Промпты для видео: как описать движение, камеру и свет

Какие четыре вопроса закрывает любой видеопромпт?

Что в кадре. Один главный объект, поверхность или пространство под ним, одна-две детали окружения. Не больше: каждый лишний предмет забирает внимание у движения.

Что происходит. Одно событие, названное глаголом с направлением: поднимается вверх, разворачивается влево, стекает вниз, расходится в стороны. Событие должно успеть начаться и закончиться за выбранную длительность.

Что движется помимо действия. Это камера. Наезжает, отъезжает, ведёт вбок, поднимается, облетает по дуге или стоит на месте. Вариант «стоит на месте» тоже надо написать, иначе он не выберется.

Что остаётся неподвижным. Форма и надписи на предмете, композиция кадра, фон, положение главного объекта. Строка выглядит служебной ровно до первого ролика, снятого без неё.

Почему промпт для видео пишется короче, чем для фото?

Рабочая длина видеопромпта — примерно от сорока до восьмидесяти слов на сцену. Короче модель добирает недостающее сама и обычно не туда. Длиннее начинает терять хвост, а в хвосте у большинства людей как раз стоят камера и рамки плана.

Причина в том, что генерация видео решает больше задач за те же слова. Кроме сборки кадра ей надо удержать его связность на протяжении всех секунд, и чем больше условий вы навесили, тем выше шанс, что часть из них потеряется к концу ролика.

Практический приём: написали промпт, перечитали и вычеркнули каждое прилагательное, которое ничего не задаёт. «Атмосферный», «стильный», «профессиональный», «завораживающий» уходят первыми. Освободившееся место отдайте камере и свету.

В каком порядке идут предложения в промпте?

Порядок влияет на результат сильнее, чем кажется. Рабочая последовательность такая: крупность и объект, действие, камера, свет, материалы и палитра, рамки плана. Каждый блок отдельным предложением.

Смысл порядка в том, что первые фразы модель слышит громче. Если начать с настроения, а объект оставить на конец, кадр соберётся вокруг настроения, и предмет в нём окажется случайным.

Рамки плана стоят последними намеренно: это короткая служебная фраза, которой достаточно оказаться в запросе, но которая не должна перебивать содержательную часть. «Один непрерывный кадр, без смены плана, плавное равномерное движение» закрывает сразу три типовые поломки.

Почему второе действие съедает первое?

Генерация распределяет доступную длительность между тем, что вы попросили. Одно событие получает все шесть секунд и успевает пройти дугу целиком: началось, развилось, закончилось. Два события делят те же шесть секунд пополам, и каждое обрывается на середине.

Заметно это не сразу. На превью и на первой секунде ролик выглядит нормально, а разваливается он на третьей-четвёртой, когда модель переключается со второго действия обратно на первое. Поэтому смотреть надо весь ролик до конца, а не первый кадр.

Исключение одно: фоновое движение, которое не требует дуги. Летящие листья, рябь на воде, колышущаяся занавеска идут ровным потоком и не мешают главному событию. Такое движение можно и нужно добавлять второй фразой, оно оживляет кадр почти бесплатно.

Как задать скорость движения?

Скорость задаётся наречием и работает надёжно: «медленно», «очень медленно», «плавно», «размеренно». Обратная сторона тоже действует: «быстро» и «резко» модель понимает и исполняет, просто на коротком ролике быстрое движение чаще выглядит как ошибка.

Слово «постоянная» рядом со скоростью стоит писать отдельно. По умолчанию генерация любит разгоняться к концу ролика, и на пятой секунде спокойный наезд превращается в рывок. Фраза «скорость постоянная от начала до конца» это лечит.

Практика: медленное движение почти всегда выглядит дороже быстрого. Причина простая — на медленном движении модели проще удержать геометрию предмета, и в кадре меньше артефактов, за которые цепляется глаз.

Что делать, если действий действительно нужно два?

Разделить на две генерации и склеить на монтаже. Это не обходной манёвр, а нормальный способ работы: одна генерация даёт одну сцену, а последовательность сцен собирается в редакторе, как собирался бы отснятый материал.

При этом соседние генерации не будут выглядеть как один эпизод: свет, ракурс и мелкие детали в каждой свои. Стыковать их проще через перебивку или через смену крупности, а не встык одного и того же кадра.

