Создание архитектурных видео через Gemini API: руководство по Omni Flash и Veo 3.1

Что вы узнаете из этого руководства?

Чтобы превратить архитектурную идею в видео, нужно описать не только внешний вид пространства, но и то, как зритель будет по нему перемещаться и на каких деталях сосредоточится. В этом руководстве мы рассмотрим основные различия между Gemini Omni Flash и Veo 3.1 в Gemini API, расскажем, как составлять понятные промпты для архитектурного контента и как улучшать результат за несколько итераций.

Согласно документации Google Gemini API, Gemini Omni Flash умеет создавать короткие видео по тексту и изображениям, а также редактировать их в несколько этапов. Veo 3.1 описывается как модель с генерацией встроенного звука, продлением видео, генерацией с привязкой к кадрам и визуальным управлением. Эти возможности рассчитаны на разные задачи, однако в исходных документах не раскрыты все технические подробности обеих моделей.

Требования и выбор модели

Рабочий процесс описан для Gemini API. В документации нет сведений о необходимом типе аккаунта, стоимости, аппаратном обеспечении, SDK или конкретной версии программного обеспечения, поэтому мы не будем делать предположений. Перед началом работы проверьте актуальные условия доступа и использования Gemini API.

Выбирайте модель в зависимости от задачи:

• Gemini Omni Flash: подходит для создания коротких видео по тексту или изображению, а также для доработки результата с помощью диалоговых итераций. Google рекомендует эту модель по умолчанию для генерации видео общего назначения; среди её ключевых возможностей также отмечены рассуждение по нескольким входным данным и согласованность персонажей.

• Veo 3.1: стоит рассмотреть, если нужны встроенный звук, продление сцены, управление конкретными кадрами или визуальное управление. В документации указано, что эта модель используется для генерации видео через API generateContent.

Если нужно не создавать видео, а изучать и анализировать уже существующее, документация Gemini API отсылает к отдельному руководству «Video understanding». Здесь мы сосредоточимся на создании новых видео.

Пошаговое составление промпта для архитектурного видео

Примеры ниже подготовлены с учётом рекомендаций из источников: давать чёткие и конкретные инструкции, указывать ограничения и итеративно улучшать результат. Это авторские примеры для архитектурного контента; они не подразумевают использование определённых параметров, управления камерой или команд интерфейса.

1. Сначала опишите пространство и цель съёмки. Вместо общего описания вроде «современный интерьер» укажите тип пространства, видимые материалы, характер освещения и то, что зритель должен понять. Если в первой попытке определить одну главную цель, результат будет проще оценить.

Создай короткое архитектурное видео, представляющее светлую кухню в жилом доме. Покажи шкафы из светлого дуба, светлую каменную столешницу и мягкий дневной свет, поступающий из большого окна. Передай спокойную и реалистичную атмосферу презентации; сохрани понятную планировку пространства.

В этом примере одновременно описаны пространство, материалы и освещение. Слова «короткое» и «понятную» также задают ожидания от результата, не предписывая конкретную длительность или технические настройки.

1. Если используете изображение, укажите, что нужно сохранить. Gemini Omni Flash работает с текстом и изображениями, а Veo 3.1 поддерживает визуальное управление. Если вы добавляете изображение, чётко напишите в промпте, какие его особенности нужно взять за ориентир и что именно следует улучшить в видео.

Создай архитектурное презентационное видео на основе предоставленного изображения интерьера. Сохрани существующую планировку стен, оконных проёмов и стационарной мебели. Подчеркни, как свет воздействует на поверхности, и покажи разницу между деревом и камнем; не добавляй новые архитектурные элементы.

Эта инструкция отдельно указывает, что нужно сохранить планировку исходного изображения и на каких деталях материалов сосредоточиться. Это не означает, что визуальное управление во всех случаях гарантирует одинаковый результат: проверьте видео и при необходимости запросите исправления в следующем цикле.

1. Описывайте движение с учётом его цели. В архитектурной презентации движение должно помогать понять планировку, а не отвлекать зрителя. Поскольку в источниках не перечислены конкретные параметры движения камеры, в примере мы описываем зрительский опыт, не используя названия технических настроек или значений.

