Волшебство видео ИИ Google Gemini: как обновление «Нано-банан» превращает фото в кинематографичные ролики

Обновление изображения “Nano Banana” улучшает видео: Последнее обновление Google Nano Banana — это новая передовая модель обработки изображений (Gemini 2.5 Flash Image), которая повышает фотореалистичность и согласованность [1]. Она позволяет Gemini сохранять точное сходство человека при редактировании и объединять несколько изображений, а также использовать улучшенные изображения для генерации видео [2] [3]. Это обновление закладывает основу для высококачественных преобразований фото в видео в приложении Gemini.
Фото в 8‑секундные видео со звуком: Теперь приложение Gemini позволяет пользователям превращать любое статичное фото в 8-секундный видеоролик со звуком (звуковые эффекты, фоновый шум, даже диалоги) [4]. Эта функция, работающая на базе видеомодели ИИ Veo 3 от Google DeepMind, анимирует ваше изображение по текстовому запросу, создавая короткое видео с музыкой или фоновым звуком. Google сообщает, что уже наблюдается взрыв творческой активности — более 40 миллионов ИИ-видео сгенерировано всего за семь недель после запуска [5].
Простой интерфейс, доступ только для Pro: Использовать видеоинструмент Gemini просто: выберите «Видео» в приложении, загрузите фото и опишите сцену и аудио, которое вы хотите [6]. Примерно через 1–2 минуты Gemini создает видеоклип 720p, 24 кадра/с [7]. (Подписчики Google AI Pro получают Veo 3 Fast для более быстрых 8-секундных видео, а подписчики Ultra получают доступ к самой качественной модели Veo 3 [8] [9].) Доступность ограничена платными тарифами – пользователи Pro могут создавать 3 видео/день, а Ultra – 5/день [10] [11] – и функция постепенно появляется в отдельных странах [12]. Все видео, созданные ИИ, четко помечены: видимый водяной знак «AI» и невидимый цифровой водяной знак SynthID встроены в видео [13].
Новые креативные трюки и советы от Google: В блоге Google креативный продюсер делится 3 способами использования инструмента Gemini для преобразования фото в видео. Во-первых, анимируйте иллюстрации – оживляйте рисунки или графику, превращая их в движущиеся изображения [14]. (Видео создаются в формате 16:9, с черными полосами, если ваше изображение не в широкоформатном формате [15].) Во-вторых, превратите фотографию в фильм – начните с реального фото и добавьте креативные детали или новых персонажей; Gemini “заполнит пробелы” и анимирует сцену [16]. (Совет: оригинальное фото становится первым кадром видео, поэтому четкий, крупный объект даст лучший результат [17].) В-третьих, выразите художественное видение – используйте подробные подсказки для визуализации раскадровок или концепций для презентаций [18]. Автор отмечает, что это может быть быстрее и эффективнее статичных макетов, помогая другим “лучше представить мою концепцию” с помощью реалистичных AI-рендеров [19]. Промптинг требует практики – возможно, вам придется дорабатывать подсказки несколько раз [20]. Вы даже можете попросить Gemini предложить ракурсы камеры или монтаж для улучшения видео [21]. А если результат выглядит слишком реалистично, помните: SynthID-теги и водяные знаки обеспечивают прозрачность, подтверждая, что это создано ИИ [22].

Veo 3

киноуровневый ИИ-генератор видео

родной генерацией аудио

говорить

Flow

[27]

