Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Dupla GPT Image 2 e Gemini Omni 1.2 Flash animou 15 ativos de pixel art para jogos

A animação quadro a quadro para jogos é um trabalho demorado, e o autor do Habr verificou se uma dupla de redes neurais pode substituí-la. O GPT Image 2 desenha o storyboard em estilo pixel art, e o Gemini Omni 1.2 Flash transforma esse storyboard em um vídeo de até 15 segundos com som. Em 15 ativos escolhidos aleatoriamente, de uma pistola a uma katana, o resultado foi em geral bom, mas o fundo nem sempre fica transparente e o movimento sai suave demais. Serve para protótipos, enquanto o acabamento final ainda terá de ser feito à mão.

Processado por IA de Habr AI; editado por Hamidun News
Dupla GPT Image 2 e Gemini Omni 1.2 Flash animou 15 ativos de pixel art para jogos
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O GPT Image 2 trabalha quase duas vezes mais rápido que as versões anteriores do GPT Image
Dado-chave #2A roda foi animada pelo Gemini na primeira tentativa, enquanto o Qwen gratuito se saiu pior
Dado-chave #3Ao pedido de animação "picotada" de 8 bits, o modelo respondeu com movimento fluido

Para animar um sprite em um jogo indie, o artista normalmente precisa desenhar dezenas de quadros: o clarão de um disparo, a abertura de um leque, a volta de uma roda. O autor do Habr testou se é possível delegar isso a duas redes neurais ao mesmo tempo. A primeira, o GPT Image 2, desenha o storyboard em estilo pixel art, isto é, uma "escada" de poses sucessivas do objeto em uma única folha.

A segunda, o Gemini Omni 1.2 Flash, do Google, transforma essa folha em um vídeo de até 15 segundos com som. Com essa combinação, ele processou 15 ativos escolhidos aleatoriamente de diferentes gêneros: de uma pistola e uma katana até uma fogueira e um bloco de pedra rolando.

Não se trata de um benchmark de laboratório, e sim de um teste prático e subjetivo, mas ele mostra bem onde o pipeline já funciona e onde é preciso retoque manual.

Como a combinação funciona

No texto, o GPT Image 2 é descrito como um dos melhores modelos para geração de imagens. Segundo o autor, sua arquitetura é de passagem única, e ele trabalha quase duas vezes mais rápido que as versões anteriores do GPT Image. A qualidade e o custo de cada geração aumentam do modo Low para o modo High, o que permite escolher entre um rascunho barato e um final caro.

O Gemini Omni 1.2 Flash não só gera o vídeo, como também aceita ajustes em "modo de diálogo": o vídeo pronto pode ser corrigido com uma nova instrução, sem refazer tudo do zero. Para o desenvolvimento de jogos, o esquema faz sentido: primeiro se fixa o estilo em uma imagem e depois ela ganha vida.

O teste incluiu uma pistola com carregador, bocais de nave com fogo, uma catapulta, uma sakura com pétalas caindo, uma casa de três andares com janelas, um OVNI, uma fogueira, um cajado mágico, um bloco de pedra, uma torre de tijolos que desaba, um leque japonês, um sabre de luz, uma roda de carro, um meteorito e uma katana.

O que deu certo e o que não deu

O melhor resultado foi com a pistola, o cajado, a fogueira, o leque e a katana. A pistola ganhou um bom storyboard de disparo e animação de qualidade, embora o autor tenha achado a fumaça desnecessária. Ele atribui isso ao prompt, e não a um erro do modelo. A catapulta surpreendeu: o movimento foi descrito de passagem no pedido, mas o modelo mostrou sozinho a inércia depois do disparo. O bloco de pedra saiu sem falhas nem tremores de quadro, problema que afeta outras redes neurais. A folha de sprites do leque foi animada pelo Gemini muito rapidamente.

