Gemini Omni Flash 1.2: ролики до 15 секунд из кадров, референсов и видео

Обновление 1.2 в VibeHype AI заметнее всего по длительности: вместо коротких вставок модель уверенно собирает сцену до 15 секунд. При этом входы остались разными — от одного текста до готового ролика, который нужно переработать. Разберём, под какие задачи подходит каждый вариант, где проходят лимиты и как считать бюджет в кредитах.

Три типовые задачи, под которые подходит 1.2

Модель удобно выбирать по задаче, а не по техническому режиму. В большинстве случаев подходит один из трёх сценариев.

Входы и лимиты: таблица режимов

Режимы различаются тем, что можно приложить к запросу, и какая длительность доступна. Держите таблицу под рукой, чтобы не собирать несовместимую комбинацию.

Из таблицы видно главное правило: кадры не сочетаются с референсами и видео, а видео и изображения — сочетаются. Если комбинация недопустима, форма предложит убрать лишний вход до отправки запроса, поэтому кредиты не списываются за заведомо ошибочный запуск.

Длительность: как выбрать из пресетов

В 1.2 длительность задаётся пресетами 4, 6, 8, 10, 12 и 15 секунд. Выбор влияет не только на цену, но и на содержание: за 4 секунды успевает одно действие, за 15 — сцена из двух-трёх beats.

• 4–6 секунд — один акцент: поворот головы, всплеск, появление объекта. Хорошо для превью и тестов.
• 8–10 секунд — короткая история с завязкой и финалом. Рабочий формат для соцсетей.
• 12–15 секунд — сцена с развитием: вход героя, действие, реакция. Требует более подробного промпта.
• До 10 секунд — лимит режима с первым и последним кадром: модель проходит путь между состояниями.

Если сомневаетесь, начните с 8 секунд: этого достаточно, чтобы оценить, как модель поняла сцену, и при этом итерация стоит недорого.

Первый и последний кадр: когда это лучше референсов

Референсы отвечают на вопрос «кто и что в кадре», а кадры — на вопрос «как сцена меняется во времени». Если у вас есть конкретные состояния до и после, режим двух кадров даёт более предсказуемый результат, чем набор картинок.

• Первый кадр обязателен: он задаёт стартовую композицию и соотношение сторон.
• Последний кадр необязателен, но добавляется только вместе с первым.
• В форму не нужно добавлять референсы или видео — режим принимает только кадры и текст.
• Финальная длительность — до 10 секунд: чем короче путь между кадрами, тем стабильнее переход.

Полезный приём: опишите, что происходит между кадрами, а не только их содержимое. «Герой поворачивается к окну, камера медленно приближается, свет меняется с дневного на вечерний» — модель получит сценарий движения, а не два статичных состояния.

Референсы: шесть изображений и правило квоты

В режиме референсов можно приложить до шести изображений. Каждое работает как опора: внешность персонажа, предмет, фактура, стиль освещения. Чтобы модель не путала источники, распределяйте роли в промпте явно.

• До 6 изображений без видео-входа.
• До 5 изображений, если добавлено видео: ролик занимает два слота общей квоты.
• auto — формат берётся из входного изображения; без референсов этот режим означает 16:9.
• Без референсов тоже работает: описание сцены и формат 16:9 или 9:16.

Не стоит загружать шесть похожих кадров одного человека — лучше два ракурса героя и два-три изображения обстановки. Так у модели останется больше свободы для движения, а не для копирования одной позы.

Редактирование готового ролика: без обрезки и склейки

Видео-редактирование принимает один ролик длиной до 15 секунд и весом до 100 МБ. Модель обрабатывает его целиком: длительность результата равна длительности исходника, а входное видео нельзя обрезать внутри формы.

• Один ролик на запрос — несколько видео одновременно не загружаются.
• Дополнительно можно приложить до пяти изображений: они уточняют, что должно появиться в кадре.
• Каждый запуск — отдельный результат: правка описывается новым промптом, а не цепочкой уточнений.
• Биллинг считается по длительности входного ролика, поэтому короткие исходники выгоднее.

Если нужен только фрагмент, сначала сократите ролик удобным редактором, а затем загружайте готовый отрезок: так вы не будете платить за секунды, которые не нужны в результате.

Звук, формат и разрешение

Модель генерирует видео вместе со звуком: это нативная дорожка, отдельного аудиофайла или переключателя звука в форме нет. Атмосферу и события лучше описать в промпте — шаги, дождь, городской гул, музыка или тишина.

• Формат: 16:9 для горизонтальных площадок, 9:16 для вертикальных, auto — для референсов.
• Разрешение: 360p для черновика, 720p для соцсетей, 1080p для публикации, 4K для монтажа и больших экранов.
• Этапность: проверяйте идею на 360p или 720p, а финал пересобирайте в 1080p или 4K.

Стоимость: примеры в кредитах

Цена зависит от разрешения и длительности — тарифицируются секунды результата. При редактировании видео секунды считаются по длительности входного ролика. Точную сумму форма запрашивает у сервера до запуска и показывает рядом с кнопкой.

Самый доступный вариант — 4 секунды в 360p, около 1,75 кредита. Для видео-редактирования пример другой: ролик 5,4 секунды в 720p обойдётся примерно в 4,75 кредита, потому что биллинг идёт по длительности входа. Ориентировочные цифры помогают планировать бюджет, но итоговую стоимость всегда подтверждает расчёт в форме.

Ошибки, из-за которых форма не запустит генерацию

Большинство проблем решается до отправки запроса. Чаще всего встречаются такие ситуации:

• последний кадр добавлен без первого;
• кадры пытаются совместить с референсными изображениями или видео;
• в режиме двух кадров выбрана длительность больше 10 секунд;
• референсных изображений больше шести или больше пяти при видео-входе;
• видео длиннее 15 секунд или тяжелее 100 МБ;
• в промпте описано несколько независимых сцен, которые не укладываются в выбранную длительность.

Форма проверяет входы до запуска и предлагает исправить комбинацию, поэтому ошибочный запрос не приводит к списанию кредитов.

Промпт-шаблон для ролика на 15 секунд

Хороший промпт для длинного ролика описывает не картинку, а короткую сцену. Держитесь схемы: место и настроение → герой → действие в начале → развитие → финал → камера → звук.

Вертикальный ролик 9:16, вечерняя кофейня у окна. Героиня в тёмно-зелёном пальто входит в кадр, стряхивает капли дождя с плеч и подходит к стойке. Камера начинает со среднего плана, медленно приближается и к финалу берёт крупный план чашки в её руках. Тёплый свет лампы, отражения в стекле. Звук: приглушённый гул зала, звон чашки, тихая музыка без резких акцентов.

Для режима первого и последнего кадра к этому описанию добавьте рамки: «первая секунда совпадает с первым кадром, к последней секунде героиня останавливается в позе со второго кадра». Для видео-редактирования начните с того, что нужно сохранить: «сохранить движение камеры и позы, заменить фон на вечернюю кофейню, добавить отражения в стекле».

Чек-лист перед генерацией

• Выбран сценарий: соцсети, переход между кадрами, переработка видео или черновик.
• Комбинация входов допустима: кадры отдельно, видео и изображения вместе.
• Длительность попадает в лимит режима: до 15 секунд или до 10 в режиме двух кадров.
• Промпт описывает одну сцену с началом, развитием и финалом.
• Разрешение соответствует этапу: черновик дешевле, финал качественнее.
• Стоимость проверена в форме до запуска.