Кадр начинается до генерации
Большинство открывает нейросеть раньше, чем понимает, что хочет получить. Отсюда десятки попыток, слитые кредиты и лента, в которой каждое фото само по себе.
Генерация — это не «нажать кнопку и надеяться». Это последовательность решений, которые вы принимаете ещё до первого запроса.
Новички почти всегда начинают одинаково.
Открывают нейросеть, пишут «красивая девушка» и за вечер набивают сотню картинок.
По факту — сотню вариаций одного и того же среднего кадра: пластиковая кожа, кривая фигура, лишние пальцы и лицо, которое меняется от поста к посту.
Всё это уходит в ленту, а через месяц виноватыми оказываются нейросеть, алгоритмы и аудитория. Хотя ошибка была в первом шаге — у кадра просто отсутствовала задача.
Нейросеть отлично исполняет задачу. Но придумать задачу за вас она не может. Если задачи нет — она подставит самое среднее, что видела. А среднее не цепляет никого.
«Хочу красивое фото девушки у моря».
Что получите: закат, идеальные волосы, развевающееся платье, взгляд вдаль. Красиво. И ровно так же, как у тысячи других.
«Нужен первый кадр серии „выходные у моря“. Она идёт по деревянному настилу к пляжу, снято подругой на телефон на ходу, с расстояния 2–3 метров, чуть сзади и сбоку. Камера на уровне груди, лёгкий наклон горизонта, будто снимали не останавливаясь. Модель вполоборота, оглядывается через плечо и смеётся, волосы растрепал ветер. Примерно за час до заката, солнце низко и сбоку, тёплый свет и длинные тени на досках. На ней светлое льняное платье и шлёпанцы, в руке пляжная сумка. На фоне песок, кусок моря и пара людей вдалеке не в фокусе. Лёгкий смаз от движения по краям, обычное качество телефонной камеры, никакой студийной чёткости».
Теперь в задаче есть всё, что потом пойдёт в промт: кто снимает и на что (подруга, телефон), дистанция и угол (2–3 м, сзади-сбоку, уровень груди, завален горизонт), действие (идёт, оглядывается), эмоция (смеётся), время и свет (вечер, низкое солнце сбоку), одежда и предметы, фон и «живые» несовершенства. Модели не остаётся пробелов, которые она заполнила бы шаблоном.
Прежде чем писать запрос, ответь себе одним предложением: зачем этот кадр существует. Если ответа нет — генерировать рано.
Три вопроса до первого запроса
Где этот кадр будет жить?
Аватарка, кадр серии, видео для ленты, фото в историю. От этого зависит формат, плотность деталей и то, насколько «случайным» он должен выглядеть.
Что он должен сделать?
Остановить скролл. Показать характер. Продолжить историю. Добавить «воздуха» между сильными кадрами. Один кадр — одна задача.
Поверит ли зритель, что это снято?
Кто держал камеру? Откуда свет? Почему на фоне именно это? Если на эти вопросы нет логичного ответа — зритель почувствует подделку раньше, чем поймёт почему.
Три базовые схемы
Весь контент AI-модели — фото и видео — собирается из трёх простых схем. Инструменты меняются, а эти схемы остаются.
Фото
Нейросеть берёт лицо с фото, а сцену строит по тексту.
Видео: Image to Video (I2V)
Готовое фото оживает. Внешность, одежда и место берутся с фото, движение — из текста.
Видео: Motion Control
Ваша модель повторяет движения из чужого ролика: танец, тренд, жест, проходку. Референс даёт образец, промт — точную инструкцию, как его исполнить.
Схемы выстраиваются в цепочку. Видео делается из фото, фото — из лица. Ошибка на раннем шаге не исчезает, а переезжает дальше и становится дороже.
Названия инструментов ниже — примеры, а не рекомендация на века. Для фото часто используют Nano Banana Pro, для видео — Seedance и Kling. Модели обновляются каждые несколько месяцев, но вход и выход у схем остаются теми же. Поэтому учите схему, а не кнопки конкретного сервиса.
Эталон: лицо, от которого строится всё
Схема «лицо + промт» работает ровно настолько, насколько хорош референс лица. Плохой эталон не исправит ни один промт.
