Анимируем динамичные ассеты (GPT Image 2 + Gemini Omni 1.2 Flash)

GPT Image 2 ^[1] считается одной из лучших моделей для генераций картинок. У нее однопроходная архитектура, работающая почти в 2 раз быстрее по сравнению с предыдущими версиями GPT Image. Что интересно, качество, как и расходы на одну генерацию градируются с режима Low до High.

Gemini Omni 1.2 Flash ^[2] — это гугловское поделие, которое умеет генерировать видосы до 15 секунд длинной сразу со звуком. При этом, в ней доступен “диалоговый режим”, который позволяет вносить правки в уже готовое видео.

Сегодня потестим их в паре для генерации динамичных ассетов в стиле пиксельарт, которые нужно анимировать. Ассеты взяты из самых разных жанров и подобраны случайно.

#1 Стреляющий пистолет с обоймой

GPT Image 2

Gemini Omni 1.2 Flash

И GPT Image и Джемени справились, без шуток, отлично. Первый сделал хорошую раскадровку пистолетного выстрела, а второй облачил ее в качественную анимацию.  Единственное, дым кажется лишним, но это уже проблема промтинга.

#2 Сопла космического корабля с огнём

GPT Image 2

Gemini Omni 1.2 Flash

Двигатель тоже получился неплохим. Единственное, что Джемини был дан приказ строго рендерить анимацию на ПНГ фоне, но он обошелся с просьбой весьма своевольно.

#3 Стреляющая средневековая катапульта

GPT Image 2

Gemini Omni 1.2 Flash

Катапульта, внезапно, весьма правдоподобно подчиняется ее в Величеству физике и даже приводится в движение инерцией от отдельно взятого залпа. В промте, для справки, этот момент был упомянут вскользь, без подробного расписывания кинематики движения, так что зачет.

#4 Сакура с опадающими лепестками

GPT Image 2

Gemini Omni 1.2 Flash

Ассет опадющей сакуры выглядит весьма романтично, правда здесь Джемени вновь позволил небольшую вольность: его просили добавить прерывистости (“choppiness”, если по-английски), чтобы анимация больше напоминала восьмибитную. Он же сделал ее гораздо более современной и гладкой.

#5 Трёхэтажный дом с загорающимися/гаснущими окнами

GPT Image 2

Gemini Omni 1.2 Flash

Дом в исполнении Джемини получился весьма ламповым и архитектурно даже более удачным, чем ГПТ-исходник 

#6 Приземляющаяся маленькая летающая тарелка

GPT Image 2

Gemini Omni 1.2 Flash

НЛО выглядит забавно и, в принципе, двигается довольно реалистично, но зачем-то в последние две секунды Гемини заставил уже приземлившийся аппарат левитировать. Также он раскрасил ПНГшную секту в зеленый…

#7 Костёр с искрами и дымом

GPT Image 2

Gemini Omni 1.2 Flash

Костер качественный и особых нареканий в роли фонового ассета не вызывает точно.

#8 Магический жезл

GPT Image 2

Gemini Omni 1.2 Flash

Почему-то когда речь заходит об ассетах фентезийных, многие нейронки выкладываются на 200%. Джемини не стал исключением и анимация кастующего магического жезла выглядит месмерически красивой.

#9 Катящийся валун

GPT Image 2

Gemini Omni 1.2 Flash

Анимация камня удалась даже без глюков и джиттеринга, которым грешат некоторые другие нейронки. Но Джемини вновь упрямствует и не хочет делать нормальный ПНГ фон, добавляя при этом какой-то странный свет, будто льющийся на булыжник из театрального софита.

#10 Падающая кирпичная башня

GPT Image 2

Gemini Omni 1.2 Flash

В исполнении Джемини башня рассыпается картинно и эффектно. Опять же, хотелось бы немного больше олдскульной прерывистости.

#11 Раскрывающийся японский веер

GPT Image 2

Gemini Omni 1.2 Flash

Здесь обе модели справились на пять. Особенно радует скорость Джемини, которая анимирует спрайт-лист молниеносно в буквальном смысле.

#12 Световой меч

GPT Image 2

Gemini Omni 1.2 Flash

Добротная, стандартная анимация. Непонятно, что за световой флёр обволакивает джедайскую саблю,но, быть может, это делается нейронкой умышленно, чтобы избежать нарушения авторских прав?

#13 Автомобильное колесо

GPT Image 2

Gemini Omni 1.2 Flash

А вот это буквально лакмусовый тест. Некоторые другие модели, особенно бесплатный Qwen, не очень хорошо справляются с анимацией отдельно взятого колеса. Ну или может справляются, но к тому моменту уже закончатся бесплатные попытки. Джемини же справилась с первого раза и на удивление хорошо, убедительно реализовав стробоскопический эффект.

#14 Падающий метеорит

GPT Image 2

Gemini Omni 1.2 Flash

Метеор выглядит в целом неплохо. Единственное, лучше говорить Джемини, и вообще всем другим моделям при анимации ассетов, чтобы они намертво фиксировали положение объекта на бэкагрунд-поле.

#15 Катана

GPT Image 2

Gemini Omni 1.2 Flash

Заманчивый блеск, по все видимости, окуидзумовской стали — то есть из района Окидзумо на острове Хонсю, славящийся сталью тамахаганэ для мечей — выглядит очень олдскульно и поэтому весьма круто. Такую катану не грех всунуть в современный ремейк ну или хотя бы пародию на Ninja Gaiden.

Конклюжон

Gemini Omni 1.2 Flash, как и другие гугловские модели, отлично держит марку. Она рисует анимации быстро, понимает, что мы хотим от нее буквально с полуслова и позволяет себе галлюцинации и своевольничания не так уж и часто. GPT Image 2 тоже неплохая модель, так как рендерит картинки сумасшедше быстро, хорошо помнит контекст и не нарушает стилистическую логику ^[3] генераций.