Еще один видос. С красной кружкой - это photo 2 video, а с синей пеной - попытка сделать шторм в чашке, но из text 2 video (промпт такой же, как использовался для генерации красной кружки в dalle). Интересно, что, по ощущениям, text 2 video более фотореалистичный, хоть и хуже попадает в промпт.