«Сделать для видео то, что Canva сделала для дизайна»: Pollo AI построила видеоконвейер на моделях OpenAI

Зачем это нужно и что внутри

Pollo AI построена на посылке, что люди должны превращать творческие идеи в готовые изображения и видео, не имея производственной экспертизы. Даже с генеративным ИИ авторам и маркетологам бывает трудно ориентироваться между разными инструментами и выбирать между моделями, чтобы получить нужный результат; часть из них в итоге забрасывает проект.

Компания сообщает, что сегодня её платформой пользуются более 26 миллионов человек — для создания видео, рекламы и визуального контента.

Первым прорывом команды стали видеошаблоны: сейчас, по её данным, 30% творческих сессий начинаются с таких шаблонов или «трендовых» сценариев.

«Мы хотим сделать для видео то, что Canva сделала для дизайна — сделать это настолько простым, чтобы больше людей могли этим пользоваться, а не только те, кто уже умеет», — объясняет основатель и CEO Pollo AI Билл Чжу.

Pollo Agent и подбор моделей

Новое предложение компании — Pollo Agent. Он использует модели OpenAI, включая GPT-6 Astra и GPT-Image-2.5, и даёт полностью управляемый рабочий процесс создания видео: агент разбирает черновую идею и визуальные референсы пользователя, а затем прорабатывает сюжетные линии, раскадровку и сценарии.

Технический директор Петер Чжоу объясняет выбор тем, что модели OpenAI лучше понимают неоднозначные творческие вводные и умеют работать с несколькими модальностями; особенно хорошо, по его словам, показала себя GPT-5.6. Команда также отмечает стабильность API и темп выпусков.

Чтобы балансировать глубину рассуждений, скорость и цену, Pollo AI использует GPT-5.6 для маршрутизации, а GPT-6 Astra — для более сложных задач, например разработки нарратива или планирования правок сцен. По оценке компании, пользователи тратят более чем на 50% меньше времени на выбор и переключение моделей.

В качестве примера OpenAI приводит постапокалиптическое приключение, которое создал один из пользователей Pollo AI. Команда также отмечает, что ценит стабильность API и темп выпусков OpenAI.

Как выбирают модели

Компания тестирует генеративные модели на реальных пользовательских промптах и сценариях, оценивая качество результата, консистентность, стилистический диапазон, скорость и стоимость. Для генерации изображений выбрана GPT-Image-2.5 — на ней построены постеры, раскадровки и рекламные визуалы. «Если мы получаем от пользователя задачу сгенерировать изображение, мы всегда используем GPT-Image-2.5», — говорит Чжоу.

От фото к видео и рекламным кампаниям

Основная аудитория Pollo AI — контент-креаторы; платформа особенно популярна для «микро-драм» с участием ИИ- и человеческих актёров. Но всё чаще ей пользуются маркетологи и владельцы бизнеса. Инструмент Photo to Video Ads в составе Marketing Studio превращает статичное изображение и промпт в короткое видео — чтобы малый бизнес и DTC-бренды делали рекламу для соцсетей за минуты, а не за дни.

OpenAI приводит примеры. Один пользователь превратил фото товара в примерно 15-секундную рекламу парфюма: инструмент достроил бархатные текстуры, тёплые прожекторы и крупные планы флакона. Ювелирный бренд с помощью Pollo Agent и GPT-Image-2.5 получил смелый рекламный образ — модель в кресле рядом с гепардом, в тёмных драпировках и тёплом свете. А бренд напитков превратил бутылку персиковой газировки в снежный миниатюрный пейзаж с поездом, ящерицами и сверкающими каплями.

OpenAI отдельно отмечает экономику: клиент с ювелирным брендом получил готовый рекламный образ при меньших усилиях, времени и затратах, чем потребовала бы живая съёмка, а у автора парфюмерной рекламы статичное фото само по себе не передавало нужное настроение, а профессиональные съёмки были вне бюджета.

Что дальше

В ближайшие 12 месяцев Pollo хочет сделать ИИ-видео частью повседневного создания контента. Для Чжу это зависит от того, насколько легко идею можно превратить в готовый к публикации, тестированию или кампании актив. «Мы считаем, что сдвиг в создании контента будет в пользу продуктов, которые делают создание более повторяемым с самого начала — с более сильными форматами, меньшим числом проб и ошибок и более простым процессом вокруг самих моделей», — говорит он.