Эталон — это чистый, хорошо освещённый кадр лица, на котором держится узнаваемость модели. Он идёт на вход каждой фотогенерации. С ним же вы сравниваете каждый результат.
Если лица ещё нет. Сначала генерируете серию портретов по текстовому описанию внешности и выбираете один, который будете вести дальше. Он и становится эталоном. Смешивание лиц и закрепление внешности (например, через LoRA) — отдельная и более глубокая тема, для старта хватает одного хорошего портрета.
Каким должен быть референс лица
Анфас, взгляд в камеру, голова не наклонена
Ровный рассеянный свет, без жёстких теней на половине лица
Без фильтров, бьюти-ретуши и сильной обработки
Лицо открыто: волосы, руки, очки, телефон его не закрывают
Спокойное выражение или лёгкая улыбка, а не гримаса
Чёткое, в хорошем разрешении, лицо занимает заметную часть кадра
Простая одежда, минимум украшений. Всё, что есть на эталоне, модель потащит в каждый кадр
Селфи вплотную на фронтальную камеру, вечер, тёплая лампа сбоку, широкая улыбка, прядь на щеке.
Широкоугольная камера вблизи искажает пропорции: нос больше, уши меньше. Тень прячет половину лица, улыбка меняет форму щёк и глаз. Нейросеть перенесёт всё это в каждый кадр как «черты модели».
Портрет по плечи, снят с полутора метров, дневной свет из окна спереди, нейтральное лицо, волосы убраны за плечи.
Видны настоящие пропорции и все черты. Такое лицо одинаково хорошо садится и в кафе, и на пляж, и в зеркальное селфи.
Многие генераторы принимают несколько референсов сразу. Два-три дополнительных ракурса того же лица (3/4, профиль) помогают удерживать его в сложных позах. Главное правило: в каждой генерации используйте один и тот же набор референсов, а не «тот, что под рукой».
Дрейф: как модель «уезжает»
В «Фундаменте» я называл нестабильность внешности одной из главных проблем AI-контента. Вот как она выглядит на практике.
Совпадает с эталоном.
Подбородок слегка поменял форму — стал уже и острее. Сравнили с кадром 2 — «вроде такая же».
Другая форма бровей. Сравнили с кадром 5 — «нормально».
Положили рядом с первым — это другой человек. Каждый шаг был маленьким, сумма — огромная.
Чаще всего я вижу это у новичков: модель ведут два месяца, а на свежих кадрах её уже не узнают собственные подписчики. Никто не заметил момент, когда она «уехала», — потому что каждый новый кадр сравнивали только с соседним.
Сравнение с предыдущим кадром прячет дрейф. Сравнение с эталоном вскрывает его сразу. Ещё одна частая причина дрейфа — новую сцену строили от прошлой генерации, а не от эталона. Каждую ошибку предыдущего кадра нейросеть принимает за правду. На вход новой сцены всегда идёт эталон.
Что должно меняться, а что — никогда
Должно меняться
Причёска, одежда, локация, свет, настроение, ракурс. Без этого лента превращается в один и тот же кадр в разных вариациях.
Не меняется никогда
Черты лица, тип внешности, пропорции тела, приметы — родинка, шрам, пирсинг, особенность улыбки.
Примета, которая спасает
У живых людей всегда есть мелочь, по которой их узнают. Дай её модели заранее и держи во всех кадрах.
Плюс двойной: зритель узнаёт её быстрее, а вы быстрее замечаете, что модель «поплыла». Пропала примета — кадр под переделку.
Фото: лицо + промт
Лицо нейросеть берёт с фото. Всё остальное — из текста. Значит, качество кадра почти целиком зависит от того, как написан промт.
«Большие глаза, пухлые губы, острые скулы» в тексте спорят с референсом. Нейросеть пытается угодить и фото, и тексту и в итоге усредняет. Лицо начинает плыть.
Достаточно одной строки: «используй лицо с референса». Всё остальное место в промте отдайте сцене.
Из чего состоит промт сцены
Любой кадр раскладывается на одни и те же слои. Пропустили слой — нейросеть заполнит его сама. И почти всегда хуже, чем вам нужно.
Как снято
Селфи, зеркало, снято подругой, камера на столе. Это первое, что считывает глаз.
