Урок 1: Демо-видео продукта с AI

Чему вы научитесь

• Писать режиссёрские промпты для Kling 3.0 по пятичастной формуле (Субъект → Видимое действие → Движение камеры Dolly/Tracking → Свет и атмосфера → Синхронный звук)
• Управлять виртуальной камерой и фиксировать внешний вид героя между сценами через опорные кадры (Start/End Frame) и теги @Element
• Совмещать кинематографичные AI B-Roll сцены с реальным скринкастом интерфейса так, чтобы ролик вызывал доверие у покупателей цифрового продукта
• Собирать 60-секундное продуктовое демо с AI-озвучкой и субтитрами за 2 часа вместо недели продакшена

Для практики используем arckep.ru — все основные модели, без VPN, оплата рублями. Вы можете использовать любые другие сервисы.

Почему 100% сгенерированный AI-ролик не продаёт цифровой продукт

Короткое 60-секундное демо-видео на первом экране лендинга или на странице запуска на Product Hunt повышает вовлечённость и конверсию в регистрацию на 20–30%. Раньше съёмка такого ролика требовала бюджета от 50 000–150 000 рублей и недели работы видеографа, диктора и моушн-дизайнера.

В 2026 году нейросети позволяют собрать кинематографичный ролик за пару часов, но начинающие дизайнеры часто совершают фатальную ошибку: они генерируют видео на 100% из нейросетевых сцен. Зритель видит абстрактных людей в неоновых офисах, парящие голограммы и телефоны с размытыми иконками — и закрывает страницу. Для покупателя SaaS-сервиса или мобильного приложения ролик без реального интерфейса выглядит как обман («у них нет готового продукта, только сгенерированные картинки»).

Профессиональный стандарт продуктового видео — гибридная формула (Hybrid Demo):

• 35–40% хронометража — кинематографичный AI B-Roll (Kling 3.0 + Nano Banana): захватывает внимание в первые 5 секунд (хук), показывает жизненную боль клиента в реальном физическом мире и эмоциональный результат в финале.
• 60–65% хронометража — реальный интерфейс продукта (Screen Studio / OBS / Figma Prototype): крупные, кристально чёткие планы настоящих кнопок, таблиц и сценариев вашего дизайна.

Режиссёрская формула раскадровки в Kling 3.0

Модель Kling 3.0 (kling-3.0-v3 на arckep.ru) работает не как генератор случайных картинок, а как виртуальная съёмочная площадка с нативным 4K-разрешением, физикой движения и синхронной генерацией звука. Бесполезно писать ей теги в духе «красивое рекламное видео, 4K, шедевр, магия» — модель ждёт чётких режиссёрских указаний: что находится в кадре, какой глагол задаёт движение, как физически перемещается камера в пространстве и что слышит зритель.

Каждый шот (сцена на 5–10 секунд) строится по строгой пятичастной формуле из 3–5 коротких предложений:

Формула сцены Kling 3.0:
[1. Субъект] → [2. Видимое действие] → [3. Движение камеры (Dolly / Tracking)] → [4. Свет и атмосфера] → [5. Синхронный звук]

Разберём каждый слой формулы на практике:

1. Субъект (Subject): назовите главного героя или предмет в самом начале промпта. Если персонаж появляется в нескольких сценах ролика, копируйте описание его внешности и одежды слово в слово (например: «Молодой архитектор 30 лет в графитовой льняной рубашке и круглых очках») или привяжите референс через тег @Element1.
2. Видимое действие (Visible Action): описывайте движение через конкретные физические глаголы. Не пишите «человек расстроен из-за отчётов» — нейросеть не знает, как выглядит абстрактное «расстройство». Напишите: «Он устало потирает переносицу, откидывается на спинку кресла и закрывает крышку ноутбука». Указывайте, что в кадре движется, а что остаётся неподвижным.
3. Движение камеры (Camera Language): управляйте оптикой на языке операторского искусства:
   • Dolly-in (медленный физический наезд камеры вглубь пространства к объекту) — создаёт чувство сопричастности и фокусирует зрителя на эмоции героя или экране устройства. В отличие от дешёвого оптического зума (Zoom), который просто растягивает картинку, Dolly меняет перспективу фона так, как будто оператор подошёл ближе.
   • Tracking shot (сопровождение в движении) — камера плавно скользит параллельно курьеру или идущему человеку.
   • Macro close-up + Rack focus (макроплан с переводом фокуса) — резкость плавно переходит с чашки остывшего кофе на переднем плане на освещённое лицо пользователя.
4. Свет и атмосфера (Lighting & Atmosphere): задайте физический источник света («мягкий утренний солнечный свет из окна слева, длинные тени на дубовом столе» или «холодный синий свет монитора в тёмной комнате поздно вечером»).
5. Синхронный звук (Native Audio): Kling 3.0 умеет генерировать звуковую среду и речь синхронно с картинкой. Опишите точечные звуковые акценты (Foley): «тихий шелест бумаги, глухой щелчок закрывающегося ноутбука и приглушённый шум вечернего города за окном».

