Veo 3: мой опыт

Наверно, все уже видели огромное количество роликов, сгенерированных в этой нейросети. Их так много, что Google начал пессимизировать ИИ-контент на YouTube, чтобы вся площадка не превратилась в сборник юмористических сгенерированных роликов про бабушек, у которых дома живет бегемот.

Но одно дело 100 раз увидеть готовый контент, а другое — попробовать продукт самому. Вот о моем небольшом опыте и поговорим.

Сразу озвучу три основных тезиса:
- Veo 3 – лучшая нейросеть для генерации видео на сегодняшний день, и обходит ближайших конкурентов (KlingAI и Hedra) на пару шагов;
- Дорогая. Адекватный пакет стоит 200$ в месяц (130$, если покупаешь на год). За эти деньги получаешь ограниченное количество генераций;
- Классные ролики, которые мы видим в интернете, – большая работа как в самой нейросети: промптинг, итерации, обход ограничений, так и в постпродакшене: добавление звуков, текста, эффектов, да и просто монтаж.

Мои видео получились не идеальными. Но это и хорошо: говорить об ограничениях нейросетей не менее интересно, чем об их возможностях.

Первая генерация была самой интересной: загрузил фотографию с Elements 2025 и решил оживить ее простым промптом: «Мужчина достает геймпад и начинает играть в гонки на огромном экране».
Опыт показал: качество и детализация промпта в генерации видео играет еще большую роль, чем при генерации изображений и простых текстов. Так как это не просто изображение, а небольшой сюжет, – поле для фантазий у ИИ огромное. Нужно детально прописывать все, что ты хочешь видеть: начиная от мимики и жестов, заканчивая полным описанием мельчайших действий и звуков.

Veo сама «считала сюжет» фотографии, предположила, что идет какое-то выступление с презентаций, и, что логично, спикер должен озвучивать тезисы со слайдов. Озвучила хорошо, липсинк тоже на высоте.

Но «предположить» нейросеть может не все. Например, когда ты в одной руке держишь кликер, а в другой микрофон, то, чтобы достать геймпад, – тебе нужно куда-то положить то, что у тебя в руках. Вот такие мелочи нужно прописывать в промпте. В начале положил кликер и микрофон на стол – потом достал геймпад.
Звук игры нейросеть добавила самостоятельно, а вот добавить звуки зала не догадалась – опять же возвращаемся к необходимости прописывать детали в промпте или добавлять их на постпродакшене.

Так же видео наглядно показывает слабые места нейросети – сильно вращать глазами и головой не следует: появляются артефакты, да и просто лицо меняется.

Второй интересный опыт – анимация логотипа. Здесь я дал нейросети свободу действий и попросил анимировать логотип как у киностудий (без конкретики). Не знаю уж, насколько результат «как у киностудий», но сама анимация выглядит логично. Однозначно уже сейчас можно использовать в e-learning и делать графики, схемы и другие поясняющие элементы видео более живыми и привлекательными буквально за минуту.

Прочие наблюдения:
- Русскую речь генерирует хорошо, но делает это не всегда. Зачастую просто получаешь видео вообще без звука (около 30% генераций русской речи проходят удачно);
- Есть шаблонные действия, которые нейросеть генерирует отлично. Например, прогулки по оживленным улицам, поездки на машине по живописным местам, переходы камеры на красивых локациях и прочие футажи (сразу понятно, на каком контенте преимущественно обучалась нейросеть).
- Veo все еще борется с физикой и логикой. Предметы могут появляться и исчезать из ниоткуда, тени иногда ложатся нелогично, а взаимодействие между объектами часто выглядит как глюк. Проблемы решаются подробным промптингом и итерациями.

Как итог:
Пока о создании голливудского блокбастера в один клик речь не идет, но вот по качеству видео и «актерской игре» Veo 3 уже уверенно обходит сериалы в духе «Простушка Клава из деревни н. Лопухи приезжает в Москву, где становится уборщицей у миллионера, с которым встречается лицемерная Анжела из-за его денег и строит Клаве козни».

Veo 3 — это не «нажал кнопку — получил шедевр». Это сложный инструмент, требующий навыков и насмотренности.

ИИгры: а что там с ИИ в геймдеве?