Ракурс
Высота камеры, наклон, дистанция, крупность плана, где модель стоит в кадре. Без этого нейросеть ставит её по центру, как на паспорт.
Где
Не «кафе», а конкретное кафе: столик у окна, сахарница, чужая куртка на соседнем стуле.
Свет
Один понятный источник и его сторона. Окно слева, лампа сзади, пасмурная улица. Свет «из ниоткуда» выдаёт генерацию сразу.
Поза и действие
Поправляет волосы, держит стакан, смотрит в телефон. Действие делает кадр моментом, а не позированием.
Эмоция
Сонная, смешно, задумалась, только что кто-то позвал. Одна эмоция, а не четыре.
Одежда
Фасон, цвет, ткань, как сидит. «Стильная одежда» — это не описание.
Реализм
Живая кожа, лёгкий шум телефонной камеры, обычный бытовой фон. Пиши, каким должен быть результат: «заметные поры», «размытый бг».
Разбор на примере
Девушка в кафе, красивая, стильная, хорошее освещение, высокое качество.
Здесь нет ни одного решения. «Красивая», «стильная», «хорошее», «высокое» — это оценки, а не детали. Модель их проигнорирует или выдаст рекламный глянец.
Снято подругой на телефон за столиком у окна. Пасмурный дневной свет падает слева. На столе недопитый капучино и телефон экраном вниз. Серый объёмный свитер, волосы собраны небрежно, пара прядей выбилась. Смотрит чуть мимо камеры, полуулыбка — будто кто-то за кадром что-то сказал.
Каждое слово — решение. Нет ни одной оценки. Есть кто снимал, откуда свет, что вокруг, что надето и что происходит.
Тот же кадр — готовым промтом
Промты обычно пишут на английском: большинство генераторов понимают его точнее. Структура та же — слой за слоем.
Use the woman from the reference image as the only subject. Keep her facial features exactly as in the reference. Shot: casual smartphone photo taken by a friend sitting across the table, vertical 3:4. Camera: eye level, about 1.2 m away, slight tilt to the right, framed from the waist up, subject slightly left of center. Location: small European café, table by the window, half-finished cappuccino, a black iPhone 15 Pro lying face down on the table. Light: soft overcast daylight from the window on the left, neutral color, no studio light. Pose and action: sitting sideways on the chair, one elbow on the table, looking just past the camera. Emotion: relaxed half-smile, as if someone off-camera just said something funny. Outfit: oversized light grey knit sweater, straight blue jeans. Realism: natural skin texture with visible pores, faint phone-camera noise, unretouched look. Hands: one hand around the cup, the other resting relaxed on the table. Background: the street behind the window softly out of focus.
Пиши результат, а не запреты. Вместо «no plastic skin» — «visible pores», вместо «no text on signs» — «street softly out of focus». Модель точнее выполняет описание, а слово из запрета иногда само попадает в кадр.
Правило замены: каждое «красивое», «качественное», «стильное» в промте заменяйте на конкретную деталь, которая делает кадр таким. Не «уютно» — а «плед на подлокотнике и лампа сзади».
Перегруз — обратная сторона
Детали нужны, но не все сразу. Когда в промте двадцать предметов, четыре источника света и три действия, модель начинает спорить сама с собой. Результат: лишние руки, чужое лицо, каша на фоне.
Цикл доводки
Хороший кадр редко получается с первого раза. Но и двадцать запусков одного и того же промта ничего не дают. Работает короткий цикл:
Референс — источник идеи, а не шаблон
Вы находите чужой кадр, который цепляет. Главная ошибка — пытаться повторить его целиком. Правильный подход — понять, что именно в нём работает, и забрать только это.
Пример разбора
Девушка сидит на подоконнике в большой рубашке, колени поджаты, за окном вечерний город, в комнате темно, лицо освещено только экраном телефона.
Контраст тёмной комнаты и одного холодного источника. Уединённость. Поза «для себя», а не для камеры.
Ваша модель на краю кровати, в своей худи, ноги под одеялом. Темно, свет только от ноутбука на коленях. За окном не город, а пара окон соседнего дома. Ракурс чуть сбоку, как будто кадр сделала соседка по комнате.
Атмосфера та же. Кадр — другой. Зритель, видевший оригинал, почувствует знакомое настроение, но не узнает копию.
