Качество ИИ-видео определяется не выбором модели и не идеальным промптом, а степенью контроля над сценой. Автор материала Кайсар описывает процесс создания кинематографического видео в три этапа: от простой генерации по текстовому описанию до режиссуры с использованием персонажей, референсов и раскадровки. Завершает процесс постпродакшн, на котором собирается итоговый ролик.

Уровень 1. Генерация по простому промпту

Инструменты и настройки:

• Платформа: Syntaxis, агрегатор нейросетей. Подписка включает генерацию аудио, видео и изображений.
• Раздел: Video, новая сессия.
• Модель: CDance 2.5.
• Разрешение: 480p для предварительной проверки промпта, что экономит кредиты.
• Соотношение сторон: 21:9 вместо 16:9. По утверждению автора, фильмы снимаются в этом формате, а модели обучались на фильмах, поэтому генерации получаются более кинематографичными примерно на 3–5%.
• Длительность: 10–12 секунд.
• Аудио: включено.

Промпт: крупный план азиатского мужчины тюркской внешности, который стреляет из лука. Камера следует за стрелой и показывает попадание во врага. Затем главный герой садится на коня и въезжает в битву.

Автор отмечает, что промпты можно писать на русском языке.

Результат: стрела летит на протяжении примерно шести секунд из семи. Причёска персонажа в начале не видна. Ролик выглядит кинематографично, но сцена не контролируется. Автор делает вывод, что метод простого промпта не позволяет управлять всей сценой.

Уровень 2. Промпт, обработанный LLM, и персонаж

Подготовка промпта

Промпт передаётся в LLM, например Claude или ChatGPT. Через LM Studio в Syntaxis можно выбрать одну из этих моделей. Запрос к LLM включает следующие требования:

• промпт для CDance 2.5;
• не менее шести кадров;
• описание действий по временным отрезкам: от 0 до 1 секунды, от 1 до 3 секунды;
• единый промпт на 20 секунд;
• зернистость плёнки (film grain);
• съёмка на камеру Arri, которую используют при съёмке фильмов.

В результате LLM формирует промпт с кинематографическими приёмами: extreme close-up (сверхкрупный план), macro closeup (макросъёмка), follow cam locked (фиксированное слежение камеры).

Создание персонажа

Персонаж создаётся в Cdream 5 Pro:

• соотношение сторон: 16:9;
• разрешение: 2K;
• формат: лист персонажа, разделённый на две части.

Слева — портрет автора в образе казахского батыра. Справа — изображение в полный рост в той же одежде. Фон — серый. Исходным материалом служит селфи. Изображение затем загружается в видеомодель как референс.

Генерация видео

Персонаж добавляется в видеогенерацию как главный герой. Для этого используется символ «@» и выбирается загруженное изображение. Длительность составляет 15 секунд, разрешение — 480p.

Было создано два видео по одному промпту:

• Первое видео: стрела летит нестандартно, сначала снизу, затем сверху. Сцена воспринимается как две отдельные. Головной убор персонажа появляется в одном кадре и исчезает в другом.
• Второе видео: результат оценён автором как удачный.

Ограничение метода: модель самостоятельно принимает решения о траектории стрелы и дальнейших действиях. Пользователь задаёт только общее описание сцены и получает результат, зависящий от случайности. Создание нескольких вариантов расходует кредиты, поэтому для полноценного контроля требуется переход к следующему уровню.

Уровень 3. Режиссура: референсы и раскадровка

Визуальный референс

Референсом служит кадр из фильма «Номад». Промпт для Cdream 5 Pro составлен в Claude и содержит запрос на крупный план казахского кочевника с луком. В описание включены указания на зернистость и камеру Arri Alexa 65. Модель вернула описание с характеристиками плёнки и объектива.

Результат получился кинематографичным. Однако модель перенесла с референса и лицо персонажа. Для исправления лицо заменили на лицо автора с помощью Nano Banana 2.1. Создание изображения стоит около шести кредитов.

Раскадровка

Claude составил раскадровку из четырёх ключевых сцен:

1. Персонаж выпускает стрелу.
2. Стрела летит над полем боя.
3. Стрела попадает во врага, показана реакция и драматизм момента.
4. Персонаж садится на коня и скачет вперёд.

Для каждой сцены Claude написал отдельный небольшой промпт. Nano Banana 2.1 создал изображение раскадровки. Изображение загружено в видеомодель с тегом «storyboard».

Генерация выполнена в 720p.

Результаты двух генераций:

• Первая генерация: начало удачное, с акцентом на руку персонажа. Далее стрела попадает в человека, а не в лошадей. Автор предполагает, что для согласованности нужна промежуточная сцена с людьми.
• Вторая генерация: автор отметил удачный кадр, где персонаж садится на коня и въезжает в толпу.

Сравнение уровней

Постпродакшн

Итоговый ролик собран из двух генераций. Автор выбрал лучшие фрагменты каждой из них и смонтировал их в CapCut:

• начало второго видео, где стрела выпускается;
• полёт стрелы из второго видео;
• широкий план, на котором враги продолжают наступать;
• сцена, в которой персонаж садится на коня и скачет в бой.

Момент попадания стрелы не показан. Вместо него выводится результат попадания. Итоговый ролик, по оценке автора, получился связным: из двух видео с небольшими артефактами создана единая история. На этапе постпродакшна также можно добавить музыку и эффекты.

Автор отмечает, что данный алгоритм универсален и применим к мультфильмам, кинематографическим видео, реалистичным роликам и рекламе.