Модуль d.4: AI-видео и анимация для дизайнеров

Ведущая: Привет-привет! С вами AIStudy — бесплатный курс про искусственный интеллект. Сегодня оживляем картинки: делаем видео с нейросетью, которое не стыдно показать заказчику.

Ведущий: Привет! Это модуль про видео в треке «AI для дизайнеров». Какая видеомодель за что отвечает, как писать ей задание, как оживлять готовый макет, чем анимировать логотипы, которые нейросеть портит. А в конце соберём ролик на тридцать секунд.

Ведущая: Целая студия за один выпуск. Поехали! Часть первая. С чего начинать, если видеомоделей уже целый зоопарк?

Ведущий: Начну с главной перемены. Раньше генерация видео была лотереей: лица плыли, предметы менялись на ходу. Теперь это управляемый инструмент. Ролики получаются в высоком разрешении, речь и шумы рождаются вместе с картинкой, а в одном запросе можно описать сразу несколько планов подряд.

Ведущая: Что-то подозрительно гладко. В рекламе я такое видела, а потом сама пробовала, и выходило не совсем так.

Ведущий: Вот именно. Демо-ролики компаний показывают один удачный дубль из многих. Поэтому говорим честно: что реально работает и как не слить бюджет.

Ведущая: Тогда карта. Кого открывать?

Ведущий: Первое правило: не искать одну лучшую нейросеть на все случаи. Собирайте связку. Дешёвая быстрая модель для черновиков и раскадровки, сильная для чистовых планов. Теперь по именам. Если открываете видеогенератор впервые или собираете коммерческий ролик с предсказуемым бюджетом, начните с Kling. Он заточен под кинематографичное видео из нескольких планов, хорошо держит внешность героев и сам делает звук.

Ведущая: А Veo? Это же Google.

Ведущий: Да. Veo берут за свет и звук. Светотень красивая, а речь, шаги и шорохи рождаются вместе с картинкой, и губы в диалоге попадают в слова. Для проверки композиции и движения камеры есть облегчённые быстрые версии, их гоняют перед дорогим рендером.

Ведущая: А Runway?

Ведущий: Runway — про контроль. Его выбирают, когда словами не добиться и хочется управлять движением вручную. Там же есть модель для правки уже снятого видео. И ещё два имени: Wan и Seedance. Это быстрые пробы, стилизация под рисунок и перенос внешности героя по референсу.

Ведущая: А Sora? Про неё было столько шума.

Ведущий: Закрыли. В этом году приложение выключили в апреле, программный доступ в сентябре. Хорошая причина не привязывать рабочий процесс бренда к одному сервису.

Ведущая: Ладно, модель выбрана. С чем её кормить?

Ведущий: Режимов четыре, и выбирать нужно по тому, что у вас уже есть. Первый: из текста в видео. Подходит, когда исходной картинки нет, а нужен атмосферный фон: утренний туман в лесу, перетекающее золото для сайта, пролёт дрона. Второй: из картинки в видео. Это главный режим дизайнера продукта и бренда. Подаёте выверенный кадр, флакон или упаковку, а в задании описываете только движение.

Ведущая: Третий, наверное, первый и последний кадр?

Ведущий: Верно. Загружаете начало и конец сцены, например закрытую коробку и открытую, а модель сама строит переход между ними. Четвёртый режим: референсы. Загружаете героя, маскота или товар, и в задании ссылаетесь на них по номеру. Так в одном кадре держатся несколько героев, и лица с одеждой не смешиваются. Жёсткое правило: если у вас есть утверждённый макет или товар, не генерируйте его из текста.

Ведущая: А где подвох? Подвох же всегда есть.

Ведущий: Четыре подвоха. Первый: текст в движении. Когда банка вращается или камера наезжает, мелкие буквы на этикетке начинают дышать и менять начертание. Поэтому титры и логотип генерировать не надо: видео снимается без текста, а надписи ложатся сверху.

Ведущая: Второй, наверное, руки?