Копия популярного кадра 1 в 1 работает против вас дважды. Тот, кто видел оригинал, перестаёт верить модели. А тот, кто не видел, получает ещё одну одинаковую картинку из ленты.
Банк референсов
Не ищите вдохновение в момент, когда нужно генерировать. Собирайте его заранее и раскладывайте по задачам, а не по принципу «что красиво». Для видео — отдельная папка с роликами, движения из которых вы хотите повторить.
Серия вместо одиночек
Одиночный кадр показывает картинку. Серия показывает жизнь. Именно серия превращает набор генераций в человека, за которым хочется следить.
Реальные люди не выкладывают одно фото с одного места. Они выкладывают день, поездку, вечер с подругами. Думайте не кадрами, а эпизодами.
Пример: один эпизод — «воскресенье»
Утро
Кровать, мятая подушка, телефон в руке, свет из щели между шторами.
Кофе
Только руки и кружка на подоконнике. Лица нет — и это нормально.
Сборы
Селфи в зеркале прихожей, в той одежде, в которой выйдет.
Улица
Кадр со стороны, идёт, смотрит не в камеру. Та же одежда, что в прихожей. Хороший кандидат, чтобы оживить в видео.
Вечер
Уставшая, дома, плед, сериал на фоне. Та же причёска, но чуть растрепалась.
Серия ломается на мелочах. Если в прихожей она в белых кроссовках, а на улице в чёрных, эпизод рассыпается. Перед генерацией каждого кадра серии сверяйте одежду, украшения, причёску и время суток.
Карточка серии
Перед стартом заполните коротко и держите перед глазами, пока генерируете. Одинаковые строки из карточки копируйте в промт каждого кадра серии слово в слово — так одежда и детали не «переезжают».
воскресенье дома + прогулка
серое худи, светлые джинсы, белые кроссовки
тонкая цепочка, кольцо на левой руке
утром распущены → днём в низкий хвост
утро — из окна, день — пасмурно, вечер — лампа
родинка у левого глаза (проверять в каждом кадре)
Кадры «без лица» — тоже работа
Руки с кружкой, ноги на пледе, вид из окна, сумка на стуле. Такие кадры дешевле, почти не ломаются и делают ленту живой. Реальные люди постоянно выкладывают то, что их окружает, а не только себя.
Где ломается картинка
У любой нейросети есть зоны, в которых она стабильно ошибается. Знать их заранее — значит не тратить час на то, что не получится.
Руки
Особенно когда держат предмет или пальцы переплетены. Лишний палец — частая находка.
Украшения
Серьги разные, цепочка срастается с кожей, кольцо «переезжает» на другой палец.
Текст
Вывески, этикетки, надписи на футболке превращаются в кашу из полубукв.
Отражения
В зеркале другая поза, другой телефон или вообще другой человек.
Мелкие предметы
Вилки, ручки, наушники, шнурки сплавляются друг с другом.
Редкие ракурсы
Снизу вверх, сверху вниз, сильный наклон — модель знает их хуже, пропорции едут.
Если сцена упирается в слабое место инструмента, не борись с моделью двадцать попыток. Поменяй сцену.
Руки не получаются с бокалом — пусть бокал стоит на столе. Надпись на кофте каша — кофта без надписи. Зеркало врёт — снимите со стороны.
Проверка трёх секунд
Зритель тратит на кадр пару секунд. Проверяйте так же: откройте кадр на телефоне, посмотрите три секунды, закройте. Что запомнилось первым?
Взгляд, улыбка, настроение. Кадр работает.
«Странная рука», «что-то с серьгой», «вывеска кривая». Это ровно то, что запомнит и зритель. Кадр в переделку.
Слишком идеально — тоже ошибка
Нейросети по умолчанию тянутся к «качеству»: гладкая кожа, ровный свет, полная резкость. Реальный телефон так не снимает.
Если кадр уже готов, но выглядит слишком чисто, — лёгкий шум и характер телефонной камеры можно добавить бесплатно: FBL APPS → PHONE LOOK.
Видео: Image to Video
Готовое фото + промт с движением = короткий ролик. Внешность, одежда, место и свет уже есть на фото. Промт отвечает только за то, что меняется во времени.
