь: правка готового ролика — не эксклюзив Omni Flash, у Sora по документации OpenAI есть свой режим редактирования. Разница в том, насколько глубоко правка встроена в обычный цикл: у Omni Flash это один из четырёх штатных входов, наравне с генерацией, и работает он тем же языком описаний.
Что брать под какую задачу?
Отталкивайтесь не от рейтинга, а от того, что в вашем ролике главное — звук, персонаж, длина кадра или скорость доводки.
- Нужен ролик с репликами и звуком в кадре — смотрите в сторону Veo: совместная генерация видео и аудио заявлена разработчиком как ключевая особенность.
- Нужен один и тот же персонаж в серии сцен — сильная сторона Kling с его многоракурсными элементами и привязкой голоса.
- Нужен длинный непрерывный кадр — по документации OpenAI, Sora 2 генерирует 16 и 20 секунд за раз и умеет продлевать ролик.
- Нужно быстро довести почти готовый ролик до финала и не разориться на попытках — это сценарий Omni Flash.
Все четыре модели доступны на платформе, так что выбор происходит внутри одного окна и одного баланса нейронов — переключиться посреди задачи ничего не стоит. Как устроен рабочий стол генераций, смотрите в разделе МедиаЛаб, полный перечень моделей с уровнями доступа — в каталоге нейросетей, а попробовать можно сразу в личном кабинете.
Как встроить правку в производство
- Соберите сцену в 360p: композиция, движение камеры, тайминг. На этом этапе картинка нужна вам, а не заказчику.
- Выберите один удачный дубль и дальше не перезапускайте его целиком.
- Правьте адресно: один запрос — одно изменение. Свет, потом жест, потом лишний предмет в кадре.
- Когда сцена согласована, повторите финальный рендер в 1080p или 4K.
- Если исходник снят или сгенерирован в низком разрешении, а нужен большой экран — доводите отдельным инструментом: апскейл видео до 4K.
Пример запроса на правку готового ролика
Оставь композицию, движение камеры и цвет кожи без изменений.
Измени только освещение: вместо ровного верхнего света — тёплый боковой источник слева, мягкая тень на правой щеке.
Убери из левого нижнего угла кадра посторонний предмет, заполни фоном стены.
Не меняй одежду, причёску и выражение лица. Без текста и надписей в кадре.Приём простой: сначала перечислите, что трогать нельзя, потом — что поменять. Так удачные части ролика защищены от самодеятельности модели.
Зачем описание на 20 000 символов?
Не затем, чтобы писать сочинение. Длинное поле выручает как раз на правках, где половина текста — список неприкосновенного, а вторая половина — точное описание изменения с раскадровкой по секундам. Для сравнения: у Veo, по документации Google, текстовый вход ограничен 1024 токенами. Разные ограничения — разные жанры запросов.
Ошибки, которые съедают бюджет
- Мегапромпт на десять действий сразу. Модель не понимает, что именно должно произойти, и выдаёт кашу в движении — двигайтесь стадиями.
- Перегенерация вслепую: та же формулировка, новый запуск, надежда на удачу. Дешевле найти перегруженное место в описании и разгрузить его.
- Поиск идеи сразу в 4K. Это 45 нейронов за секунду, потраченные на композицию, которую вы через минуту забракуете.
- Нет референсов там, где важна узнаваемость персонажа: внешность поплывёт от дубля к дублю.
- Не описаны свет и эмоция. Модель не додумывает то, о чём её не попросили, — так и получаются плоское освещение и пустые лица.
Частые вопросы
Чем Gemini Omni Flash отличается от Veo 3.1?
Главное различие — в наборе режимов. У Omni Flash четыре входа, включая правку готового ролика, длительность 3–10 секунд и описание до 20 000 символов. Veo 3.1, по документации Google, генерирует ролики на 4, 6 или 8 секунд, продлевает их на 7 секунд до двадцати раз и создаёт звук вместе с картинкой. Доводить почти готовое удобнее в первом; ролик с репликами и наращиванием длины логичнее делать во втором.
На каком тарифе доступна модель?
У Gemini Omni Flash 1.1 уровень доступа STANDARD. Какие уровни открывает ваш пакет и сколько в нём нейронов — на странице тарифов.
Можно ли сделать ролик длиннее 10 секунд?
Одна генерация Omni Flash даёт от 3 до 10 секунд, по умолчанию 8. Более длинные сюжеты собираются из нескольких сцен на монтаже — так работает почти вся индустрия генеративного видео. Если длина критична внутри одного кадра, посмотрите на модели, у которых заявлено продление роликов или более длинная базовая генерация.
Что дешевле: править ролик или перегенерировать?
Считайте по разрешению. Полная перегенерация восьмисекундного ролика в 1080p — 180 нейронов, и результат будет другим целиком. Правка сохраняет удачное и не заставляет платить за повторный поиск композиции. А сам поиск можно вести в 360p, где секунда стоит 4.5 нейрона: восемь секунд черновика — 36 нейронов.