Опорные кадры (Start / End Frame) через Nano Banana

Если генерировать видео только из текста (Text-to-Video), нейросеть сама придумывает композицию, цвета и интерьер, которые могут не совпасть с фирменным стилем вашего сайта. Чтобы получить предсказуемый результат, профессионалы работают в режиме Image-to-Video:

1. Сначала вы генерируете идеально выверенный стартовый кадр (Start Frame) в графической модели Nano Banana (gemini-3-pro-image) или Flux 2 Pro — с нужной цветовой палитрой вашего бренда, чистой композицией и правильным светом.
2. Загружаете эту картинку в Kling 3.0 как опорный первый кадр и описываете в промпте только развитие движения из этой точки.
3. Если нужен бесшовный переход между двумя конкретными композициями, добавьте целевой финальный кадр (End Frame) — Kling 3.0 сам построит плавную траекторию движения от кадра А к кадру Б.

Промпт в Nano Banana для создания чистого опорного кадра

Minimalist commercial product photography: a sleek matte-black smartphone resting at a 15-degree angle on a light travertine stone table. Clean emerald-green UI accents (#059669) glowing softly on the screen. Soft morning sunlight from the top left casting gentle natural shadows, a fresh basil leaf and a ceramic espresso cup slightly out of focus in the background. Apple keynote aesthetic, 85mm lens, f/2.8, 1920x1080.

Пошаговая сборка гибридного 60-секундного демо-ролика

Разберём полный производственный цикл создания промо-ролика для сервиса доставки фермерских продуктов FreshGo за 1,5–2 часа:

Структура 60-секундного гибридного демо:

Сцена 1 (0:00–0:06) │ Хук и боль (AI B-Roll, Kling 3.0)
  → Вечер, усталый человек открывает пустой холодильник, холодный свет изнутри.

Сцена 2 (0:06–0:12) │ Переход к решению (Start Frame Nano Banana → Kling 3.0)
  → На кухонном столе загорается экран смартфона, рука касается кнопки заказа.

Сцена 3 (0:12–0:38) │ Реальный продукт в действии (Скринкаст интерфейса UI)
  → Крупный захват реального прототипа Figma / рабочего сайта: выбор корзины за 3 клика,
    наглядная анимация таймера доставки и оплаты в один тап.

Сцена 4 (0:38–0:50) │ Эмоциональный результат (AI B-Roll, Kling 3.0)
  → Курьер передаёт крафтовый пакет у двери, на столе дымится готовый ужин за 15 минут.

Сцена 5 (0:50–1:00) │ Финальный пэкшот и призыв к действию (Nano Banana + моушн)
  → Чистый кадр с логотипом, промокодом на первую доставку и адресом сайта.

1. Сгенерируйте опорные изображения и 3 сюжетных B-Roll шота (35 минут). Создайте стартовые кадры в Nano Banana в единой тёплой световой гамме и оживите их в Kling 3.0 (kling-3.0-v3) по пятичастной режиссёрской формуле. Генерируйте ролики по 5 секунд в формате 16:9 (1080p) для лендинга или 9:16 для вертикальных Reels/Shorts.

2. Запишите эталонный скринкаст вашего реального интерфейса (20 минут). Откройте интерактивный прототип в Figma (в полноэкранном режиме без рамок браузера) или опубликованный сайт на Framer/Bolt. Запишите прохождение ключевого сценария через Screen Studio (на Mac — автоматически делает плавные наезды на курсор при кликах) или бесплатный OBS Studio в 60 FPS. Зритель должен чётко прочитать заголовки и увидеть работу настоящих компонентов.

3. Создайте закадровый голос в ElevenLabs или Yandex SpeechKit (15 минут). Напишите плотный дикторский текст из расчёта 120–130 слов на одну минуту (короткие рубленые фразы без канцелярита). Озвучьте его через ElevenLabs (доступно 10 000 символов в месяц бесплатно или через arckep.ru) либо через Yandex SpeechKit. Выбирайте спокойную, уверенную подачу без театрального пафоса.

4. Соберите монтаж, саунд-дизайн и субтитры в CapCut (30 минут). Выложите на таймлайн сначала голосовую дорожку, а поверх неё нарежьте склейку из AI-кадров и реального скринкаста со сменой плана каждые 3–5 секунд. Включите автогенерацию русских субтитров (Auto Captions) — до 70% пользователей смотрят видео на лендингах и в лентах соцсетей с выключенным звуком.

5. Оптимизируйте вес видеофайла для быстрой загрузки страницы (5 минут). Экспортируйте ролик в MP4 (H.264, 1080p) и сожмите его в бесплатной утилите HandBrake (профиль Web Optimized, RF 22–24) или переведите в формат WebM, чтобы файл весил не более 4–6 МБ и не замедлял загрузку первого экрана сайта.