Главное правило: сначала стабильный кадр, потом движение. Слабое фото не станет сильным видео — оно станет слабым видео, где ошибки ещё и двигаются. Лишний палец на фото в ролике начнёт шевелиться.
Формат ролика задаёт фото. Нужно вертикальное видео для ленты — сразу генерируй вертикальное фото. Растягивать и обрезать потом — значит терять качество и композицию. Проверить, не уйдёт ли лицо под подпись и кнопки площадки, можно бесплатно: FBL APPS → SAFEZONE.
Описывайте движение, а не картинку
Красивая девушка в сером худи сидит на кровати в уютной комнате с мягким светом.
Всё это нейросеть и так видит. Движения в тексте нет, поэтому она его придумает сама. А пересказ внешности иногда заставляет её «перерисовывать» лицо прямо по ходу ролика.
Отрывает взгляд от телефона, смотрит в камеру, тихо смеётся и отворачивается. Движения медленные. Камера в руке, лёгкая естественная тряска, без зума. Фон неподвижен.
Что делает, в каком порядке, в каком темпе, как ведёт себя камера и что должно стоять на месте. Нейросети нечего додумывать.
Из чего состоит промт движения
Действие
Что она делает и в каком порядке. Одно-два действия, не пять.
Темп
Медленно, плавно, естественно. Без указания темпа движения часто выходят резкими.
Камера
Стоит на месте, в руке у подруги, в её вытянутой руке. Не прописали — камера начнёт «летать».
Что неподвижно
Фон, мебель, предметы. Иначе стены «дышат», а чашка ползёт по столу.
Что сохранить
Лицо, одежда, причёска без изменений до последней секунды.
Как писать запреты
В Seedance нет отдельного поля для негатива. Вместо «без плывущего лица» пишите «лицо остаётся чётким и неизменным» — описывайте нужный результат.
@Image1 is the first frame. She is sitting on the bed holding her phone. She slowly lifts her eyes from the screen, looks into the camera, laughs softly and turns her head away. Natural breathing, small shoulder movement while laughing. All movements are slow and smooth. Camera: handheld phone held by a friend, very slight natural shake, no zoom, no pan. The background and furniture stay completely still. Her face stays sharp and unchanged, eyes keep a natural relaxed shape, hands keep a natural shape. Hair and clothing stay exactly as in @Image1 until the last frame.
Лестница движения
Движение усложняется по ступеням. Не перепрыгивайте: пока ступень 2 не получается стабильно, к ступени 4 рано.
Длина — такая же ступень. Учись на 5 секундах: чем длиннее ролик, тем сильнее лицо меняется к концу.
Одна идея, два подхода
Она заходит в комнату, снимает куртку, бросает на кровать, садится, берёт телефон и смеётся.
Пять действий, смена позы, взаимодействие с двумя предметами. Почти гарантированно куртка поменяет фасон, руки сломаются, а к концу ролика это будет уже другое лицо.
Она уже сидит на кровати с телефоном. Отрывает взгляд от экрана, смотрит в камеру, смеётся и отворачивается.
Одна поза, одно действие, одна эмоция. Тот же смысл — «живой момент дома» — без половины рисков.
Видео: Motion Control
Нужна не «просто живая» модель, а конкретное движение: танец из тренда, жест, проходка. Референс показывает движение, а промт объясняет нейросети, как именно его перенести. Без сильного промта даже идеальный референс даст смазанный результат.
Motion Control встречается в двух видах. В Kling это отдельный режим: кадр и ролик загружаются в свои поля, движение и мимику модель берёт из ролика, а промт отвечает за то, чего нет ни там, ни там: камеру, фон, мелкие детали. В Seedance ролик-референс прикладывается к обычному запросу, и промт решает больше — именно он объясняет, какой файл за что отвечает. Ниже разобран Seedance.
Стартовый кадр — фото вашей модели, с которого начинается ролик. Референс — видео реального человека с нужным движением. В Seedance оба файла загружаются вместе, а в промте на них ссылаются тегами: @Image1 — кадр с моделью, @Video1 — видео с движением. Запись тегов зависит от площадки: где-то @Image1, где-то [Image 1] — смотри подсказку в поле запроса.
Кто за что отвечает
Промт из одной строки — «повтори танец с @Video1» — и нейросеть переносит движение «примерно». Руки смазываются, пальцы слипаются, мимика становится случайной, амплитуда то больше, то меньше, камера начинает гулять.
