Gemini Omni Video: как писать промпты для видео со звуком (гайд + примеры)

Gemini Omni — видеомодель Google нового поколения. Её главное отличие от Veo и Kling в том, что она нативно мультимодальная: на вход одинаково принимает текст, изображения, аудио и видео, а на выходе отдаёт ролик с синхронизированным звуком. И промптится она иначе: вместо жёсткого перечисления параметров ей можно описать замысел обычным языком — модель рассуждает и сама достраивает детали, опираясь на знания о физике и мире.

В этом гайде: как формулировать промпты по рекомендациям из официального гайда Google DeepMind и документации Gemini API — и четыре реальных видео с полными промптами, которые пользователи ETool опубликовали в галерее идей.

Gemini Omni доступна в генераторе ETool без VPN: от 50 монет за ролик (1 монета = 1 ₽).

Параметры и цены в ETool

Параметр	Значения
Длительность	4, 6, 8 или 10 секунд
Разрешение	720p, 1080p, 4K
Формат кадра	16:9 и вертикальный 9:16
Вход	текст, изображения-референсы, видео (отдельный режим)
Звук	генерируется вместе с видео, управляется промптом

Цены — за ролик, а не за секунду:

Длительность	720p	1080p	4K
4 секунды	50	55	115
6 секунд	65	70	130
8 секунд	80	85	145
10 секунд	95	100	160

Режим с входным видео (модель редактирует ваш ролик): 125 монет (720p), 140 (1080p), 180 (4K). Цены актуальны на 15 июля 2026 года — перед генерацией проверяйте стоимость в интерфейсе.

Как и с картинками, формат кадра и длительность в ETool выбираются отдельными параметрами — писать их в промпт не нужно.

Чем промптинг Omni отличается от Veo и Kling

Google формулирует принцип так: скажите модели, «что» вы хотите получить, а «как» она додумает сама. Классические видеомодели требуют перечислить всё: ракурс, свет, движение. Omni построена на рассуждающей языковой модели, поэтому понимает намерение: промпт «рекламный ролик уровня fashion-кампании» уже задаёт и монтажный ритм, и свет, и работу камеры.

Из этого три практических следствия:

1. Пишите сценарий, а не теги. Связный абзац с сюжетом работает лучше набора ключевых слов.
2. Опирайтесь на знания модели. «Как снимают рекламу ювелирных брендов» — валидная инструкция: модель знает эти визуальные коды.
3. Правьте итерациями. Omni умеет продолжать диалог: «то же самое, но камера ниже и добавь дождь» — вместо переписывания промпта с нуля.

При этом всё, что вы знаете о режиссуре кадра, продолжает работать — операторская лексика (dolly zoom, orbit, handheld, macro) понимается буквально, как и в Nano Banana Pro.

Приём 1. Первый кадр + невозможная физика

Классика Omni: загружаете фото как первый кадр и описываете, что должно произойти дальше — включая то, что снять камерой невозможно. Модель держит объекты «жёсткими» и физически правдоподобными, если попросить об этом явно.

Пользователь ETool сгенерировал вертикальный ролик, где игрушки на столе делятся надвое каждую секунду — 1, 2, 4, 8, 16 — пока не заполняют комнату:

Ключевые ходы из промпта (полный текст — в галерее):

Use the uploaded image as the exact first frame. Create a photorealistic
vertical 9:16 smartphone video in one continuous handheld shot. [...]
The key effect: both toys must visibly split into two identical copies
every second. [...] Each split should last about 0.5 to 0.8 seconds so
the viewer can clearly see the process. [...] preserve the exact shape
of both toys during splitting. No melting, no morphing, no stretching.
[...] Keep realistic physics. The camera stays handheld like a real
phone recording and subtly pulls back as the room fills up. No cuts.

Чему учит этот промпт: эффект описан через тайминг («деление длится 0.5–0.8 секунды»), запреты сформулированы явно («no melting, no morphing, no cuts»), и задан стиль съёмки, который прощает мелкие огрехи — «как будто снято на телефон».

Приём 2. Референсы @image: раскадровка из картинок

Omni принимает несколько изображений и понимает ссылки на них прямо в тексте промпта — @image1, @image2 и так далее. Это превращает набор картинок в раскадровку: каждый референс становится сценой с собственным таймкодом.

Рекламный ролик кроссовок, собранный из шести референс-кадров:

Скелет промпта (сокращено, полный — в галерее):

Создай ultra dynamic 10-second cinematic commercial video для
[продукта], используя кадры @image1–@image6 как последовательные
визуальные сцены.

0:00–0:01.5 — @image1: Extreme macro intro. Камера медленно скользит
по текстуре. Shallow depth of field, cinematic warm lighting.
0:01.5–0:03 — @image2: Резкий переход в динамику. Aggressive tracking
shot, fast motion blur, speed ramps.
[...]
0:07.5–0:10 — @image6: Final hero shot. Smooth cinematic orbit,
volumetric lighting. В финале появляется логотип и надпись.

Общий стиль: ultra cinematic, premium, fashion commercial,
speed ramps, CGI + live action blend.

Формула: таймкод → референс → движение камеры → настроение. Заметьте, что промпт спокойно смешивает русский и английский — модель это понимает; профессиональные термины надёжнее оставлять на английском.