Ведущий: Руки. Взять чашку или провести ладонью по ткани модели умеют. А завязать шнурки или быстро печатать на клавиатуре — это несколько дублей и отбор лучшего. Отсюда третий подвох: брак. Нормальный профессиональный процесс выбрасывает большую часть генераций, так что на каждый чистовой план закладывайте несколько попыток. Черновики гоняйте без звука: звук заметно удорожает генерацию.

Ведущая: И четвёртый?

Ведущий: Права и маркировка. У многих сервисов бесплатный тариф не даёт коммерческих прав на рекламу для клиента. А площадки считывают скрытые метки происхождения файла и сами подписывают реалистичное ИИ-видео. Так что отметку лучше поставить честно, самому.

Ведущий: Задачка на закрепление. Тизер наушников. Кейс на каменном подиуме плавно открывается, и у вас есть точные рендеры закрытого и открытого кейса. Какой режим берёте?

Ведущая: Первый и последний кадр. Тогда форма кейса не изменится ни на миллиметр. А в конце ролика появляются логотип бренда и кнопка предзаказа. Это не видеомодель, это вектор поверх, потому что буквы в движении она портит.

Ведущий: Точно. Связка из двух моделей, четыре режима, надписи сверху, дублей с запасом. Теперь учимся писать задание.

Ведущий: Часть вторая. Модель выбрана, а как с ней разговаривать? Я привык писать как для картинок: чашка кофе, уютный свет, красиво, шедевр.

Ведущая: Вот эта привычка и мешает. В картинке перечисление работает. В видео такой запрос даёт живую фотографию: камера бесцельно плывёт, пар над чашкой дёргается. Видеомодель читает текст как режиссёрскую экспликацию. Ей нужно прямо сказать, что движется, что стоит на месте, куда смотрит объектив и что слышит зритель.

Ведущий: То есть писать как сценарий.

Ведущая: Именно. Пять блоков в строгом порядке. Первый — субъект, в самом начале. Назовите и опишите героя или продукт в первых же словах. Делаете серию кадров с одним героем? Копируйте описание его внешности и одежды слово в слово из задания в задание, тогда лицо и крой костюма останутся стабильными.

Ведущий: Дальше действие?

Ведущая: Действие, и только видимыми глаголами. Не «магия», а «синие искры медленно поднимаются вверх от ладоней». Не «птица в поле», а «птица срывается со стебля пшеницы, крылья ловят контровой свет на взлёте». И всегда говорите, что движется, а что замирает.

Ведущий: Третий блок — камера.

Ведущая: Крупность плана плюс физическое движение: общий план, макро, профиль, взгляд глазами героя, плавный наезд, сопровождение, перевод фокуса. Не указали камеру — получите статичную или хаотично дрейфующую. Четвёртый блок — среда и свет. Тут выбросьте мусорные слова: «кинематографично», «шедевр», «драматичный свет». Модели они ничего не говорят. Называйте то, что видно глазу: утренняя дымка, жёсткий контровой свет по контуру волос, длинные тени на паркете, неоновые отражения на мокром асфальте.

Ведущий: «Драматичный свет» — моё любимое.

Ведущая: Знаю. И пятый блок — звук. Если в кадре говорят, привяжите реплику к действию: кто говорит, каким голосом и что именно. Чтобы не возникало паузы между действием и репликой, ставьте их вплотную.

Ведущий: А по длине? У меня обычно абзац на полстраницы.

Ведущая: Абзац — это плохо. Два-пять коротких предложений. Одна мысль — одно предложение с точкой. Три коротких модель понимает точнее, чем один длинный с причастными оборотами.

Ведущая: И второе правило: без отрицаний. Не «без тряски камеры», а «плавное стабилизированное движение камеры». Описывайте то, что должно быть в кадре, а не то, чего быть не должно.

Ведущий: А на каком языке писать? Я по-русски.

Ведущая: Базовый русский модели понимают. Но вся операторская лексика размечена на английском: наезд, перевод фокуса, малая глубина резкости, контровой свет. Хорошая привычка: опишите сцену по-русски, а потом переведите в три-четыре коротких английских предложения по этой формуле. Точность движения камеры заметно растёт.

Ведущий: Давай пример на слух.

