Сделаем один короткий ролик целиком: поросёнок варит борщ для своего друга-котёнка, говорит одну фразу и ставит миску на стол. Нам понадобятся только вымышленные персонажи, один референс и один запрос. В конце сравним замысел с настоящим результатом генерации.
Что понадобится: вход в Gemini, возраст от 18 лет и подходящий тариф Google AI. На 9 сентября 2026 года Google описывает Gemini Omni Flash как режим, который создаёт 10-секундные видео с нативным звуком. Функции зависят от тарифа и страны; если пункта «Видео» нет, одним запросом его включить нельзя. Описание генератора Google · Инструкция Gemini
Что снимаем за десять секунд
Десять секунд вмещают одно маленькое событие. Нарезка из покупки свёклы, готовки, сервировки и ужина заставит модель перескакивать между сценами и менять героев. Поэтому начинаем с уже готового борща и оставляем три простых действия.
| Время | Что видно | Что слышно |
|---|---|---|
| 0–3 с | Поросёнок помешивает борщ и пробует аромат | Тихое бульканье, деревянная ложка касается кастрюли |
| 3–7 с | Он наливает борщ в миску и ставит её перед котёнком | Звук половника и миски на столе |
| 7–10 с | Поросёнок улыбается: «Борщ готов, дружок!» Котёнок радостно мяукает | Одна короткая реплика и одно мяуканье |
Камера медленно приближается одним непрерывным движением. Склеек нет. Так герои, кухня и кастрюля реже меняют форму.
Шаг 1. Генерируем референс
Референс фиксирует героя, одежду, палитру и место действия до запуска дорогой генерации видео. Мы создали исходник в чистом проекте: без фотографий людей, файлов компании, истории чатов и чужих персонажей.
Создай кинематографичный референс-кадр 16:9 для короткой доброй 3D-анимации.
В уютной деревянной кухне один маленький розовый поросёнок в шалфейно-зелёном
фартуке и кремовом поварском колпаке помешивает деревянным половником красный
эмалированный горшок с рубиново-красным борщом. На заднем плане за столом ждёт
один рыжий котёнок. Тёплый утренний свет, мягкие округлые формы, выразительные
лица, чёткие силуэты, средне-широкий кадр. Ровно один поросёнок и один котёнок.
Без текста, логотипов, водяных знаков, человеческих рук, лишних конечностей и
дублированных персонажей.
Перед загрузкой проверьте четыре вещи: в кадре по одному герою; одежда хорошо различима; действие можно продолжить; нет текста и чужих знаков. Наш кадр подходит: половник уже в руке, борщ виден, котёнок находится в той же кухне.
Шаг 2. Открываем режим видео
- Откройте новый чат в Gemini.
- Выберите «Видео» в боковом меню или в списке инструментов возле поля запроса.
- Добавьте референс через кнопку загрузки изображения.
- Убедитесь, что прикреплён именно безопасный вымышленный кадр, а не случайная фотография из той же папки.
Исходное изображение задаёт первый кадр и соотношение сторон. Для обычной презентации берите горизонтальный референс 16:9; для вертикального ролика сначала создайте вертикальный исходник.
Шаг 3. Отправляем производственный запрос
Создай добрый 10-секундный ролик с нативным звуком по приложенному референсу.
Сохрани тех же двух персонажей, их внешность, одежду, пропорции, кухню, красную
кастрюлю и тёплый 3D-стиль.
0–3 секунды: поросёнок один раз медленно помешивает рубиново-красный борщ,
наклоняется к кастрюле и довольно вдыхает аромат. Борщ тихо булькает.
3–7 секунд: поросёнок аккуратно наливает одну порцию в миску и ставит её на стол
перед котёнком. Слышны половник и мягкий стук миски о деревянный стол.
7–10 секунд: поросёнок смотрит на котёнка и естественным добрым детским голосом
по-русски говорит: «Борщ готов, дружок!» Котёнок радостно мяукает один раз.