Если непрерывность нужна принципиально, есть второй путь: задать начальный и конечный кадр и попросить модель пройти дорогу между ними. Так работают Veo 3.1 и Seedance 2.0, и об этом отдельный разбор ниже.

Почему «камера плавно движется» работает, а «динамичное видео» — нет?

Потому что первая фраза содержит инструкцию, а вторая оценку. «Плавно движется» задаёт характер: без рывков, с постоянной скоростью, без резкой смены направления. Модели этого достаточно, чтобы выбрать спокойный вариант из всех возможных.

«Динамичное видео» не содержит ничего, что можно исполнить. В нём нет ни типа движения, ни направления, ни скорости. Модель разворачивает такую формулировку как умеет, и обычно это означает дрожащую камеру и резкий зум: самые заметные способы показать «динамику».

Правило переносится на всё остальное. «Эффектный проход камеры», «кинематографичная съёмка», «профессиональная операторская работа» — три фразы, которые занимают место и не задают ни одного параметра. Замените любую из них на «камера медленно ведёт вправо на уровне стола», и результат станет предсказуемым с первого дубля.

Отдельно про слово «кинематографично». Оно не бесполезно, но работает как указание на палитру и контраст, а не на движение. Если нужен кинематографичный кадр, движение всё равно придётся назвать отдельно.

Как не дать камере ускориться к концу ролика?

Написать про скорость дважды: один раз в самом описании движения, второй раз в служебном хвосте. «Камера медленно наезжает» плюс «движение равномерное, скорость постоянная от первой до последней секунды».

Дублирование выглядит избыточным, но именно оно спасает длинные дубли. Чем дольше ролик, тем сильнее модель уходит от заданного темпа, и на десяти секундах разгон заметен почти всегда, а на четырёх почти никогда.

Если ускорение всё равно вылезает, сократите длительность. Шесть секунд ровного движения выглядят лучше, чем десять с рывком в конце, и стоят дешевле: на Seedance 1.5 Pro в 720p это 18 кредитов против 30.

Можно ли совместить два движения камеры?

Можно, но только родственные. Наезд с лёгким смещением вбок, подъём с небольшим доворотом, отъезд с медленным облётом — такие пары модель держит, потому что это одно непрерывное движение с двумя составляющими.

Несовместимы движения, которые спорят друг с другом: наезд плюс отъезд, панорама влево плюс облёт вправо. На таких запросах камера дёргается или выбирает одно из двух, и предсказать какое невозможно.

Формулировать пару стоит одной фразой, а не двумя предложениями: «камера медленно наезжает, одновременно чуть смещаясь влево». Два отдельных предложения читаются как два независимых требования, и это возвращает нас к спору.

Что писать, если камера должна стоять на месте?

Прямо это и писать: «камера неподвижна, точка съёмки не меняется». Пропуск строки про камеру не означает статичный кадр, он означает, что решение принимает модель, а она почти всегда что-нибудь придумает.

Статичный кадр — лучший выбор для демонстрации процесса, макросъёмки и любой сцены, где важна деталь. Когда движется и объект, и точка съёмки, внимание размазывается, а модель начинает путать, что здесь главное.

Ещё статичный кадр дешевле по дублям. Он реже разваливается, а значит, до устраивающего результата вы доходите за меньшее число попыток. На видео это прямая экономия кредитов, потому что платите вы за каждую секунду каждого дубля.

Откуда берётся склейка внутри пяти секунд?

Из привычки материала. Почти всё видео, которое человек смотрит каждый день, смонтировано: рекламный ролик, клип, репортаж, короткое вертикальное видео. Непрерывный план длиной в пять секунд встречается заметно реже, чем два плана по две с половиной.

Поэтому запрос вида «рекламный ролик кроссовок» модель понимает буквально: рекламный ролик — это когда крупный план сменяется общим. Она собирает то, что видела чаще всего, и формально права.

Второй источник — слишком богатое описание. Когда в промпте перечислено пять предметов и три события, показать всё в одном плане нельзя физически, и монтаж становится единственным способом уложиться. Сократите сцену, и склейка нередко уходит сама, ещё до фразы-замка.

Какая длительность держится лучше всего?