Flow

управление камерой

Как Gemini сравнивается с Sora, Runway, Pika и Firefly: Продвижение Google в области видео на базе ИИ происходит на фоне насыщенного рынка инструментов преобразования текста в видео. Sora от OpenAI (недавно запущенная через ChatGPT) также может генерировать короткие клипы по текстовым запросам. Sora отмечают за исключительное качество и кинематографичность, с высокой временной согласованностью между кадрами [32]. Она использует более “раскадровочный” стиль интерфейса для запросов, который некоторым создателям кажется интуитивно понятным [33]. Однако доступ к Sora многоуровневый — пользователи ChatGPT Plus могут создавать видео до 720p, 10 секунд, тогда как ChatGPT Pro ($200/месяц) позволяет 1080p до 20 секунд и более быструю генерацию [34] [35]. В Sora также отсутствует встроенная генерация аудио, то есть она создает немые видео (звук нужно добавлять вручную) [36]. В отличие от этого, Veo 3 от Gemini автоматически добавляет звуковое оформление, что является значительным преимуществом [37]. Runway ML, один из первых пионеров генеративного видео, быстро развивался от Gen-1 до Gen-2 и теперь Gen-3. Runway Gen-2 (впервые выпущенный в 2023 году) был первой коммерчески доступной моделью преобразования текста в видео и поразил пользователей своим прогрессом [38] [39]. Обновление Gen-2 в конце 2023 года широко называли “переломным моментом” за значительное повышение качества и согласованности видео [40]. Оно позволило создавать более длинные клипы (сначала ~4 секунды, позже до 18 секунд) и ввело функции “Режим режиссера”, такие как управление имитируемыми движениями камеры (панорамирование, зум и т.д.) в AI-сцене [41] <a href=»https://venturebeat.com/ai/runways-gventurebeat.com. Gen-2 от Runway могла взять входное изображение и анимировать его (похоже на функцию фото-видео у Gemini), а также даже повысить разрешение вывода (одно из обновлений увеличило качество видео на основе статичных изображений до ~1536p) [42]. Теперь, в 2025 году, Runway Gen-3 (альфа) продолжает развивать реализм и контроль редактирования, приближаясь к профессиональному уровню качества вывода [43]. Создатели хвалят Runway за его обширный набор инструментов (он предлагает полноценный веб-редактор с кейфреймингом, дорисовкой и т.д.), хотя при интенсивном использовании стоимость может быть высокой, а в часы пик возможны очереди [44] [45]. Как и у Gemini, видео Runway сейчас без звука (нет автоматического аудио), акцент только на визуале. Pika Labs — еще один новый игрок, известный более игривым и стилизованным подходом к AI-видео. Запущенный в 2023 году небольшой стартапом (и поддерживаемый значительным финансированием), Pika стал популярен благодаря своим уникальным “Pika Effects” — пресетам, добавляющим забавные анимации или модные визуальные стили к видео [46]. Поддерживает текст-видео и изображение-видео, и его хвалят за удобство и быстроту, что делает его отличным для контента в соцсетях. Результаты Pika обычно — короткие стилизованные клипы (идеально для мемов, музыкальных визуализаций и т.д.), а не гиперреалистичное кино. Как отмечено в одном из обзоров, такие инструменты, как Runway и Pika, “заняли ниши для стилизованного или экспериментального контента”, в то время как Gemini/Veo от Google “делает ставку на реализм и добивается этого” [47]. Другими словами, Pika Labs отлично подходит для творческого самовыражения и простоты использования, хотя по фотореализму может уступать Gemini. Цены на Pika довольно доступны (есть бесплатная пробная версия и тарифы ~$10/месяц с определенным количеством видеокредитов) [48] [49], что делает его популярным среди независимых создателей. Гигант индустрии Adobe также вышел на арену с Adobe Firefly для генеративного видео (сейчас в бета-версии). Инструменты Firefly для текст-видео и изображение-видео интегрированы в веб-платформу Adobe, нацелены на 1080p/strong> высококачественные клипы продолжительностью в несколько секунд. Adobe делает акцент на «безопасной для бренда» генерации видео с помощью ИИ – модель Firefly обучена на лицензированном или контенте Adobe Stock, чтобы избежать проблем с авторским правом, и позиционируется как первый ориентированный на бизнес, «коммерчески безопасный» видеогенератор. На практике Firefly может анимировать изображения или создавать короткие сцены с впечатляющей детализацией (Adobe демонстрирует примеры, такие как кинематографические пейзажи природы, продуктовые кадры с пролётом камеры и даже крупные планы человеческих лиц) [50] [51]. Также предлагаются некоторые ползунки управления камерой и стили, что использует опыт Adobe в области визуальных эффектов. Компромисс заключается в том, что Firefly довольно ограничен, чтобы гарантировать, что результаты «юридически безопасны» и правильно лицензированы [52]. Adobe делает ставку на профессиональных создателей, которым нужны надежные видеоматериалы с очищенными правами – например, маркетинговые команды могут быстро создавать B-roll или раскадровки, не опасаясь нарушений ИС. Хотя визуальная детализация Firefly на высоком уровне, у Gemini от Google есть преимущество в бесшовной генерации аудио и более динамичных, длинных сцен (и, конечно, у Google есть преимущество в виде уже существующей пользовательской базы через приложение Gemini). Конкуренция высока, но каждая платформа – Sora, Runway, Pika, Firefly и Gemini – предлагает немного разный набор возможностей для разных аудиторий и сценариев использования.
Реакция: Что говорят создатели и эксперты: Общественная реакция на видеоинструменты Gemini в основном была восторженной. Многие пользователи делились потрясающими примерами в социальных сетях — от старых семейных фотографий, оживленных с помощью легкой анимации, до фантастических картин, превращенных в короткометражные фильмы. Технические обозреватели из Tom’s Guide протестировали Veo 3 от Gemini и остались впечатлены. «Признаю, выглядит довольно правдоподобно», — написал один из рецензентов после того, как превратил селфи в видео, где он бежит по пляжу, отметив, что, хотя некоторые мелкие детали были немного размыты, «видео выглядит достоверно» и даже включает звук волн и шагов, что «делает его более реалистичным» [53] [54]. В другом тесте ИИ успешно добавил «вторжение пришельцев» на простую фотографию парка — результат содержал несколько забавных артефактов (НЛО появлялись и исчезали), но в целом получилась интересная маленькая научно-фантастическая сцена, сгенерированная за считанные минуты [55] [56]. Такие примеры подчеркивают как восторг, так и текущие ограничения: Gemini может создавать поразительно реалистичную картинку и звук, но внимательные пользователи все еще могут заметить отдельные сбои или размытости. Экспертные мнения свидетельствуют, что Google находится на передовой быстро развивающейся области. Команда Stockimg.ai, сравнивая ведущие видеомодели, отметила, что «по чистому качеству результата Sora и VEO3 сейчас лидируют», и обе создают видео, которые «трудно отличить от реальных съемок» [57]. Они подчеркнули преимущество Gemini в виде встроенного звука и мощной поддержки ИИ от Google [58]. Другой аналитик отметил, что интеграция этих инструментов Google (Gemini, Veo, Flow) создает «нечто вроде целой студии у вас под рукой», тогда как другим могут понадобиться отдельные решения для звука или монтажа [59]. Тем не менее, признается, что ни одна модель пока не идеальна — например, Veo 3 может испытывать трудности с очень быстрыми движениями или сложными взаимодействиями (например, несколько человек разговаривают), а также намеренно избегает генерации узнаваемых реальных лиц или защищенных авторским правом персонажей по этическим причинам. Примечательно, что Google сознательно занимается вопросами этики и безопасности в области генеративного видео. В своем анонсе Google подчеркнула обширные«red teaming» и обеспечение соблюдения политики для предотвращения неправильного использования AI-видео [60]. Каждый созданный Gemini видеоролик снабжен водяным знаком, чтобы предотвратить обман [61]. Такой осторожный подход был хорошо воспринят большинством экспертов, которые согласны с тем, что крайне важно четко маркировать AI-контент по мере того, как он становится все более реалистичным. Некоторые создатели по-прежнему испытывают беспокойство по поводу AI-изображений — даже одна из продюсеров Google признает, что она «колеблется между чувством восторга и тревоги», используя эти инструменты, но в конечном итоге считает, что AI-сгенерированное искусство позволяет ей создавать визуальные образы, которые иначе бы не существовали, дополняя её работу, а не заменяя её [62]. Такой осторожный оптимизм — принятие новых творческих возможностей при внимательном отношении к возможным недостаткам — отражает большую часть общественных настроений.