A roda o autor chama de teste decisivo. O Gemini deu conta na primeira tentativa e transmitiu convincentemente o efeito estroboscópico. Segundo ele, o Qwen gratuito tem desempenho pior na animação da roda.

As falhas se repetem de um ativo para outro:

  • Fundo. O modelo recebeu o pedido para renderizar sobre um PNG com fundo transparente, mas fez do seu jeito. O bloco de pedra ganhou uma iluminação estranha, como de refletor de teatro, e o OVNI ficou pintado de verde.
  • Suavidade excessiva. Para a sakura e a torre, foi pedida "descontinuidade" (choppiness), para que a animação lembrasse os 8 bits. O Gemini fez o movimento mais moderno e fluido.
  • Detalhes extras. No OVNI, nos últimos dois segundos, o disco já pousado começa a levitar sem motivo, e em volta do sabre de luz aparece uma névoa incompreensível.
  • Fundo flutuante. No meteorito, o autor não conseguiu uma fixação rígida do objeto em relação ao fundo. Ele recomenda exigir explicitamente, ao animar ativos, que a posição do objeto sobre o fundo fique travada.

O que o desenvolvedor deve fazer

A conclusão do autor é que o Gemini Omni 1.2 Flash desenha animações rapidamente, entende a tarefa por meia palavra e não inventa coisas com tanta frequência. O GPT Image 2 é elogiado pela velocidade, pela boa memória de contexto e pela estilística consistente entre gerações.

Na prática, isso significa o seguinte:

  1. Para protótipos, efeitos de fundo e referências, a combinação já serve. Fogo, fumaça, objetos caindo e magia saem melhor.
  2. No prompt, vale especificar explicitamente os requisitos de fundo e a frequência de quadros "picotada", mas é preciso estar preparado para o modelo ignorá-los.
  3. A transparência e a nitidez de pixel provavelmente terão de ser ajustadas no editor, com recorte do fundo e redução manual da taxa de quadros.
  4. O modo de diálogo faz sentido para correções pontuais, e não para refazer o vídeo inteiro.

As limitações são evidentes. Os ativos foram escolhidos aleatoriamente, mas as avaliações são subjetivas, sem métricas, e as comparações com outros modelos foram feitas apenas verbalmente. Para o lançamento final de um jogo, o resultado precisa ser verificado com os próprios olhos. Ainda assim, como forma rápida de obter uma animação de rascunho funcional a partir de uma única imagem, a combinação já merece um lugar no conjunto de ferramentas.

História

Perguntas frequentes sobre a notícia

Como a combinação funciona?

No texto, o GPT Image 2 é descrito como um dos melhores modelos para geração de imagens. Segundo o autor, sua arquitetura é de passagem única, e ele trabalha quase duas vezes mais rápido que as versões anteriores do GPT Image. A qualidade e o custo de cada geração aumentam do modo Low para o modo High, o que permite escolher entre um rascunho barato e um final caro.

O que deu certo e o que não deu?

O melhor resultado foi com a pistola, o cajado, a fogueira, o leque e a katana. A pistola ganhou um bom storyboard de disparo e animação de qualidade, embora o autor tenha achado a fumaça desnecessária. Ele atribui isso ao prompt, e não a um erro do modelo. A catapulta surpreendeu: o movimento foi descrito de passagem no pedido, mas o modelo mostrou sozinho a inércia depois do disparo. O bloco de pedra saiu sem falhas nem tremores de quadro, problema que afeta outras redes neurais.

O que o desenvolvedor deve fazer?

A conclusão do autor é que o Gemini Omni 1.2 Flash desenha animações rapidamente, entende a tarefa por meia palavra e não inventa coisas com tanta frequência. O GPT Image 2 é elogiado pela velocidade, pela boa memória de contexto e pela estilística consistente entre gerações. Na prática, isso significa o seguinte: Para protótipos, efeitos de fundo e referências, a combinação já serve. Fogo, fumaça, objetos caindo e magia saem melhor.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…