Четыре-шесть секунд. На этом отрезке геометрия предметов, облик персонажа и заданный темп держатся заметно надёжнее, чем на десяти-пятнадцати. Развал почти никогда не начинается с первой секунды: он приходит на последних, когда модель уже далеко ушла от исходного описания.

Отсюда рабочий подход: длинная сцена собирается из коротких на монтаже, а не заказывается одной генерацией. Тридцать секунд одним куском физически возможны, но к концу ролика вы получите не то, что описывали.

Второй довод в пользу коротких дублей — деньги. Длительность умножается на цену секунды, и неудачные пятнадцать секунд стоят втрое дороже неудачных пяти.

Как собрать длинную сцену из коротких?

Первый способ — через смену крупности. Снимите одно и то же событие широким планом и крупным, двумя генерациями с почти одинаковым описанием, и склейте встык. Смена крупности читается как нормальный монтажный стык, а не как ошибка.

Второй способ — через перебивку. Между двумя сценами вставляется короткий безлюдный кадр: фактура, свет, движение воды или дыма. Он закрывает несовпадение деталей, и зритель не успевает заметить, что предметы в соседних кадрах чуть разные.

Третий способ работает только на моделях, которые принимают два кадра. Последний кадр первой генерации сохраняется и подаётся как начальный кадр второй. Стык получается плотнее всего, но и стоит дороже: это уже генерация с входным кадром.

Чем боковой свет отличается от контрового в движении?

Боковой свет рисует форму. Пока объект или камера двигаются, тень ползёт по поверхности и показывает рельеф: видно, что предмет объёмный, а не наклеенный. Это самый безопасный вариант для любой предметной сцены.

Контровой свет рисует край. Он отделяет объект от фона светящейся каймой и подсвечивает всё, что висит в воздухе: пар, пыль, брызги, ворс ткани. В движении это выглядит эффектнее бокового, но и разваливается чаще: на быстрой смене ракурса кайма начинает мигать.

Практический вывод: контровой свет берут туда, где в кадре есть что подсвечивать, и держат камеру медленной. Если подсвечивать нечего, боковой свет даст более чистый результат за те же деньги.

Можно ли поменять свет внутри одного ролика?

Плавно — да, скачком — нет. Формулировка «свет мягко меняется от {состояние в начале} к {состояние в конце}» работает: солнце уходит, тень удлиняется, температура кадра теплеет. Это одно непрерывное изменение, и модель его держит.

Резкая смена света читается моделью как монтажный стык и провоцирует ровно то, от чего мы избавлялись в прошлом разделе. Если по сюжету нужен щелчок выключателя, надёжнее собрать это двумя генерациями.

Есть и полезный частный случай. Когда вы связываете два кадра, дневной и вечерний, строка про плавное изменение света вытягивает переход целиком: без неё ролик переключается рывком примерно посередине.

Почему все ролики выходят одинаково плоскими?

Потому что промпт без строки про свет получает свет по умолчанию, а по умолчанию это ровное фронтальное освещение без выраженного направления. Оно не портит кадр, но и не даёт ему ничего: предметы читаются плоскими, фактура пропадает, все сцены становятся похожи друг на друга.

Второй источник плоскости — противоречие внутри промпта. «Мягкий рассеянный свет» и «резкие драматичные тени» в одной строке взаимно уничтожаются, и модель выбирает середину, то есть то же самое ровное освещение.

Третий — попытка задать свет оценкой. «Красивое освещение», «профессиональный свет», «студийное качество» ничего не описывают. Замените их на направление и жёсткость, и разница будет видна на первом же дубле.

Почему походка разваливается чаще, чем бег?

Потому что шаг — это цикл с жёсткой фазой контакта. Стопа обязана коснуться поверхности, задержаться и оттолкнуться, и любое нарушение этой фазы человек читает мгновенно: нога уезжает, проваливается в пол или скользит.

У быстрого движения фаз меньше, и глаз успевает уловить меньше деталей. Поэтому пробежка на общем плане нередко выглядит убедительнее спокойного шага крупным планом, хотя задача сложнее.

Самый надёжный обход — вообще не показывать ноги. Средний план по пояс, кадр со спины, человек стоит или сидит. Ролик от этого почти не проигрывает, а количество дублей падает вдвое.