Ведущая: Слушай. Бариста в чёрном холщовом фартуке стоит за дубовой стойкой. Он медленно наклоняет питчер и льёт молоко в глиняную чашку, на пене рисуется белая розетка, над ней поднимается тонкий пар. Макро, плавный наезд на чашку, камера стабильна. Тёплое золотое утреннее солнце из бокового окна, длинные тени, контровой свет на паре. Четыре коротких предложения: субъект, действие, камера, свет.

Ведущий: Слышно, как это снимается. Совсем не «красивый кофе, шедевр».

Ведущая: Часть третья. Камера. Признаюсь, я всегда пишу «медленный зум». И почему-то выходит как любительская съёмка на старую видеокамеру.

Ведущий: Потому что зум и наезд — разные вещи. При оптическом зуме меняется фокусное расстояние линзы, а сама камера прибита к одной точке. Перспектива не меняется, передний и задний план не смещаются друг относительно друга, пространство сплющивается. Глаз в жизни зумить не умеет, и мозг считывает это как спецэффект.

Ведущая: А наезд?

Ведущий: Наезд на тележке, долли, везёт всю камеру сквозь пространство сцены. Края кадра мягко расступаются, предметы переднего плана проплывают мимо объектива, фон меняет масштаб относительно героя. Появляется живой параллакс, и зритель будто сам входит в личное пространство героя или наклоняется к продукту на столе. Поэтому пишите «медленный наезд», а не «зум».

Ведущая: А когда вперёд, а когда назад?

Ведущий: Наезд вперёд — это близость и концентрация внимания. Классика для момента озарения героя или взгляда покупателя на текстуру крема. Отъезд назад открывает масштаб и контекст: от одного флакона к целой оранжерее вокруг, или чувство простора в финале. Ещё два приёма. Сопровождение: камера едет параллельно объекту с его скоростью, это энергия движения, прогулка модели по рынку. И перевод фокуса: камера стоит, а резкость плавно переезжает с размытой ветки на переднем плане на чёткий флакон позади. Внимание переключается без склейки.

Ведущая: Красиво. А что с длиной? Модели же обычно дают десять-пятнадцать секунд.

Ведущий: Для коротких пяти секунд правило железное: один план — одно простое действие. Пятисекундные клипы держат движение плотнее и чище. А если взять десять-пятнадцать секунд и описать одно простое действие, модель начнёт тянуть резину и плодить артефакты. Есть точная формулировка: если у задания нет начала, середины и конца, их не будет и у видео.

Ведущая: И что тогда делать?

Ведущий: Два приёма. Первый: трёхчастная дуга внутри одного плана. Завязка, развитие, развязка. Чёрный матовый флакон лежит на мокром тёмном сланце в туманном лесу. Сначала капля росы скатывается по стеклу и касается воды. Потом по воде расходятся круги, лучи пробивают хвою и зажигают янтарные отражения в стекле. В конце медленный наезд приходит в макро освещённого стекла, а вода успокаивается.

Ведущая: Три действия на одном дыхании.

Ведущий: Второй приём: раскадровка прямо в запросе. Пишете «план первый, план второй, план третий», и модель вернёт их уже смонтированными в один файл, с одним и тем же героем. Например: общий план с наездом, девушка в бежевом льняном пальто идёт сквозь туманный сосновый лес на рассвете. Потом крупно, в профиль: пальцы касаются листа папоротника в каплях росы. Потом средний план, камера едет назад: она смотрит вверх на освещённые кроны и улыбается.

Ведущая: А если нужно тридцать секунд?

Ведущий: Собираете из шести пятисекундных планов. Это и надёжнее, и дешевле на переделках.

Ведущий: Часть четвёртая. У меня на руках утверждённый рендер флакона. Заказчик не примет ролик, где флакон похож на настоящий почти. Как оживить именно его?

Ведущая: Режимом «из картинки в видео». Но есть главное правило, и его нарушают чаще всего. Загруженная картинка работает как якорь. Модель уже видит цвет стекла, форму крышки, фактуру дерева. И если в задании вы снова начнёте описывать, как выглядит предмет, она воспримет это как команду перерисовать его заново поверх фото.

