Раздел про говорящие головы и студии мы собрали из практики: что реально идёт в генерацию, а что красиво выглядит только в чужом скриншоте. Ниже — формула, десять готовых промптов и разбор того, почему одни кадры получаются с первой попытки, а другие — никогда.
Формула промпта под эту задачу
Держите скелет постоянным, меняйте плоть: стиль (35mm film still / oil painting / hyper-real commercial) → герой (кто и с какой опорной деталью) → сцена (где) → камера (dolly-in, crane up, locked-off) → свет (один главный источник) → настроение (одно слово-эмоция) → теханкеры (film grain, shallow depth of field).
10 готовых промптов
1970s neo-noir, rain-soaked asphalt, a fisherman mending a net at dawn, туманная тайга в синий час, drone flyover sweeping across the landscape, neon in rain, cyan and magenta glow, dreamlike and melancholic, shallow depth of field, film grain, 4k1990s VHS home video, tracking noise, a kid flying a kite of light, неоновый Токио после дождя, handheld tracking alongside the subject, single candle, deep chiaroscuro, tense and claustrophobic, shallow depth of field, film grain, 4khand-painted oil painting coming alive, an archivist opening a sealed door, консерватория с роялем у окна в ливень, crane shot rising above the scene, golden hour, long soft shadows, quiet and intimate, shallow depth of field, film grain, 4k1990s VHS home video, tracking noise, an old android sweeping leaves, пустыня чёрных дюн под двумя лунами, slow dolly-in towards the subject, golden hour, long soft shadows, epic and hopeful, shallow depth of field, film grain, 4k1970s neo-noir, rain-soaked asphalt, a pianist playing in an empty hall, ретро-коридор отеля 80-х, crane shot rising above the scene, single candle, deep chiaroscuro, dreamlike and melancholic, shallow depth of field, film grain, 4khand-painted oil painting coming alive, a woman in a long coat walking away, заброшенная орбитальная станция, drone flyover sweeping across the landscape, neon in rain, cyan and magenta glow, tense and claustrophobic, shallow depth of field, film grain, 4khand-painted oil painting coming alive, no people, an empty breathing scene, старая библиотека с верхним светом, one-take 360 orbit around the subject, single candle, deep chiaroscuro, quiet and intimate, shallow depth of field, film grain, 4khyper-realistic commercial photography, two strangers meeting at a night bus stop, платформа уходящего поезда на рассвете, drone flyover sweeping across the landscape, golden hour, long soft shadows, epic and hopeful, shallow depth of field, film grain, 4kcinematic 35mm film still, anamorphic flare, a lone courier with a glowing umbrella, крышная котельная после грозы, crane shot rising above the scene, golden hour, long soft shadows, dreamlike and melancholic, shallow depth of field, film grain, 4k1970s neo-noir, rain-soaked asphalt, a deer with antlers made of light, стеклянный город на дне океана, handheld tracking alongside the subject, golden hour, long soft shadows, tense and claustrophobic, shallow depth of field, film grain, 4kРазбор: почему эти промпты работают
Пример 1. В кадре один источник света и один жёсткий якорь (зонт, рога из света, дым). Модель не тратит «воображение» на второстепенное и выдаёт целостный кадр.
Пример 2. Камера задана явно — поэтому кадр «движется», даже если герой стоит. Статика без движения камеры почти всегда выглядит как неудачная генерация.
Пример 3. Нет ни «masterpiece», ни восклицательных знаков: только оптические и световые термины. Это язык, на котором модель обучена, а не похвала автора.
Типичные ошибки именно здесь
- Работа «до посинения» на одном дубле вместо пяти дешёвых итераций: дешёвый перебор почти всегда выигрывает у ожидания идеала.
- Свет не назван вовсе или назван словом «beautiful»: нейросеть не понимает «красиво», она понимает «golden hour, backlit, soft shadows».
- Нет указания камеры: сцена «стоит», даже если внутри неё что-то происходит. Камера — отдельным блоком промпта.
- Забывают про звук: даже идеальный кадр с немым «банкой» звучит как черновик, эмбиент и whoosh решают половину восприятия.
