Одно фото и строчка текста — а на выходе говорящая открытка

Смотри, идея на одну строку: ты даёшь приложению одно фото и одну фразу — а на выходе короткий ролик, где картинка двигается и говорит твоим текстом. Открытка бабушке на день рождения, поздравление другу, мини-сторис про кота — десять секунд, которые хочется переслать.

И вот в чём свежесть: год назад так просто не вышло бы. Чтобы оживить фотографию, нужен был видеоредактор, отдельная озвучка, склейка губ со звуком — целый вечер мучений. А в мае Google показал Gemini Omni — модель, которая берёт на вход текст, картинку, аудио и видео сразу и выдаёт готовый ролик со звуком. Сундар Пичаи назвал это «создать что угодно из чего угодно». Один запрос — и из статичного фото получается живой клип. Вот на этом проект и едет.

Чему научишься

Проект маленький, но в нём целая петля «картинка + текст → видео», на которой потом строится куча приложений.

• Кормить модель сразу двумя входами. Не только текстом — ещё и картинкой. Это база любого мультимодального приложения.
• Писать промпт для движения. Описать, что именно должно происходить в кадре, а не просто «оживи».
• Сохранять результат как файл. Достать видео из ответа модели и записать его в .mp4, который можно сразу переслать.

Готовый стартовый промпт

Не пиши «оживи это фото» — модель начнёт угадывать, что двигать и как. Дай ей кадр, действие и настроение:

Разница в том, что сильный промпт не оставляет места для догадок: ты получаешь именно ту открытку, которую задумал, с первого раза — а не случайное движение со случайным голосом.

Что получится в итоге

Файл postcard.mp4 на восемь секунд: фото ожило, человек улыбнулся и махнул рукой, голос произнёс твоё поздравление. Из обычного снимка из галереи — открытка, которую отправляешь в мессенджер и слышишь в ответ «вау, как ты это сделал?».

Начни с одной открытки для близкого человека, доведи до файла, который можно переслать — и у тебя на руках конвейер, который превращает любое фото в живое поздравление за минуту.

Источник: Gemini Omni, the 'create anything' model, starts today with lifelike video — 9to5Google