Le duo GPT Image 2 et Gemini Omni 1.2 Flash a animé 15 assets en pixel art pour jeux vidéo
L'animation image par image dans les jeux demande beaucoup de travail. Un auteur de Habr a donc vérifié si un duo d'IA pouvait la remplacer. GPT Image 2 dessine un storyboard en style pixel art, puis Gemini Omni 1.2 Flash le transforme en vidéo de 15 secondes maximum, avec son. Sur 15 assets choisis au hasard, du pistolet à la katana, le résultat est globalement bon, mais le fond n'est pas toujours transparent et le mouvement reste trop fluide. Suffisant pour des prototypes, la finition devra être retouchée à la main.
Traité par IA depuis Habr AI ; édité par Hamidun News
Pour animer un sprite dans un jeu indépendant, un artiste doit généralement dessiner des dizaines d'images : l'éclair d'un tir, l'ouverture d'un éventail, la rotation d'une roue. L'auteur de Habr a vérifié si l'on pouvait confier ce travail à deux réseaux de neurones à la fois. Le premier, GPT Image 2, dessine un storyboard en style pixel art, c'est-à-dire une « échelle » de poses successives de l'objet sur une seule feuille.
Le second, Gemini Omni 1.2 Flash de Google, transforme cette feuille en vidéo de 15 secondes maximum, avec son. Grâce à ce duo, il a traité 15 assets choisis au hasard dans différents genres : du pistolet et de la katana au feu de camp et au rocher qui roule.
Il ne s'agit pas d'un benchmark de laboratoire, mais d'un test pratique et subjectif. Il montre toutefois bien où le pipeline fonctionne déjà et où une retouche manuelle reste nécessaire.
Comment fonctionne le duo
Dans le texte, GPT Image 2 est présenté comme l'un des meilleurs modèles de génération d'images. Selon l'auteur, son architecture est à passage unique et il fonctionne presque deux fois plus vite que les versions précédentes de GPT Image. La qualité et le coût d'une génération augmentent du mode Low au mode High : on peut donc choisir entre un brouillon bon marché et un rendu final plus coûteux.
Gemini Omni 1.2 Flash sait non seulement générer une vidéo, mais aussi accepter des corrections en « mode dialogue » : une vidéo terminée peut être modifiée par une nouvelle réplique, sans tout relancer. Pour le développement de jeux, le schéma est logique : on fixe d'abord le style avec une image, puis on l'anime.
Le test comprenait un pistolet avec son chargeur, les tuyères d'un vaisseau avec des flammes, une catapulte, un sakura aux pétales qui tombent, une maison de trois étages aux fenêtres éclairées, un OVNI, un feu de camp, une baguette magique, un rocher, une tour de briques qui s'effondre, un éventail japonais, un sabre laser, une roue de voiture, un météorite et une katana.
Ce qui a marché et ce qui n'a pas marché
Le mieux réussis ont été le pistolet, la baguette, le feu de camp, l'éventail et la katana. Le pistolet a reçu un bon storyboard de tir et une animation de qualité, même si la fumée a semblé superflue à l'auteur. Il attribue cela au prompt et non à une erreur du modèle. La catapulte a surpris : le mouvement n'était décrit qu'en passant, mais le modèle a lui-même montré l'inertie après la salve. Le rocher s'est déroulé sans bug ni tremblement d'images, défauts que présentent certains autres réseaux de neurones. Gemini a animé la planche de sprites de l'éventail très rapidement.
L'auteur qualifie la roue de test décisif. Gemini a réussi dès la première tentative et a rendu de façon convaincante l'effet stroboscopique. Selon lui, le Qwen gratuit s'en sort moins bien avec l'animation de la roue.
Les défauts reviennent d'un asset à l'autre :
- Le fond. Le modèle devait faire un rendu sur un PNG à fond transparent, mais il a fait à sa façon. Le rocher a reçu une lumière étrange, comme sous un projecteur de théâtre, et l'OVNI a été peint en vert.
- Trop lisse. Pour le sakura et la tour, on demandait de la « saccade » (choppiness) pour rappeler une animation 8 bits. Gemini a produit un mouvement plus moderne et plus fluide.
- Détails superflus. Dans les deux dernières secondes, la soucoupe de l'OVNI, déjà posée, se met inexplicablement à léviter, et une brume incompréhensible apparaît autour du sabre laser.
- Fond flottant. Pour le météorite, l'auteur n'a pas obtenu un verrouillage assez strict de l'objet par rapport au fond. Il conseille, pour l'animation des assets, d'exiger explicitement que la position de l'objet sur le fond soit figée.
Que faire en tant que développeur
La conclusion de l'auteur : Gemini Omni 1.2 Flash produit des animations rapidement, comprend la tâche à demi-mot et n'invente pas trop souvent. GPT Image 2 est salué pour sa vitesse, sa bonne mémoire de contexte et la cohérence de son style d'une génération à l'autre.
Concrètement, cela signifie :
- Pour les prototypes, les effets de fond et les références, le duo convient dès maintenant. Le feu, la fumée, les objets qui tombent et la magie sont les mieux rendus.
- Il faut inscrire explicitement dans le prompt les exigences sur le fond et sur la fréquence « saccadée » des images, tout en acceptant que le modèle puisse les ignorer.
- La transparence et la netteté pixel devront très probablement être finalisées dans un éditeur : détourage du fond et réduction manuelle de la fréquence d'images.
- Le mode dialogue est à utiliser pour des corrections ponctuelles, et non pour refaire entièrement la vidéo.
Les limites sont évidentes. Les assets ont été choisis au hasard, mais les évaluations restent subjectives, sans métriques, et les comparaisons avec d'autres modèles ne sont données que verbalement. Pour la version finale d'un jeu, le résultat doit être vérifié à l'œil. En revanche, comme moyen rapide d'obtenir une animation de travail à partir d'une seule image, le duo mérite déjà sa place dans la boîte à outils.
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
Questions clés sur cet article
Comment fonctionne le duo?
Dans le texte, GPT Image 2 est présenté comme l'un des meilleurs modèles de génération d'images. Selon l'auteur, son architecture est à passage unique et il fonctionne presque deux fois plus vite que les versions précédentes de GPT Image. La qualité et le coût d'une génération augmentent du mode Low au mode High : on peut donc choisir entre un brouillon bon marché et un rendu final plus coûteux.
Que sait-on sur Ce qui a marché et ce qui n'a pas marché ?
Le mieux réussis ont été le pistolet, la baguette, le feu de camp, l'éventail et la katana. Le pistolet a reçu un bon storyboard de tir et une animation de qualité, même si la fumée a semblé superflue à l'auteur. Il attribue cela au prompt et non à une erreur du modèle. La catapulte a surpris : le mouvement n'était décrit qu'en passant, mais le modèle a lui-même montré l'inertie après la salve. Le rocher s'est déroulé sans bug ni tremblement d'images, défauts que présentent certains autres réseaux de neurones.
Que sait-on sur Que faire en tant que développeur ?
La conclusion de l'auteur : Gemini Omni 1.2 Flash produit des animations rapidement, comprend la tâche à demi-mot et n'invente pas trop souvent. GPT Image 2 est salué pour sa vitesse, sa bonne mémoire de contexte et la cohérence de son style d'une génération à l'autre. Concrètement, cela signifie : Pour les prototypes, les effets de fond et les références, le duo convient dès maintenant. Le feu, la fumée, les objets qui tombent et la magie sont les mieux rendus.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.