Как снять человека и не получить шесть пальцев?

Убрать кисти из кадра прямой фразой. «Руки в карманах», «руки за спиной», «кисти рук не попадают в кадр» — все три формулировки работают и стоят одно слово в промпте.

Второй приём — занять руки предметом. Держит чашку, обнимает стопку книг, застёгивает куртку: когда у кисти есть понятная задача, она реже разлетается на лишние пальцы, потому что форма зафиксирована предметом.

Третий приём — крупность. Общий и средний планы прощают почти всё, крупный план кисти не прощает ничего. Если по сюжету нужны именно руки, снимайте их коротким дублем на четыре секунды и будьте готовы к нескольким попыткам.

И отдельно про лицо: чем длиннее ролик, тем сильнее уезжают черты. На четырёх секундах человек ещё похож на себя, на пятнадцати это уже другой человек с тем же цветом волос.

Почему текст на вывеске не получится ни на каком языке?

Буквы — самая жёсткая структура из всех, что попадают в кадр. Читатель знает форму каждой и замечает ошибку в любой. При этом в движении буква обязана оставаться одинаковой все секунды подряд, а генерация пересобирает изображение на каждом кадре.

Кириллице достаётся сильнее: обучающего материала с ней меньше, и вместо букв часто выходит похожая на них графика. Просить надпись по-английски бессмысленно, там разваливается то же самое, просто чуть медленнее.

Рабочих решений два. Первое: увести всё, что содержит текст, из фокуса — «вывеска на заднем плане размыта», «этикетка не в фокусе». Второе: снять кадр без надписи и наложить текст поверх готового ролика в любом монтажном редакторе, где буквы будут ровными.

Почему вода и дым выходят лучше всего?

У них нет правильной формы. Клуб дыма может завиться как угодно, и любой вариант будет выглядеть настоящим, потому что зритель не знает, каким он должен быть. Пальцы такой свободы не дают.

Отсюда практический ход при построении сложной сцены: главным движением делайте текучее, а хрупкое переводите в фон. Пар над чашкой на переднем плане и человек в глубине кадра работают лучше, чем крупный портрет с той же чашкой.

То же касается перебивок и заставок. Кадр, где двигаются только вода, дым, ткань или свет, почти всегда получается с первого дубля, и это самый дешёвый способ добрать материал в уже смонтированный ролик.

Какие слова работают только при загруженном кадре?

Прежде всего фиксаторы. «Сохрани форму, цвет, текстуру и надписи без изменений», «положение объекта в кадре не меняется», «черты лица и причёску оставь прежними». Без исходника этим словам не за что зацепиться, с исходником они держат кадр.

Дальше идут указания на исходную съёмку: «зернистость и тон снимка сохрани», «фон не меняется», «композицию не трогай». Особенно это важно для старых фотографий, которые генерация охотно вычищает до современной цифровой картинки.

И третья группа — ограничители движения. «Двигается только {что именно}, всё остальное в кадре неподвижно» — самая надёжная формулировка при оживлении. Она превращает открытую задачу в закрытую и убирает большую часть сюрпризов.

Почему при оживлении нельзя просить смену ракурса?

Потому что обратной стороны предмета на снимке нет, и взять её неоткуда. Просьба «покажи товар со всех сторон» заставляет модель придумать то, чего она не видела, и придумывает она не ваш товар.

Рабочий предел — примерно четверть оборота или лёгкий облёт по дуге. В этих границах модель достраивает то, что частично попало в кадр, и результат остаётся похожим на исходник.

То же касается камеры. Наезд, лёгкий отъезд и медленное смещение вбок безопасны. Резкий отъезд опасен: он открывает пространство, которого на снимке не было, и модель заполняет его выдумкой, иногда очень заметной.

Что писать, если кадров два: начальный и конечный?

Промпт в этом случае описывает не сцену, а дорогу между двумя точками. «Первый кадр: {что на начальном снимке}. Последний кадр: {что на конечном}. Между ними одно плавное движение: камера {движение}, {объект} проходит путь непрерывно».

Чем понятнее описана дорога, тем меньше модель придумывает от себя. Если между кадрами меняется свет, это стоит назвать отдельно: «свет мягко меняется от {состояние} к {состояние}». Без такой строки переход происходит скачком примерно посередине.

