Как составить промпт для архитектурного видео с Gemini Omni Flash и Veo

Чему вы научитесь в этом руководстве?

Превратить архитектурную сцену в видео — это не просто попросить «показать современный дом». Чтобы лучше контролировать результат, опишите пространство, происходящие в сцене изменения, время суток и движение камеры. В этом руководстве разберём, как составлять промпты для Gemini Omni Flash и Veo с акцентом на архитектуру и интерьеры, чем отличаются описанные в источниках сценарии их использования и каких распространённых ошибок стоит избегать.

В документации Google Gemini Omni Flash рекомендуется для создания коротких видео по тексту и изображениям, а также для редактирования в несколько этапов. Veo 3.1 описывается такими возможностями, как естественный звук, продление видео и генерация с привязкой к кадру. Поэтому сначала определите задачу: для создания новой сцены и дальнейшей доработки результата в диалоге рассмотрите Omni Flash; если вам нужно продлить видео или задать генерацию с привязкой к кадру, оцените Veo 3.1.

Требования и выбор инструмента

В исходной документации видеогенерация описывается для Gemini API и Vertex AI Agent Platform. Для Omni Flash упоминается Interactions API, а для Veo 3.1 — generateContent API. В документации не указаны конкретная версия локального программного обеспечения, тип аккаунта, стоимость или условия доступа; перед началом работы уточните эти сведения в актуальной документации соответствующего сервиса.

Перед началом ответьте на три вопроса:

• Нужно создать новое архитектурное видео или проанализировать уже существующее? В источниках описана генерация видео; анализ имеющегося видео рассматривается в отдельном руководстве по пониманию видео.

• На вход подаётся текст, изображение или их сочетание? Gemini Omni Flash описывается как мультимодальная модель, поддерживающая совместную обработку текста, изображений, аудио и видео. Для Veo 3.1 указана возможность направлять генерацию с помощью изображения.

• Какое изменение важнее всего в результате? Выберите одну цель: например, показать конкретное пространство, задать движение камеры или продолжить сцену.

Промпт можно составить из следующих элементов: объект (на чём сосредоточено изображение), действие (что происходит), сцена и контекст (где и когда происходит действие, какова атмосфера), ракурс камеры и движение камеры. Необязательно включать все элементы в каждый промпт — выбирайте их в зависимости от задачи.

Архитектурные видеопромпты: пошаговое руководство

1. Сначала опишите пространство и главный объект

Объект — это здание или элемент интерьера, который находится в центре видео. Вместо общих формулировок укажите видимые характеристики: например, материалы, форму и пространственные взаимосвязи. Следующий пример предназначен для создания новой сцены экстерьера:

A contemporary public library with a broad timber canopy and a glazed ground floor, set in a quiet urban plaza at early morning. Soft overcast daylight reveals the timber grain and the reflections in the glass. Wide establishing shot, calm architectural visualization.

В примере вместе описаны здание, материалы, окружение, время суток и общий план. Для концептуального видео решите, на каком аспекте проекта сделать акцент: например, на ритме фасада, входном проёме или связи здания с площадью. Вместо невидимых технических характеристик или точных размеров укажите качества, которые хотите показать в видео.

2. Опишите действие в сцене

Действие объясняет, чем видео отличается от статичного изображения. В архитектурной визуализации его можно задать через наблюдаемые элементы: движение людей, изменение освещения или покачивание листьев на ветру:

A small group of visitors walks slowly through a contemporary museum atrium, pausing beneath a large skylight. Sunlight shifts gently across the stone floor while a few leaves outside move in a light breeze. Medium-wide shot, restrained and realistic movement.

Здесь действия короткие и согласованы между собой. Если описать для одного клипа слишком много событий или изменений, может стать непонятно, какое движение главное. Сначала выберите одно основное действие и при необходимости добавьте небольшое движение окружающей среды.

3. Добавьте ракурс и движение камеры

Ракурс камеры задаёт точку зрения, с которой зритель видит пространство, а описание движения — ход съёмки. В руководстве Google приводятся такие примеры ракурсов, как общий план, вид сверху, съёмка на уровне глаз и крупный план, а также такие движения, как pan, tilt, dolly, truck, zoom и crane. Отдельно отмечается, что результаты при использовании сложных ракурсов могут различаться.

A double-height residential living room with a sculptural staircase and a large window facing a garden. Begin with a wide eye-level view, then make a slow dolly in toward the staircase. Soft late-afternoon light, stable camera, natural material detail.

В этом промпте чётко заданы начальный кадр и одно движение камеры. «Dolly in» описывает физическое приближение камеры к объекту; в руководстве это движение отделено от zoom. Вместо того чтобы объединять в одном кадре множество указаний для камеры, начните с одного движения — так будет проще оценить результат.