Как адаптировать под свой бренд
Замените палитру и референс света на фирменные (дорогой бренд — тёплый низкий ключ, массовый — мягкий дневной), добавьте один повторяющийся «якорь»: цвет зонта, материал упаковки, силуэт. Повторяемость важнее оригинальности — зритель запомнит ваш почерк через 3–4 ролика.
Что в итоге
Промпты под эту задачу не «магические слова», а дисциплина брифа: одно действие, один свет, одна камера. Остальное — итерации и ваша насмотренность.
Почему «ещё одна генерация» не решает проблему
Соблазн бесконечен: кажется, что следующий дубль точно будет тем самым. На практике кривая удачных генераций упирается в плато — если три итерации подряд дают один и тот же дефект (плывут руки, сбивается свет, ломается композиция), дело не в случайности, а в задаче.
Что делать вместо «ещё одной»:
- Сократите действие в кадре до одного жеста или одной эмоции.
- Уберите из промпта всё, кроме стиля, героя, сцены, камеры и света.
- Смените режим генерации или саму модель — у каждой свои «слепые зоны».
- Разбейте сложный план на два простых и состыкуйте их на монтаже.
- Переделайте статичный кадр в «изображение → видео»: оживление референса стабильнее текстовой генерации с нуля.
Эта дисциплина экономит больше кредитов, чем любая годовая подписка со скидкой.
Сколько на самом деле стоит финальный кадр
Считаем честно, на примере типового коммерческого ролика 20–30 секунд. Расходы складываются из четырёх строк, и только первая видна в прайсе сервиса:
- Подписка или кредиты. Младший платный план обычно окупается одним проектом; при серийной работе выгоднее средний тариф или годовая оплата.
- Потери на брак. Коэффициент ×4–6 к «чистому» числу планов: на 6 финальных планов готовьте 30–40 генераций.
- Звук и права. Диктор или ElevenLabs, эмбиент, лицензия на музыку — 10–30% бюджета, который чаще всего недооценивают.
- Ваше время. 15–40 минут на финальную секунду с учётом монтажа. При ставке в 2 000 ₽/час минута готового видео стоит заметно дороже подписки — и это нормально.
Отсюда правило для клиента: нейровидео дешевле съёмки не всегда, но почти всегда быстрее и гибче — особенно когда нужно много вариантов под A/B-тесты.
Кейс: имиджевый ролик для малого бизнеса
Деревянная мастерская без съёмочной группы: сняли «атмосферу ремесла» — руки мастера, стружка в луче света, готовый табурет у окна. Три планa по 4 секунды, закатный свет, один дикторский текст поверх. Весь цикл занял пять вечеров: два на референсы и сценарий, один на генерацию, два на звук и цвет. Клиент получил ролик уровня «дорогой документалки» за цену пяти ужинов в ресторане. Мораль: выигрывает не модель, а дисциплина отбора и монтажа.
Мини-глоссарий по теме
- Эмбиент. фоновый звуковой план сцены: дождь, гул, ветер, зал. Без эмбиента кадр ощущается «вакуумным», даже если картинка идеальна.
- Консистентность персонажа. сохранение лица, костюма и силуэта героя между связанными кадрами. Достигается референсом, неизменным описанием и режимами переноса персонажа.
- Кредит. внутренняя валюта генераторов: одна генерация списывает N кредитов в зависимости от длины, разрешения и режима. Считайте экономику в кредитах на финальный кадр, а не в «цене подписки».
- Сид (seed). число, фиксирующее случайность генерации. Сохранили удачный сид и промпт — воспроизведёте похожий кадр. Нет сохранённого сида — восстанавливаете удачу руками.
- FPS и интерполяция. частота кадров; интерполяция достраивает промежуточные фазы движения и делает 24→60 fps «плавнее», но не исправляет сломанную анимацию.
- Апскейл. увеличение разрешения готового клипа с восстановлением деталей, обычно через отдельный нейро-инструмент (Topaz Video AI и аналоги). Делает из 720p эфирный 4K.