Два кадра принимают Seedance 1.5 Pro, Seedance 2.0 и Veo 3.1. У Veo 3.1 при этом фиксированная цена за ролик: 25 кредитов в версии Lite, 43 в Fast и 170 в Quality. Длинный переход на ней обходится дешевле, чем на посекундной модели.

Как описать рекламный ролик товара?

Промпт: «Крупный план: {стальной термос} стоит на {бетонной столешнице} у окна. {По матовой поверхности медленно ползёт блик от бокового света}. Камера очень медленно наезжает, оставаясь на одной высоте. Холодный утренний свет слева, мягкие длинные тени, палитра из стали и серого бетона. Форма и пропорции предмета не меняются. Один непрерывный кадр, скорость постоянная».

Держит кадр здесь строка про форму. Деформация предмета — главная поломка рекламных роликов: за шесть секунд коробка успевает подышать, у кружки меняется длина ручки, у бутылки уезжает горлышко. Без прямого запрета это происходит почти всегда.

Живая деталь выбирается одна. Ползущий блик, поднимающийся пар, чуть колышущаяся ткань — что-то одно. Три детали разом превращают спокойный рекламный кадр в суету, где ни одно движение не доигрывает.

Отдельная оговорка про товар: сцена, собранная с нуля, показывает похожий предмет, а не ваш. Для карточки маркетплейса это не годится, там нужен снимок того самого товара. Для рекламы вокруг товара и для соцсетей годится вполне.

Как описать атмосферный b-roll?

Промпт: «Широкий кадр: {туман медленно ползёт между стволами соснового леса} на рассвете, движение идёт от левого края к правому. Камера ровно ведёт вправо на уровне подлеска, скорость постоянная. Низкое солнце пробивается сквозь стволы косыми лучами, холодная сине-зелёная палитра, влажный воздух. Людей и построек в кадре нет. Один непрерывный кадр, плавное равномерное движение».

B-roll хорош именно тем, чего в нём нет: ни лиц, ни рук, ни надписей, ни точной механики. Разваливаться нечему, поэтому такие ролики выходят с первого-второго дубля чаще любых других.

Направление движения в кадре и направление камеры называются разными фразами. Если оставить одно, картинка получается плоской и заметно зацикленной: всё едет в одну сторону с одной скоростью, и глаз читает это как анимированную фотографию.

Строка «людей в кадре нет» нужнее, чем кажется. В пустом пейзаже модель охотно ставит идущего человека, и он приносит с собой все проблемы с походкой сразу.

Как собрать вертикальный ролик для Reels?

Промпт: «Вертикальный кадр 9:16. Средний план: {свеча горит в стеклянном подсвечнике на тёмном столе}, {воск медленно стекает по стенке одной каплей}. Камера очень медленно поднимается вверх, объект остаётся в центре кадра. Тёплый свет от самого пламени, тёмный фон, мягкие тени. Главное действие в центре, сверху и снизу остаётся свободное поле. Один непрерывный кадр, без смены плана».

Формат называется дважды: выбирается до запуска в интерфейсе и повторяется первой фразой промпта. Так модель компонует сцену под вертикаль, а не обрезает придуманный горизонтальный кадр.

Строка про свободное поле сверху и снизу продиктована не эстетикой, а интерфейсом площадок. Сверху лягут ник и описание, снизу кнопки, и всё, что вы поставите по краям, зритель просто не увидит.

Черновик такой сцены удобно гонять на Grok Imagine: 2 кредита за секунду в 480p и до тридцати секунд одним куском, если понадобится длинный кадр. Финал имеет смысл переносить на 720p.

Как описать демонстрацию процесса?

Промпт: «Макросъёмка сверху: {широкая кисть проводит по влажной акварельной бумаге}, {тёмно-бирюзовый пигмент расплывается от мазка в стороны}. Камера неподвижна, фокус на {месте мазка}. Мягкий рассеянный дневной свет слева, видна фактура бумаги, белый фон. Спокойный ровный темп, один непрерывный кадр».

Процесс держится за счёт неподвижной камеры. Когда двигается и объект, и точка съёмки, модель начинает путать, что в кадре главное, и результат уезжает при формально правильном промпте.

