Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarHabr AI→ original

GPT Image 2 y Gemini Omni 1.2 Flash animaron 15 activos de pixel art para juegos

La animación fotograma a fotograma en los juegos es un trabajo largo, y un autor de Habr probó si un tándem de redes neuronales puede sustituirla. GPT Image 2 dibuja el storyboard en estilo pixel art, y Gemini Omni 1.2 Flash lo convierte en un vídeo de hasta 15 segundos con sonido. En 15 activos elegidos al azar, desde una pistola hasta una katana, el resultado fue en general bueno, pero el fondo no siempre es transparente y el movimiento resulta demasiado suave. Sirve para prototipos, aunque el acabado tendrá que pulirse a mano.

Procesado por IA desde Habr AI; editado por Hamidun News
GPT Image 2 y Gemini Omni 1.2 Flash animaron 15 activos de pixel art para juegos
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1GPT Image 2 funciona casi dos veces más rápido que las versiones anteriores de GPT Image
Dato clave #2La rueda la animó Gemini al primer intento; el Qwen gratuito lo hace peor
Dato clave #3Ante la petición de una animación «entrecortada» de ocho bits, el modelo respondió con un movimiento fluido

Para animar un sprite en un juego indie, el artista suele tener que dibujar decenas de fotogramas: el destello de un disparo, la apertura de un abanico, el giro de una rueda. El autor de Habr comprobó si esa tarea puede encargarse a dos redes neuronales a la vez. La primera, GPT Image 2, dibuja el storyboard en estilo pixel art, es decir, una «escalera» de poses sucesivas del objeto en una sola hoja.

La segunda, Gemini Omni 1.2 Flash de Google, convierte esa hoja en un vídeo de hasta 15 segundos con sonido. Con este tándem procesó 15 activos elegidos al azar de distintos géneros: desde una pistola y una katana hasta una hoguera o una roca rodante.

No se trata de un benchmark de laboratorio, sino de una prueba práctica y subjetiva, pero muestra bien dónde el flujo de trabajo ya funciona y dónde hace falta un retoque manual.

Cómo funciona el tándem

En el texto, GPT Image 2 se describe como uno de los mejores modelos para generar imágenes. Según el autor, tiene una arquitectura de una sola pasada y funciona casi dos veces más rápido que las versiones anteriores de GPT Image. La calidad y el coste de cada generación aumentan del modo Low al modo High, así que se puede elegir entre un borrador barato y un final caro.

Gemini Omni 1.2 Flash no solo genera el clip, sino que también admite correcciones en «modo de diálogo»: el vídeo terminado se puede ajustar con una nueva indicación sin volver a generarlo todo. Para el desarrollo de juegos, el esquema es lógico: primero se fija el estilo con una imagen y después se le da vida.

La prueba incluyó una pistola con cargador, los propulsores de una nave con fuego, una catapulta, un cerezo con pétalos que caen, una casa de tres plantas con ventanas, un OVNI, una hoguera, un bastón mágico, una roca, una torre de ladrillos que se derrumba, un abanico japonés, un sable de luz, una rueda de automóvil, un meteorito y una katana.

Qué salió bien y qué no

Lo mejor resultó ser la pistola, el bastón, la hoguera, el abanico y la katana. La pistola obtuvo un buen storyboard del disparo y una animación de calidad, aunque al autor le pareció que el humo sobraba. Lo atribuye al prompt, no a un fallo del modelo. La catapulta sorprendió: el movimiento apenas se describió en la indicación, pero el modelo mostró por sí solo la inercia tras la descarga. La roca salió sin fallos ni el parpadeo de fotogramas que sufren otras redes neuronales. Gemini animó la hoja de sprites del abanico muy rápido.

La rueda el autor la considera una prueba de fuego. Gemini la resolvió al primer intento y transmitió de forma convincente el efecto estroboscópico. Según sus palabras, el Qwen gratuito se desenvuelve peor con la animación de la rueda.

Los defectos se repiten de un activo a otro:

  • Fondo. Se pidió renderizar sobre un PNG con fondo transparente, pero el modelo lo hizo a su manera. La roca recibió una luz extraña, como de foco de teatro, y el OVNI quedó pintado de verde.
  • Demasiado suave. Para el cerezo y la torre se pidió «irregularidad» (choppiness) para que la animación recordara a los ocho bits. Gemini dio un movimiento más moderno y fluido.
  • Detalles de más. En los dos últimos segundos del OVNI, un platillo que ya había aterrizado se elevó sin motivo, y alrededor del sable de luz apareció una neblina incomprensible.
  • Fondo flotante. En el meteorito, al autor le faltó una fijación rígida del objeto respecto al fondo. Aconseja que, al animar activos, se exija explícitamente que la posición del objeto sobre el fondo quede fijada por completo.

Qué debe hacer el desarrollador

La conclusión del autor: Gemini Omni 1.2 Flash dibuja animaciones con rapidez, entiende la tarea a medias palabra y no inventa con demasiada frecuencia. GPT Image 2 es elogiado por su velocidad, su buena memoria de contexto y la estilística consistente entre generaciones.

En la práctica, esto significa lo siguiente:

  1. Para prototipos, efectos de fondo y referencias, el tándem ya es válido. Fuego, humo, objetos que caen y magia son lo que mejor sale.
  2. Conviene escribir de forma explícita en el prompt los requisitos de fondo y de frecuencia «entrecortada», pero hay que estar preparado para que el modelo los ignore.
  3. La transparencia y la nitidez de pixel probablemente habrá que resolverlas en el editor: recortar el fondo y reducir a mano la frecuencia de fotogramas.
  4. El modo de diálogo tiene sentido para correcciones puntuales, no para rehacer el clip entero.

Las limitaciones son evidentes. Los activos se eligieron al azar, pero las valoraciones son subjetivas, sin métricas, y las comparaciones con otros modelos se hacen solo de palabra. Para el lanzamiento final de un juego, el resultado hay que revisarlo a ojo. Aun así, como forma rápida de obtener una animación de borrador funcional a partir de una sola imagen, el tándem ya merece un lugar en el conjunto de herramientas.

Historia

Preguntas frecuentes sobre la noticia

Cómo funciona el tándem?

En el texto, GPT Image 2 se describe como uno de los mejores modelos para generar imágenes. Según el autor, tiene una arquitectura de una sola pasada y funciona casi dos veces más rápido que las versiones anteriores de GPT Image. La calidad y el coste de cada generación aumentan del modo Low al modo High, así que se puede elegir entre un borrador barato y un final caro.

¿Qué se sabe sobre Qué salió bien y qué no?

Lo mejor resultó ser la pistola, el bastón, la hoguera, el abanico y la katana. La pistola obtuvo un buen storyboard del disparo y una animación de calidad, aunque al autor le pareció que el humo sobraba. Lo atribuye al prompt, no a un fallo del modelo. La catapulta sorprendió: el movimiento apenas se describió en la indicación, pero el modelo mostró por sí solo la inercia tras la descarga. La roca salió sin fallos ni el parpadeo de fotogramas que sufren otras redes neuronales.

¿Qué se sabe sobre Qué debe hacer el desarrollador?

La conclusión del autor: Gemini Omni 1.2 Flash dibuja animaciones con rapidez, entiende la tarea a medias palabra y no inventa con demasiada frecuencia. GPT Image 2 es elogiado por su velocidad, su buena memoria de contexto y la estilística consistente entre generaciones. En la práctica, esto significa lo siguiente: Para prototipos, efectos de fondo y referencias, el tándem ya es válido. Fuego, humo, objetos que caen y magia son lo que mejor sale.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…