За несколько месяцев обновление Google Gemini “Nano Banana” и функции генерации видео вывели платформу на передовой рубеж ИИ-креативности. Объединяя мощный редактор изображений с генеративным видеодвижком, Gemini позволяет любому подписчику с воображением создавать короткие “фильмы” из одной фотографии или запроса. Это слияние ИИ для изображений и видео — наряду с соперниками, идущими ноздря в ноздрю, — говорит о том, что мы вступаем в новую эру, где рассказ истории может начаться всего лишь с текстового запроса и мечты. И послание Google для создателей однозначно: Внимание. Камера. ИИ-Экшен! [63]

Источники:

Google Blog – “Image editing in Gemini just got a major upgrade” (Nano Banana update) [64] [65]
Google Blog – “Turn your photos into videos in Gemini” (David Sharon) [66] [67] [68] [69] [70]
Google Blog – “3 ways to use photo-to-video in Gemini” (Tatiana Gonzalez) [71] [72] [73] [74] [75] [76]
Tom’s Guide – «Я превратил фотографии в видео с помощью Google’s Veo 3 – потрясающие результаты» [77] [78] [79]
ProTunes One – «Новый инструмент создания видео от Gemini: что это значит для создателей» [80] [81] [82]
Stockimg AI Blog – «Сравнение лучших моделей генерации видео на ИИ: Sora, VEO3, Runway и другие» [83] [84] [85] [86] [87]
VentureBeat – «Обновление Gen-2 от Runway… невероятное видео с ИИ» [88] [89] [90]
OpenAI – Страница продукта Sora [91] [92]
Adobe – Страница генератора видео Firefly AI [93] [94]

https://youtube.com/watch?v=gcZwE5cM4xs

References

Волшебство видео ИИ Google Gemini: как обновление «Нано-банан» превращает фото в кинематографичные ролики

References

Tags:

Related Articles

Финансовые команды Amazon используют ИИ для сложных задач — трансформация корпоративных финансов

Экосистема умного дома Google 2025: новые AI-обновления, устройства Nest и всё, что нужно знать

Обзор новостей ИИ: технологические гиганты представляют ИИ нового поколения, миллиардные ставки, регуляторная спешка и предупреждения (1–2 августа 2025)

Биткоин против Эфириума 2025: Главная битва за лучшие инвестиции в криптовалюту 🚀💰