Видеопродакшн в стиле 3blue1brown с Gemini 4
#ml #courses #coolstorybob 

Давно чесались руки попробовать сделать видео в стиле Гранта Сандерсона — нашего светилы 3blue1brown (https://www.youtube.com/@3blue1brown), благо, и библиотека Manim есть для автоматизации этих чудо-анимаций. Думаю, LLM уже доросли до того, чтоб реально с этим помочь. А тут еще и Gemini 4 хотелось потестить.

В качестве фундамента я взял статью про классификацию и деревья решений из mlcourse.ai. Замысел был простой: выжать максимум из AI-ассистентов и посмотреть, насколько близко можно подползти к пайплайну «запрос -> готовое идеальное видео».

Промпт был примерно такой: «Хочу безупречное видео по деревьям решений на основе статьи с mlcourse.ai в стиле 3b1b. Составь пошаговый план, используем нейронки по максимуму».

Дальше я в целом пошел по плану, оркестрируя 4-5 агентов в Claude Code и Antigravity с Gemini 4 Argon. Хотелось сравнить.

Шаги плана такие: написание сценария, ревью тремя агентами (новичок в ML, эксперт по машинке и YouTube-редактор), создания стиля нарратива, сценария в Manim-формате, клонирование голоса с ElevenLabs, рендеринг и финальное ревью и монтаж. 

Ссылка на финальный результат + код. 

Что хочется сказать:

1️⃣ Ну прежде всего, это охренеть. И агенты радуют, как они безошибочно жонглируют тулами (ffmpeg, latex) и Manim – космос. Я давал только верхнеуровневые инструкции, все сцены Manim сам продумал – куда шарики скачут, где формулу энтропии показать и т.д.

2️⃣ Ожидаемо, главный боттлнек - глаза кожаного. LLM генерируют код и сцены очень быстро, но надо сидеть и отсматривать каждый эпизод. Мелкие визуальные косяки и артефакты Manim пока сами себя не отловят. Плюс я начинал с уже готового материала (статья курса mlcourse.ai), если с нуля, то хорошо бы сначала какие-то картинки самому нарисовать. 

3️⃣ Пока мои рабочие лошадки - antigravity с Gemini 3.8 Flash (скорость топ) и Claude Code с Opus 5.5. Gemini 4 Argon субъектно на уровне с опусом, но из-за принудительного max thinking в первичном релизе в Antigravity работает неторопливо. Это поправят, конечно, будет и capacity, и уровни размышлений, и наверняка Flash-версия, но пока у меня ощущение, что модель догнала соту, но точно не перегнала. Догнать соту – уже неплохо, еще недавно Сундар признавал, что гугл отстает в кодинге, а тут по слухам, сам Сережа Брин поселился на кухне в гугле и активно работал над Gemini 4.    

4️⃣ Чтобы сделать видео действительно безупречным, без постобработки в видеоредакторе пока не обойтись. Да и начитывать закадровый текст лучше самому (3blue1brown, кстати, по-пацански все сам озвучивает).  

Сухая стата: времени ушло часа 3, около $60 на токены клода, 10% месячных кредитов ElevenLabs Creator ($20/мес) и по мелочи на API Lyria. Токены Gemini 4 не считал :)