Камера: один непрерывный средне-широкий план, очень медленное приближение,
без склеек, прыжков ракурса и тряски. Реплика принадлежит только поросёнку.
Без музыки, субтитров, надписей, логотипов, новых героев, лишних конечностей,
человеческих рук и смены одежды. Не показывай, как котёнок ест горячий суп.
Запрос устроен как лист съёмки: сначала неизменяемые признаки, затем действия по времени, отдельно камера, звук и запреты. Слово «красиво» здесь ничего не решает; проверяемые действия решают.
Настоящий результат нашего запуска
9 сентября 2026 года мы загрузили показанный выше референс в Gemini, выбрали горизонтальный режим и отправили запрос без сокращений. Gemini Omni вернул ролик длительностью 10,005 секунды, размером 1280×720 и с отдельной звуковой дорожкой AAC. Нажмите на воспроизведение: это сам результат модели, а не постановочный макет.
Что получилось: один непрерывный план; поросёнок сохранил розовую шерсть, колпак и зелёный фартук; котёнок не сменил окрас; красная кастрюля, деревянная кухня и тёплый свет остались узнаваемыми. На первой трети поросёнок наклоняется к борщу, затем набирает его половником, к седьмой секунде миска стоит перед котёнком, в финале оба героя реагируют друг на друга. Лишних персонажей и надписей нет.
Что проверить самому: в файле есть сгенерированная звуковая дорожка, однако наличие дорожки ещё не доказывает точность реплики. Прослушайте последние три секунды в наушниках и дословно сравните их со строкой «Борщ готов, дружок!». Если слово проглочено или голос достался котёнку, используйте точечную правку из шага 5. Так и выглядит приёмка результата: картинку и звук проверяют отдельно.
Шаг 4. Проверяем не впечатление, а факты
Сначала посмотрите ролик без звука и отметьте:
- остались ли в кадре те же поросёнок и котёнок;
- не поменялись ли фартук, колпак, кастрюля и кухня;
- действительно ли миска переместилась от кастрюли к котёнку;
- не появились ли лишние лапы, пальцы, ложки или персонажи;
- читается ли действие на скорости воспроизведения.
Затем наденьте наушники и проверьте звук: бульканье совпадает с кастрюлей, голос принадлежит поросёнку, русская фраза произнесена полностью, котёнок мяукает один раз. Сгенерированную речь нельзя считать верной только потому, что она звучит убедительно.
Шаг 5. Исправляем один дефект за раз
Если первый дубль почти годится, не переписывайте весь запрос. Назовите одну ошибку и закрепите остальное:
Исправь только финальные три секунды: полную фразу «Борщ готов, дружок!» должен
сказать поросёнок, синхронно открывая рот. Котёнок после фразы только один раз
мяукает и не говорит человеческим голосом. Сохрани персонажей, одежду, кухню,
действия первых семи секунд, движение камеры, свет и все звуки без изменений.
Если модель изменила внешность героя, вернитесь к исходному референсу и запустите новый дубль. Правка уже «уплывшего» персонажа часто закрепляет ошибку.
Как сохранить и использовать результат
Под готовым роликом выберите «Поделиться» → «Скачать видео». Не обрезайте видимую маркировку сервиса и не выдавайте ролик за документальную съёмку: Google также добавляет в сгенерированные видео невидимую метку SynthID.
Для презентации оставьте исходный звук, но добавьте рядом короткую подпись «Видео создано с помощью ИИ». Перед публикацией ещё раз проверьте изображение покадрово, речь на слух и права на все загруженные референсы.
Что перенести в другую задачу
Эта схема работает и для делового ролика: один референс продукта, одно событие, три действия по времени, одно движение камеры и отдельная строка звука. Например, вместо поросёнка можно показать, как устройство проходит три этапа сборки, а вместо реплики дать короткое звуковое подтверждение. Главное — не превращать десять секунд в пересказ целой презентации.