Второй фиксатор — точка фокуса. «Фокус на месте мазка» удерживает резкость там, где происходит событие. Без этой строки резкость гуляет, и самое интересное регулярно оказывается в размытии.

Названные материалы работают лучше оценок. Бумагу, латунь, мокрый камень, лён и матовое стекло модель умеет рисовать. «Премиальность» и «качественность» не умеет никто.

Как описать анимированную сцену?

Промпт: «Рисованная 2D-анимация в мягкой акварельной манере. {Бумажный кораблик} плывёт по узкому ручью слева направо, {вода несёт его ровным течением}, по краям кадра покачивается трава. Камера едет сбоку вместе с корабликом, держа его в центре кадра. Тёплая охристая палитра, мягкие контуры, лёгкая бумажная фактура. Облик объекта не меняется, один непрерывный кадр».

Стилистика ставится первой фразой, иначе модель по умолчанию собирает фотореализм и на середине ролика получается странная смесь рисунка с фотографией. Первое предложение слышно громче всех остальных, и именно там место словам про манеру.

Строка про облик обязательна. Без неё персонаж или предмет к четвёртой секунде становится другим: у кораблика меняется форма носа, у зверя — рисунок морды. В рисованной стилистике это заметно даже сильнее, чем в фотореалистичной.

Отдельный плюс анимации в том, что мелкие огрехи анатомии в ней не читаются как ошибка. Поэтому сцены с персонажами дешевле сначала пробовать в рисованной манере и переводить в фотореализм, только если он нужен по задаче.

Чем закрыть перебивку между планами?

Промпт: «Средний план: {стопка книг на широком подоконнике}, {солнечный луч медленно ползёт по корешкам слева направо}. Корешки не в фокусе, читаемых надписей в кадре нет. Камера неподвижна. Тёплый низкий свет из окна, пылинки в луче, спокойный темп. Один непрерывный кадр, людей в кадре нет».

Перебивка — самая дешёвая генерация из всех: короткая, безлюдная, без сложной механики. Четыре секунды в 720p на Seedance 1.5 Pro стоят 12 кредитов, и результат почти всегда годится с первого дубля.

Обратите внимание на строку про фокус. В кадре есть текст — корешки книг, — и вместо того, чтобы надеяться на удачу, мы сразу выводим его из резкости. Тот же приём работает с вывесками, этикетками и любыми надписями в глубине сцены.

Ползущий по поверхности луч — универсальное движение для перебивки. Оно медленное, не требует ни анатомии, ни механики и одинаково хорошо смотрится в интерьере, в мастерской и на природе.

Сколько дублей уходит на одно движение?

На простую сцену без людей обычно хватает двух-трёх: первый показывает, что промпт в принципе понят, второй правит скорость или свет. На сцену с человеком закладывайте пять и больше, потому что там к промпту добавляется лотерея с анатомией.

Правило одной правки экономит больше всего. Между дублями меняйте что-то одно: скорость, направление камеры, длительность или свет. Когда в новом запросе изменилось пять вещей, а результат не устроил, непонятно, какая из них виновата, и следующий дубль снова уходит вслепую.

Удачный текст сохраняйте сразу, вместе с моделью, разрешением и длительностью. Через неделю формулировка по памяти не восстанавливается, а точного повтора генерация не даёт: каждый запуск собирает ролик заново.

Почему черновик в 480p показывает всё, что нужно?

Потому что на этом этапе вы проверяете не картинку, а поведение. Уехала ли камера туда, доиграло ли действие до конца, не появилась ли склейка посередине, держит ли предмет форму. Всё это видно на низком разрешении полностью.

В 720p и 1080p уходят за другим: за фактурой поверхности, чистотой краёв и мелкой детализацией. Смотреть на них, пока движение не устроило, означает платить втрое за информацию, которая вам ещё не нужна.

Разница на конкретных числах. Пять дублей по шесть секунд сразу в 720p на Seedance 1.5 Pro стоят 90 кредитов. Те же пять дублей в 480p плюс один финальный в 720p стоят 78. На дорогих моделях разрыв кратный: шесть секунд на Seedance 2.0 в 720p без входного кадра стоят 198 кредитов, и пять таких дублей — это 990 кредитов против 66 в разобранном выше цикле.

Когда дешевле перезапустить тот же промпт?