Приём 3. Персонажи из референсов + игровая стилистика

Референсы работают не только как сцены, но и как персонажи. Здесь пользователь дал фон и двух персонажей тремя картинками и попросил бой в духе файтинга:

Промпт целиком — две строки:

Используй первое изображение как фон а два других как раскадровку
персонажей. Сделай их бой в стиле Mortal Combat и графики
Unreal Engine 5.

Это второй полюс промптинга Omni: короткая инструкция + культурные отсылки. «Стиль Mortal Kombat» и «графика Unreal Engine 5» — это те самые знания о мире, которые модель разворачивает в хореографию боя, ракурсы и рендер сама.

Приём 4. Полная режиссура: таймкоды, свет и звук

А это максимальная степень контроля — ювелирный fashion-ролик, где промпт написан как режиссёрский сценарий: шесть сцен с таймкодами, инструкции по движению камеры в каждой, отдельный блок про характер движения и финал «под логотип»:

Фрагменты промпта, на которые стоит обратить внимание:

Движение камеры и модели должно быть более динамичным и живым, но
при этом сохранять нежность, элегантность и luxury-эстетику.
Не статичные кадры — добавь естественную энергию: ветер, движение
ткани, живую работу камеры, солнечные блики. Темп чуть активнее,
как в современных fashion commercials Jacquemus / Cartier / Dior.
[...]
4.8s – 6.2s — @image5: Девушка идёт вдоль побережья. Камера движется
рядом с рукой. Ткань платья красиво развевается.
[...]
8.0s – 10.0s — @image6 как финальный hero shot. Камера делает мягкий
cinematic push-in. Оставь место под логотип бренда.

Приёмы, которые можно забирать в любой промпт: референс на эстетики реальных брендов («как у Jacquemus / Cartier / Dior»), формулировки через отрицание с заменой («не статичные кадры — добавь ветер и движение ткани») и практичная команда «оставь место под логотип» — ролик сразу готов под пост-продакшн.

Звук: не забывайте про него

Omni генерирует аудиодорожку вместе с видео — диалоги, эмбиент, эффекты. Если звук не описать, модель подберёт его сама. Лучше управлять явно: добавьте в промпт строку про звук — «тихий эмбиент кафе, звон посуды вдалеке», «синтвейв-трек в темпе видео», «без музыки, только звуки природы». Реплики персонажей давайте в кавычках, на нужном языке.

Типичные ошибки

• Слишком много склеек для короткого ролика. В 4–6 секунд помещается одна-две сцены; шесть сцен из примеров выше — это формат 10-секундного ролика.
• Противоречие референсов и текста. Если @image1 — солнечный пляж, а текст просит «ночной город», модель будет метаться. Референсы и описание должны работать заодно.
• Формат в промпте. Длительность, разрешение и 16:9/9:16 в ETool задаются параметрами — в тексте их дублировать не нужно (в первом примере «vertical 9:16» в промпте — привычка из других сервисов, вреда нет, но и пользы тоже).
• Ожидать точный текст на экране. Надписи в видео у Omni получаются, но с меньшей надёжностью, чем у Nano Banana Pro в статике. Финальные титры и логотипы надёжнее накладывать в монтаже — или генерить хиро-кадр отдельно картинкой.

Как попробовать

Откройте генератор ETool, в разделе видео выберите Gemini Omni Video, прикрепите референсы (или начните с чистого текста) и опишите ролик. Стоимость видна до запуска: от 50 монет за 4 секунды в 720p. Больше реальных работ с промптами — в галерее идей: любую можно открыть, скопировать промпт и повторить со своими референсами.

Частые вопросы

Чем Gemini Omni отличается от Veo 3.1? Оба генерируют видео со звуком, но Omni — нативно мультимодальная и «рассуждающая»: принимает на вход сразу текст, картинки и видео, понимает ссылки @image в тексте и лучше держит многосценные раскадровки с таймкодами. Veo чаще выигрывает в чистой кинематографичности одного плана. Хорошая стратегия — раскадровки и реклама на Omni, атмосферные одиночные сцены на Veo.

Можно ли писать промпт на русском? Да — два примера из четырёх в этой статье написаны в основном по-русски. Операторские термины (tracking shot, push-in, speed ramp) надёжнее оставлять на английском.

Сколько референсов можно прикрепить? В примерах из галереи пользователи используют до шести изображений (@image1–@image6). Каждому референсу давайте роль прямо в промпте: сцена, персонаж, фон или стиль.

Что за режим с входным видео? Отдельный режим (125–180 монет): загружаете свой ролик, и модель его редактирует — меняет стиль, объекты или действие по текстовой команде. Тарифицируется дороже, потому что модель обрабатывает и входное видео.

Почему ролик стоит фиксированно, а не за секунду? У большинства видеомоделей в ETool посекундная цена, но у Omni тарифы фиксированные за комбинацию длительность × разрешение — как у провайдера. Все цены — в актуальном прайсе.

---

Приёмы промптинга адаптированы из официального гайда Google DeepMind по Gemini Omni и документации Gemini API. Видео и промпты — реальные работы пользователей ETool, опубликованные ими в публичной галерее. Цены актуальны на 15 июля 2026 года.