Референс — это образец. Промт — инструкция, как его исполнить. Нормальное движение получается только когда работают оба.
Что прописывать в промте
Кто и откуда
@Image1 — кто в кадре. @Video1 — откуда берётся движение. Одна строка в начале промта.
Характер движения
Не «что и когда» — порядок и тайминг уже есть в @Video1. А «как»: плавно или резко, мягкие или чёткие руки, на чём акцент — бёдра, плечи, голова.
Руки и тело
Что делают руки, кисти, плечи, бёдра, голова. Чем точнее описаны руки, тем меньше «каши» из пальцев.
Мимика и взгляд
Куда смотрит, когда улыбается, когда отводит глаза. Мимика чужого человека переносится сложнее всего — её нужно прописывать отдельно.
Темп и амплитуда
В такт, плавно, без ускорений. Насколько широкие движения — как в референсе или мягче.
Камера
Полностью неподвижна: без панорам, наклонов, наездов, покачиваний и дрейфа горизонта. Не зафиксировали — камера начнёт повторять оператора референса или «гулять» сама.
Что сохранить
Лицо, пропорции тела, причёска и одежда — как на @Image1, до последнего кадра. Фон стоит на месте.
Как формулировать
Как и в I2V: пиши, каким должен быть результат («руки сохраняют естественную форму»).
Почему не по секундам. Последовательность и тайминг движения нейросеть берёт из @Video1. Если продублировать их в промте, а цифры хоть немного разойдутся с референсом, у неё окажутся две противоречащие инструкции — и движение начнёт дёргаться. Промт не пересказывает танец, а объясняет, как его исполнить.
Разбор на примере
@Image1 повторяет танец с @Video1. Красиво, реалистично, высокое качество.
Нет ни фаз, ни рук, ни мимики, ни камеры. Нейросеть сама решает, что из референса важно, — и почти всегда теряет детали: жест превращается в взмах, улыбка — в гримасу, камера плывёт.
Тайминг и порядок — по @Video1. В промте описано, каким должно быть движение: плавные покачивания бёдрами, мягкие руки не выше плеч, расслабленные пальцы. Отдельно — мимика и взгляд, амплитуда «чуть мягче референса», камера зафиксирована на штативе, а внешность и одежда остаются как на @Image1.
У нейросети есть и образец, и инструкция. Ей не нужно угадывать, что важно, — всё важное названо.
@Image1 is the woman in the video. She performs the dance from @Video1, following its rhythm, timing and sequence of moves. Body: smooth hip sways on the beat, relaxed shoulders, soft fluid arm movements; her hands stay close to the body and never rise above shoulder level. Hands keep a natural shape with relaxed fingers throughout the movement. Head and face: light head tilts with the music, relaxed playful expression, soft smile, gaze mostly into the camera. Tempo and amplitude: same tempo as @Video1, movements slightly softer and smaller, smooth transitions between moves. Camera: locked off on a tripod at chest height, completely static for the whole video — no pan, no tilt, no zoom, no dolly, no sway, no horizon drift. Her face, body proportions, hairstyle and outfit stay exactly as in @Image1 until the last frame. The bedroom background stays still, bright neutral daylight from the window.
Каким должен быть референс
Сильный промт не спасёт плохой образец. Референс подбирай так же внимательно, как пишешь промт.
В кадре один человек
Один непрерывный план, без склеек и переходов
Человек всё время в кадре, тело и голова не обрезаются
Камера по возможности стоит на месте
Умеренный темп: резкие и очень быстрые движения переносятся хуже
Обрезан заранее до нужного куска — лишние секунды только мешают
Каким должен быть стартовый кадр
Кадр и референс должны быть «из одной сцены» по построению. Чем сильнее они расходятся, тем больше нейросети приходится додумывать — и тем сильнее ломаются пропорции.
Ориентир удобно взять из самого референса: FBL APPS → FRAME PICK вытащит из ролика чёткие кадры. Под план и позу первого из них и строится стартовый кадр.
Стартовый кадр — селфи по пояс. Референс — танец в полный рост, снятый с трёх метров.