Ведущий: И что тогда?

Ведущая: Края баночки начинают двоиться, текстура «кипит», этикетка плывёт. Поэтому в задании только три вещи. Что меняется и как быстро. Что обязано остаться неподвижным. И как движется камера относительно якоря.

Ведущий: Дай пример.

Ведущая: Баночка стоит неподвижно, по её матовой поверхности медленно скользит тонкий луч утреннего света. В дымке за ней поднимаются золотистые пылинки, ветка папоротника слегка качается. Камера медленно наезжает на баночку, надписи на этикетке и края стекла остаются нетронутыми. Ни слова про цвет баночки и стол: это уже есть на картинке.

Ведущий: Здорово: оживает свет и воздух, а тяжёлый предмет стоит.

Ведущая: Это и есть ощущение дорогого продакшна. Неподвижный продукт и живая среда вокруг.

Ведущий: А если нужно, чтобы движение пришло в конкретную композицию?

Ведущая: Тогда два кадра: первый и последний. Первый — точка А, откуда стартуем. Последний — точка Б, куда модель обязана прийти к концу клипа. Три сценария. Распаковка: в первом кадре закрытая коробка на каменном подиуме, в последнем крышка снята, виден флакон. Сборка из ингредиентов: в воздухе летят листья мяты, капли и кусочки льда, а в последнем кадре на этом месте стоит готовый флакон сыворотки. И третий, мой любимый: бесшовный фон для сайта.

Ведущий: Как это?

Ведущая: Загружаете один и тот же кадр и в первый слот, и в последний. Модель запускает движение: колышется ткань, качается папоротник, бегут блики, а к последнему мгновению каждый пиксель возвращается на место. Такое видео в первом экране крутится по кругу без заметной склейки.

Ведущий: Подвох есть?

Ведущая: Оба кадра должны быть из одной сцены: та же цветовая температура, тот же фон, то же фокусное расстояние. Дневное фото на белом столе и ночной лес модель не свяжет, получится грязный морфинг. Поэтому оба кадра делают в одной сессии генератора картинок или правят первый.

Ведущий: А если надо вложить флакон клиента в руки конкретной героини?

Ведущая: Референсы по номерам. Загружаете героиню с нескольких ракурсов и флакон, а в задании пишете: «первый элемент идёт по террасе и держит в правой руке второй». Сеть не путает лица, одежду и этикетки, и так можно держать в сцене трёх героев и больше.

Ведущий: Ещё хочу оживить акварельную иллюстрацию.

Ведущая: Тут свой риск. Видеомодели учились на огромном количестве реальных съёмок и тянут любую картинку к фотореализму. Плоская акварель превращается в объёмный рендер. Берите модели, бережные к плоскому штриху, например Wan. И в конце задания прямо пропишите: сохранить плоский акварельный стиль, зерно бумаги и рисованные контуры. И дозируйте движение: пусть оживают дым из трубы, листья, блики на воде, а архитектура остаётся графичной.

Ведущий: И что ещё запомнить, прежде чем отправлять макет?

Ведущая: Отключите текстовые слои, цены и логотипы. Отдайте чистую сцену, а типографику вернёте поверх готового видео.

Ведущая: Часть пятая. Я пробовала попросить видеомодель оживить логотип. Края знака кипят, засечки у шрифта гуляют от кадра к кадру. Что с этим делать?

Ведущий: Не заставлять. Видеомодели великолепно снимают туман, росу, свет на стекле. Но логотип, график выручки или пружинящая кнопка в приложении — территория моушн-дизайна: векторная, послойная, математически точная анимация. Долгое время стандартом был After Effects с высоким порогом входа. Сейчас те же задачи решают три инструмента в браузере: один делает анимацию по текстовому описанию, второй называется Jitter, третий — Rive.

Ведущая: А как они дружат с видеомоделью?

Ведущий: Как бутерброд. Внизу фотореалистичный фон из видеомодели или текстура из генератора картинок. Сверху кристально чёткая векторная типографика и логотип. Два мира не конкурируют, а складываются.

Ведущая: Начнём с того, который работает по описанию.