Если мы хотим понять будущее технологий, стоит смотреть не только вперед, но и по сторонам. Инновации из геймдева — механики вовлечения, симуляции, интерактивные сценарии — давно и успешно перекочевали в e-learning.

Давайте посмотрим, как игроделы используют языковые модели в своих продуктах.

1. Социальные симуляторы и «живые» миры
ИИ оживляет целые сообщества NPC, с которыми можно взаимодействовать.
- Vaudeville: Детективная игра, в которой вы расследуете убийства, общаясь с персонажами через голос или текст. Диалоги генерируются в реальном времени, делая каждое прохождение уникальным. Уже в раннем доступе на Steam.
- Ememe: Симулятор жизни с ИИ-персонажами, напоминающий «Шоу Трумана» в цифровом мире. Вы создаете и наблюдаете за их автономной жизнью в виртуальном городке. NPC общаются, строят отношения и принимают решения на основе своих характеров. Поддерживается загрузка собственных 3D-моделей.
- NVIDIA ACE inZOI: Технологическая демонстрация от NVIDIA. Их технология ACE создает автономных персонажей, которые способны воспринимать окружение, общаться с игроком и друг с другом и принимать решения на основе своих целей и воспоминаний.
- Город с ИИ-прохожими: Пока это просто отдельная игровая механика, а не полноценная игра, но она отлично иллюстрирует вектор развития. Представьте себе виртуальный город, где вы можете подойти к любому прохожему и завести осмысленный разговор на любую тему. Каждый NPC обладает своей уникальной личностью, памятью и мнением, генерируемыми ИИ в режиме реального времени. Это следующий шаг к созданию по-настоящему живых, «дышащих» игровых вселенных.

2. Иммерсивные механики
Отдельные механики, показывающие, как ИИ может углубить погружение.
- Stellar Cafe: VR-игра для Meta Quest 3, где ИИ-роботы с поддержкой LLM ведут живые, открытые диалоги, запоминают игроков и реагируют на команды на естественном языке.
- RPG с ИИ-NPC: Пока концепт, а не готовый продукт. Представьте себе Skyrim, где каждый персонаж не заученно повторяет фразы, а может поддержать полноценный разговор на любую тему и динамически реагировать на ваши действия. Звучит фантастически, но работы в этом направлении уже ведутся.

3. Сгенерированные приключения
Здесь ИИ выступает в роли ведущего или соавтора истории, создавая уникальный сюжет каждый раз.
- AI Dungeon: Классика жанра. Текстовое D&D-приключение, где ИИ — это ваш личный мастер игры. Вы можете делать практически все что угодно, а нейросеть в реальном времени генерирует мир и реакции на ваши действия. Полная свобода в жанрах фэнтези, научной фантастики или хоррора.
- Hidden Door: Нарративная ролевая платформа, где игроки вместе с LLM создают миры и истории в стиле настольных RPG. Сценарий развивается динамически, а персонажи «живут» за счёт генеративного ИИ.

4. На стыке геймдева и обучения
- Gandalf Game: Остроумный игровой взгляд на prompt-инжиниринг. Ваша цель — заставить Гендальфа (роль которого играет ИИ) раскрыть секретный пароль. Игра состоит из 7 уровней сложности, на каждом из которых обойти защиту ИИ становится все сложнее. Отличный способ научиться формулировать запросы!

Как видно, пока это в основном эксперименты, концепты или отдельные игровые механики (не буду врать, ожидал что геймдев намного активнее возьмется за технологию). Но именно в них кроется главная ценность — смелые идеи и новые подходы к взаимодействию.

Уверен, многие из этих находок можно и нужно перерабатывать для e-learning.

Мультиагентный подход в ИИ: как виртуальная команда экспертов решает сложные задачи

Представьте, что вам поручили создать с нуля отдел обучения в компании.

Какой путь выбрать? Нанять универсальных специалистов или команду узких экспертов?

Первый путь — быстрый и простой. Второй — дает более высокое качество, но сложнее в управлении.

Это не HR-задача, а современный тренд в искусственном интеллекте — мультиагентные системы.

Почему один бот часто ошибается и «галлюцинирует», а команда из нескольких ИИ справляется с самыми сложными задачами? Как работает виртуальный «оркестратор» и почему за этим подходом — будущее?

Ответы в СТАТЬЕ.