Ног на фото нет, и нейросеть дорисует их сама. Голова получится слишком крупной, рост — странным, а лицо исказится на первом же повороте.
Стартовый кадр — модель в полный рост, камера на уровне груди с трёх метров, стоит в той же позе, с которой начинается танец. Вокруг есть место для движений рук.
Тот же план, похожая поза, похожие пропорции. Нейросети остаётся перенести движение — по вашей инструкции.
I2V или Motion Control
Это не «лучше» и «хуже», а два инструмента под разные задачи. Выбор зависит от того, что именно должно происходить в ролике.
Что проверять в готовом ролике
Лицо в последней секунде совпадает с первой
Одежда не меняет фасон, количество пуговиц и слоёв
Фон не «дышит» и не плывёт
Камера ведёт себя логично: стоит или дрожит в руке, а не дёргается рывками
Пропорции тела не меняются при движении
Ролик смотрится нормально на телефоне, на обычной скорости, как его увидит зритель
Отбор решает больше генерации
Сгенерировать — полдела. Вторая половина — честно выбросить то, что «почти получилось».
У тех, кто в этой нише зарабатывает, я раз за разом вижу один недооценённый навык — умение выбросить «почти хороший» кадр.
Из десяти результатов в ленту обычно стоит пускать один-два. Остальное — материал для выводов, а не для публикации. И только лучшие фото идут дальше в видео.
Отбирать удобнее пачкой, а не по одному файлу в папке: FBL APPS → PICKER — «оставить / в брак» с клавиатуры и архив отобранного одним кликом.
«Почти нормально» — это нет. Зритель не делает скидку на то, сколько попыток ушло. Он видит один кадр, и этот кадр либо держит образ, либо ломает.
Чек-лист перед публикацией
Это она? Положили рядом с эталоном — тот же человек
Примета на месте
Понятно, кто снимал и откуда свет
Руки, украшения, текст, отражения — без странностей
Не выглядит как реклама или студийный рендер
Вписывается в ленту: тот же стиль, та же манера, та же история
Прошёл проверку трёх секунд
Хотя бы один пункт «нет» — кадр не выходит. Без исключений «ну он же красивый».
Нейросеть исполняет. Решения принимаете вы.
Три схемы: лицо + промт, фото + промт движения, кадр + референс + промт. Хороший эталон на входе, промт про сцену, а не про оценки, движение по ступеням и честный отбор на каждом шаге. Это не «секретные промты». Это способ думать, который отличает модель, за которой следят, от ленты, которую листают и забывают.
От схемы к результату
Три схемы и места, где каждая из них ломается, у вас уже на руках.
Тот, кто просто жмёт «сгенерировать», этого не видит.
Но схема — это ещё не навык.
Прочитать, что промт должен описывать ракурс и камеру, — легко.
Написать промт, после которого лицо не меняется до последнего кадра, а руки не ломаются, — это сотни генераций и десятки разборов.
Сама схема понятна с первого прочтения. Время съедают детали: почему лицо меняется именно в этом ракурсе, какое слово в промте ломает руки, почему движение с референса переносится рывками. Изнутри такую ошибку не видно, и на одну уходят недели — а виноватой кажется нейросеть.
Навык собирается на этом круге: сделал, разобрал, поправил одно — и заново, пока кадр не начнёт получаться без борьбы. Быстрее всего круг крутится, когда твои кадры разбирает тот, кто его уже прошёл.
Всё, что описано в этом материале, можно начать отрабатывать уже сегодня: один эталон, один кадр по схеме, один короткий ролик. Не ждите идеального момента и идеального инструмента — их не будет.
Здесь вся база — бесплатно: как устроен кадр, где он ломается и как это чинить.
Сделать первый кадр по этой схеме за тебя не сможет никто. С него и начинается навык.
Умение сделать хороший кадр ничего не стоит, если через месяц вы выгорели, потеряли эталон и не помните, что работало. Как собрать всё это в ежедневную рабочую линию — в следующем материале.
Хотите идти дальше?
Застрял на каком-то шаге — скинь эталон, промт и результат в Discord. Свежий взгляд находит такую ошибку быстрее десятой попытки.
Разборы кадров и промтов, мой личный опыт и люди, которые делают то же, что и ты, — там.
Копирование, рерайт и переупаковка без согласия автора запрещены.