Ведущий: Он работает не с пикселями, а со сценой из векторных примитивов и кривых движения. Вы словами описываете, что и как должно двигаться. Знак прорисовывается штрихами снизу вверх с мягким замедлением. Потом буквы названия по одной всплывают снизу, с маленькой задержкой на каждую. Потом в нижней трети загорается золотая плашка с адресом сайта. Ещё он оживляет графики, где столбики растут строго по вашим цифрам, и делает титры на прозрачном фоне.

Ведущая: Это же идеальная финальная плашка для ролика.

Ведущий: Пэкшот, да. А теперь Jitter. Это продолжение Figma в браузере. Выделяете фрейм, копируете плагином, вставляете в Jitter, и слои приходят со всей структурой. В After Effects вы вручную ставите ключевые кадры и тянете кривые скорости. Здесь мыслите поведением: слой входит в кадр, живёт в кадре, выходит из кадра.

Ведущая: И в чём секрет живого движения?

Ведущий: В каскаде. Никогда не пускайте заголовок, продукт и кнопку в одну и ту же миллисекунду: глаз теряется. Стройте очередь внимания с шагом примерно в пятую долю секунды. Сначала фон чуть сжимается к кадру. Потом снизу всплывает продукт с пружинящей физикой. Потом заголовок появляется по строкам под маской. И последним выскакивает бейдж или кнопка, как точка в конце фразы. Экспортируете в видео или в Lottie.

Ведущая: А что за Lottie? Разработчики всё время просят.

Ведущий: Lottie — открытый формат векторной анимации. Он хранит не кадры видео, а координаты узлов, цвета и кривые движения. Весит считанные килобайты, одинаково резкий на телефоне и на огромном мониторе, и спокойно встраивается в вёрстку сайта. Против него — тяжёлый зацикленный видеофайл, который тормозит загрузку мобильной страницы.

Ведущая: Остался Rive.

Ведущий: Первые два делают линейные ролики: нажали «играть», отыграло, остановилось. А цифровому продукту нужна графика, которая отвечает на палец и курсор в реальном времени. Для этого Rive. Его сердце — граф состояний. Вместо одного ролика рисуете узлы: покой, наведение, нажатие, загрузка, успех. И соединяете их стрелками-триггерами: клик, прокрутка страницы, ввод пароля.

Ведущая: Например, кнопка «положить в корзину»?

Ведущий: Да. В покое листок папоротника на кнопке чуть покачивается. При наведении флакон приподнимается и появляется тень. При клике срабатывает «добавлено». Это уже не ролик, а поведение.

Ведущая: Давай как памятку: какая задача — какой инструмент.

Ведущий: Заставка или финал с логотипом, анимированный график — тот, что работает по описанию. Оживить баннер или сториз, собранные в Figma, — Jitter. Живая кнопка, маскот, который реагирует на клик, онбординг — Rive. А свет, вода, пар, ткань и камера вокруг настоящего товара — видеомодель.

Ведущая: Как это собирается на практике?

Ведущий: Пятисекундный вертикальный фон без текста: солнечные зайчики и тени папоротника на тёплом камне. В Figma макет по именованным слоям: логотип, заголовок в две строки, плашка с предложением, вырезанный флакон на прозрачном фоне. В Jitter подкладываете видео и каскадом запускаете слои. Выгружаете ролик для коротких вертикальных видео, а верхние векторные слои отдельно в Lottie для лендинга. Минут двадцать работы.

Ведущий: Часть шестая. Последняя. Собираем всё вместе?

Ведущая: Собираем. Берём бренд натуральной косметики «Лесная тропа» и делаем тридцатисекундный рекламный ролик. Шесть шотов по пять секунд. Главный мастер вертикальный, для коротких видео в соцсетях, и вторая версия горизонтальная, для первого экрана сайта.

Ведущий: Начинаем со сценария?

Ведущая: Сначала таблица шотов, и только потом траты на генерацию. Дуга из трёх актов. Акт первый, завязка: просыпается дикий утренний лес, собираются чистые ботанические ингредиенты. Акт второй, развитие: рождается формула в мастерской, раскрывается упаковка. Акт третий, развязка: прикосновение к коже, наезд на героиню и чёткий векторный финал. И сквозной ключ света и цвета: лесной мох, неотбелённый крем, янтарная смола и мягкий золотистый контровой свет. Одна и та же строка про свет и палитру стоит в каждом задании, иначе кадры спорят по теплоте.