4. Свяжите освещение и атмосферу с пространством

Контекст сцены включает такие элементы, как место, время суток, погода и атмосфера. Описывайте освещение так, чтобы оно помогало воспринимать дизайн. Например, если важно показать поверхности материалов, укажите, откуда падает свет и какую атмосферу он создаёт:

A quiet boutique hotel lobby with pale stone walls, a dark timber reception desk, and a shallow reflecting pool. Early morning light enters from the side and creates soft reflections on the stone. Static wide shot, subtle water movement, calm atmosphere.

Фиксированная камера здесь помогает сосредоточиться на лобби и материалах, а движение воды добавляет сцене немного динамики. Следите, чтобы описания света, камеры и действия работали на одну визуальную цель. Например, просьба создать драматичную ночную атмосферу может противоречить указанию показать пространство при ярком полуденном свете.

5. Используйте изображение как ориентир

Если у вас есть референсное изображение, можно рассмотреть сценарий с визуальным вводом. В источнике указано, что Omni Flash работает с текстом и изображениями, а Veo 3.1 поддерживает генерацию с визуальным ориентиром. Однако гарантий точного сохранения каждой детали изображения нет. Поэтому отдельно укажите в промпте, какие характеристики важны:

Use the provided architectural image as visual direction for a compact courtyard house. Show a slow truck right across the courtyard, revealing the relationship between the timber screen, planted edge, and interior glazing. Gentle daylight, restrained movement, wide shot.

В этом примере изображение используется как ориентир, а в промпте дополнительно уточняется, что именно должно попасть в кадр. Если в результате меняются материалы или пространственные взаимосвязи, упростите промпт и заново сформулируйте главный акцент. В источниках упоминается возможность визуального ориентирования, но не описываются конкретный шаг загрузки изображения или путь в интерфейсе.

Распространённые ошибки

Слишком общие описания: формулировки вроде «красивое видео дома» не задают чётко объект и атмосферу. Укажите тип здания, пространство и характерную особенность, на которой нужно сделать акцент.

Смешение действия и движения камеры: в описании вроде «фасад вращается, пока камера приближается» может быть неясно, какое движение главное. Сначала отдельно опишите действие в сцене, затем — движение камеры.

Несогласованная атмосфера: указания на разные условия освещения и время суток в одном промпте ослабляют контекст сцены. Выберите одно время суток и одну атмосферу.

Предположение, что все ракурсы одинаково надёжны: Google отмечает, что результаты и надёжность при использовании некоторых сложных ракурсов могут различаться. Если кадр получается неожиданным, попробуйте более простой ракурс.

Смешение генерации и анализа: документация API, рассматриваемая в этом руководстве, посвящена генерации видео. Если нужно проанализировать существующее видео, обратитесь к документации по пониманию видео, на которую указывает источник.

Применение в архитектурном и визуализационном процессе

Такой подход может пригодиться архитекторам, дизайнерам интерьеров и командам визуализации для создания коротких анимированных проб концептуальных сцен, атмосферы интерьера или связи здания с окружением. Раздельное описание объекта, действия и параметров камеры помогает сравнивать разные идеи для презентации. Однако источники не утверждают, что сгенерированное видео в точности сохраняет геометрию или материалы проекта. Поэтому рассматривайте результат как средство визуальной коммуникации, а не замену проверки дизайна.

При выборе инструмента важно учитывать не только задачу, но и лицензию, условия доступа к сервису и стоимость. В исходных текстах не приводятся цены или требования к аккаунту. Перед использованием изображений реальных проектов командам следует изучить условия соответствующего сервиса и внутренние правила работы с данными, а также проверить, совместим ли выбранный сценарий API с текущим производственным процессом. Для важной презентации разумнее провести короткие тесты и проверить описания камеры и сцены, чем полагаться на один промпт.

Что делать дальше

Сначала проведите несколько тестов одной и той же сцены, каждый раз меняя только движение камеры; затем измените один элемент — например, освещение или действие. Так будет проще понять, какая формулировка повлияла на результат. В документации описана возможность редактирования в несколько этапов в Gemini Omni Flash; при её использовании чётко указывайте, что нужно изменить на каждом этапе. Veo 3.1 выбирайте для описанных в источниках задач, таких как продление видео или генерация с привязкой к кадру. В обоих случаях оценивайте результаты с учётом поставленной задачи архитектурной презентации.

Источники и лицензия

Это руководство адаптировано на турецкий язык по материалам Google AI for Developers «Video generation in the Gemini API» и Google Cloud «Video generation prompt guide». Оба источника распространяются по лицензии CC BY 4.0.