Когда сцена в целом устроила, а не устроила случайность: неудачно легла тень, дрогнула камера, объект встал чуть не так. Каждый запуск собирает ролик заново, поэтому повтор того же текста даёт соседний вариант, и он нередко оказывается лучше.

Переписывать промпт стоит в другом случае: когда модель систематически делает не то. Камера едет в другую сторону, действий в кадре два вместо одного, появляется склейка. Это ошибки формулировки, и сколько ни перезапускай, они повторятся.

Быстрая диагностика: посмотрите два подряд неудачных дубля. Если они плохи по-разному — дело в случайности, перезапускайте. Если они плохи одинаково — дело в тексте, переписывайте.

Сколько видео выйдет из стартовых 30 кредитов?

Двенадцать секунд на самой дешёвой модели. Секунда на Seedance 1.5 Pro в 480p стоит 2 кредита, минимальный ролик — четыре секунды за 8: получается три коротких дубля. На Grok Imagine минимум шесть секунд за 12 кредитов, то есть два ролика.

На Veo 3.1 Lite цена фиксированная, 25 кредитов за ролик: ровно один запуск, и на второй уже не хватит. На тяжёлых моделях стартового баланса не хватит даже на минимальную сцену: у Seedance 2.0 Mini четыре секунды в 480p стоят 32 кредита, у Kling 3.0 три секунды — 105.

Дальше кредиты докупаются пакетами. Ниже прайс целиком, чтобы можно было прикинуть бюджет проекта, а не отдельного дубля.

Почему отрицания дают обратный эффект?

Потому что для генерации это всё равно упоминание. Фраза «без людей в кадре» содержит слово «люди», и на части дублей человек появляется именно из-за неё. То же с «без резких движений» и «без склеек».

Утвердительная формулировка надёжнее. Вместо «без людей» напишите, что в кадре есть: «пустая тропа между стволами». Вместо «без резких движений» — «плавное равномерное движение». Вместо «без склеек» — «один непрерывный кадр».

Полностью отказываться от отрицаний не нужно: короткие служебные оговорки вроде «людей в кадре нет» работают достаточно часто, чтобы их писать. Но если что-то важно, надёжнее описать желаемое, а не запретить нежелательное.

Зачем называть материалы вместо оценок?

Мокрый камень, латунь, лён, матовое стекло, шершавый бетон, шерсть, необработанное дерево — это то, что модель умеет показать. У каждого материала есть узнаваемое поведение на свету, и в движении оно работает особенно сильно: блик ползёт по металлу иначе, чем по ткани.

«Премиальный», «качественный», «дорогой» и «стильный» не содержат ни одного визуального признака. Они занимают место в промпте и не добавляют кадру ничего, а место в видеопромпте дефицитное.

Двух-трёх материалов на сцену достаточно. Больше не нужно: перечень из семи фактур снова растаскивает внимание и мешает главному движению доиграть до конца.

Какие звуки модель делает сама?

Обобщённую музыкальную подкладку. Её никто не просит, а она появляется, и в готовом ролике её приходится глушить. Оговорка «звук только окружения, без музыки и голоса» экономит один дубль почти всегда.

Описывать звук стоит двумя слоями: общий фон сцены и ближний звук действия. Шум ветра в кронах и скрип половицы вместе дают ощущение места, по отдельности дают половину эффекта.

Речь заказывать не стоит. Слова в сгенерированном видео выходят невнятными, а губы с ними не совпадают. Голос надёжнее записать или синтезировать отдельно и положить поверх готового ролика.

Когда музыку дешевле сделать отдельно?

Почти всегда, когда речь идёт о музыке, а не о шуме сцены. Видеомодель отдаёт звук, привязанный к конкретному ролику, а музыкальный трек живёт отдельной жизнью: его можно подрезать, зациклить, положить под несколько сцен подряд и переиспользовать в следующем ролике.

Практический порядок для монтажного проекта: собираете сцены немыми, потом делаете один трек нужной длины и кладёте его под всю склейку. Так и дешевле, и ритм ролика получается цельным, а не разваливается на стыках сцен.

Отдельная история — вертикальные ролики, где звук часто важнее картинки. Там имеет смысл начинать с трека и подгонять монтаж под него, а не наоборот.