Ведущий: Пройдись по шотам.

Ведущая: Первый: лес с высоты дрона, камера плавно снижается сквозь кроны, туман между мшистыми стволами. Из текста в видео. Второй: макро. Янтарные аптечные флаконы, ромашки и хвоя на грубом льне, золотая капля масла падает с пипетки на лист папоротника, камера скользит слева направо. Третий: вид строго сверху. Женские руки растирают травы в керамической ступке.

Ведущий: Почему сверху?

Ведущая: Рабочий приём. Крупный план пальцев сбоку иногда требует много перегенераций. А сверху внимание держит круговое движение пестика и текстура трав, и кисти рук получаются чистыми уже с первого дубля.

Ведущая: Четвёртый — продукт. Тут мы не играем в угадайку: берём настоящий рендер упаковки из брендинга. Мелкий текст на этикетке заранее скрываем, чтобы ни одна буква не дрогнула. В первом кадре баночка в полутени за размытой веткой папоротника. В последнем ветка расступилась, баночка в тёплом луче, резкая. Пятый — портрет: героиня у окна касается щеки кончиками пальцев, наезд, золотой свет на волосах, можно даже тихую реплику. Шестой — векторный пэкшот, собранный в моушн-инструменте: контуры знака прорисовываются, потом название и золотая кнопка с адресом.

Ведущий: Я заметил, что кадры все разного масштаба.

Ведущая: Это и есть режиссёрский ритм. Общий план, макро, вид сверху, крупный продукт, портрет, вектор. Если снять всё одним средним планом с хаотичным зумом, на стыках будут дёрганые скачки.

Ведущий: Монтаж. Что там самое важное?

Ведущая: Пять вещей. Первое: у каждого сгенерированного клипа срезайте по три десятых секунды в начале и в конце. Именно там модель разгоняется или теряет резкость. Второе: склейки простые, прямая или короткий наплыв. Карусельные, спиральные и глитч-переходы мгновенно удешевляют бренд про природу. Третье: титры в безопасной зоне, с запасом от верхнего и нижнего краёв, иначе интерфейс соцсети закроет слова. Четвёртое: один корректирующий слой поверх всех дорожек: чуть теплее, чуть меньше насыщенность, чуть приподнять чёрный. Он склеивает разные генерации в единую киноплёнку. Пятое: звук двумя слоями. Тихий акустический эмбиент и природные шумы: шелест листьев в первом шоте, капля во втором, мягкий шорох ткани в пятом.

Ведущий: Даже если видео было немым?

Ведущая: Тем более. Именно эти шумы заставляют поверить в физическую реальность кадра.

Ведущий: И сколько на это уходит?

Ведущая: По оценке модуля — чуть больше часа на весь ролик: промпты, подготовка кадров, генерация по несколько дублей на шот, вектор, монтаж.

Ведущий: Теперь итог. Первое: не ищите одну лучшую модель. Собирайте связку: быстрая для черновиков без звука, сильная для чистовых планов, и не привязывайте процесс к одному сервису. Второе: задание видеомодели — это сценарий. Субъект, действие видимыми глаголами, камера, свет, звук, короткие предложения, наезд вместо зума. Третье: настоящий товар и утверждённый макет оживляем только от картинки, первым и последним кадром, а надписи и логотипы всегда добавляем сверху вектором. Четвёртое: ролик — это шесть пятисекундных планов с разной крупностью и общим светом, а монтаж склеивает их: срез краёв, единый цвет, слои звука.

Ведущая: Картинки, примеры запросов и задания лежат в уроках на сайте.

Ведущий: Дальше в курсе модуль про трёхмерную генерацию: как из картинки получить объёмную модель. А если хочется попробовать разные нейросети в одном месте, без VPN и с оплатой рублями, это наш сервис arckep.ru.

Ведущая: Спасибо, что слушали!