Создай короткое видео, показывающее пространственные связи в галерее музея. Передай спокойное движение вперёд, которое поможет зрителю понять устройство главного выставочного зала, боковых проходов и высоту потолка. Сохрани естественное восприятие освещения и материалов; избегай отвлекающих визуальных изменений.

Задача здесь — сделать связи между пространствами галереи понятными. Если переходы или высота потолка воспринимаются неверно, опишите в новом промпте только эту проблему и не добавляйте сразу множество новых инструкций.

1. Исправляйте результат по одному пункту за раз. Gemini Omni Flash поддерживает многоэтапное редактирование в диалоговом режиме. Среди примеров использования, приведённых в документации, — замена элемента и изменение перспективы. Сохраните удачные части первого видео, а в следующем запросе укажите, что нужно исправить.

Сохрани планировку пространства и внешний вид материалов в видео. Измени перспективу камеры так, чтобы глубина комнаты и стена с окнами были видны понятнее. Не добавляй новую мебель или архитектурные элементы.

Этот запрос для второго этапа сосредоточен на конкретном изменении, а не повторяет описание всей генерации с самого начала. Изменение перспективы — один из примеров диалогового редактирования Gemini Omni Flash, приведённых в источнике; более подробный технический способ его реализации в документации не описан.

1. Выбирайте Veo 3.1 с учётом специальных задач для видео. Если важны продление сцены, управление отдельными кадрами или встроенный звук, проверьте, соответствуют ли этим требованиям заявленные возможности Veo 3.1. Чётко укажите цель такой операции; не добавляйте в промпт длительность, разрешение или другие параметры, не упомянутые в документации, как будто они поддерживаются.

Частые ошибки

• Расплывчатое описание: коротких формулировок вроде «стильное видео интерьера» может быть недостаточно, чтобы задать пространство, материалы и цель. Опишите желаемый результат конкретными характеристиками.

• Слишком много задач в одном промпте: одновременные просьбы подготовить презентацию, изменить материалы, показать другую перспективу и внести новые проектные решения усложняют оценку результата. Сначала создайте основную сцену, а затем разделите изменения на несколько итераций.

• Неуказанные ограничения: если не написать, какие элементы изображения нужно сохранить и каких изменений следует избегать, результат может не оправдать ожиданий. Следуя рекомендациям из источника, укажите, что нужно и чего не нужно делать.

• Восприятие первого результата как окончательного: руководство Google по созданию промптов рассматривает этот процесс как итеративный. Проверьте результат, выберите один недостающий элемент и обновите инструкцию с учётом этого.

• Смешение возможностей моделей: Gemini Omni Flash и Veo 3.1 описаны с разными наборами функций. Если особенно важны продление сцены или генерация с привязкой к кадрам, выбирайте модель с учётом соответствующей задокументированной возможности.

Следующие шаги: что учесть в архитектурном рабочем процессе?

Для архитектурной или интерьерной команды такой подход может стать способом создавать короткие презентационные видео на основе имеющихся изображений или пробовать рассказывать о пространственной идее в движении. Визуальное управление и многоэтапное редактирование могут быть полезны в задачах, где отправной точкой служит статичное изображение. Однако в источниках не говорится о прямой совместимости с конкретным CAD-, BIM- или 3D-программным обеспечением. Поэтому не следует считать, что модель автоматически интегрируется в используемый производственный процесс.

Перед внедрением проверьте доступ к API и возможную стоимость, условия лицензирования, доступ пользователей в команде и совместимость с имеющимися инструментами. В исходных документах не описаны цены, требования к аккаунту и аппаратному обеспечению, поэтому не принимайте решения о бюджете или рабочей станции, пока не уточните эти условия. Рассматривайте созданные видео как материалы для визуальной коммуникации, а не как подтверждённые представления проектных решений.

Источники и лицензия

Это руководство адаптировано на турецкий язык на основе руководства Google по созданию видео с Gemini API и документа о стратегиях разработки промптов. Оба источника распространяются по лицензии CC BY 4.0. Примеры промптов не скопированы из источников, а написаны специально для архитектурных задач.