Создание видео с ИИ: руководство на 2026 год

Два года назад видео, сгенерированные с ИИ, выглядели как шутка: тела деформировались, как воск, люди шли и растворялись на полпути. Сегодня на тех же инструментах снимают рекламные ролики и короткометражки: мой мини-фильм UNSEEN вошёл в десятку мировых финалистов кинофестиваля AI for Good Film Festival Организации Объединённых Наций и снят именно инструментами из этого руководства. Если хотите увидеть, каких результатов можно достичь, здесь находится полный разбор кейса UNSEEN, с закулисьем.

Меня зовут Erika, и по профессии я генерирую изображения и видео с ИИ для брендов и собственных проектов. Поэтому никакого списка из двадцати инструментов, пересказанного по пресс-релизам: я расскажу про пять главных, где каждый выигрывает, где у него слабые места, и как собрать видео с нуля по рабочему процессу, которому следую я. В конце страницы вы найдёте список отдельных руководств, по одному на инструмент, включая бесплатные пути.

Как работает генерация видео с ИИ сегодня

Принцип тот же, что у изображений, с одним дополнительным усложнением: время. Видеомодель должна решить не только, как выглядит каждый кадр, но и что происходит от кадра к кадру. Поэтому входов три.

Из текста в видео (text-to-video). Вы пишете сцену, и модель её снимает: субъект, действие, камера, свет. Это путь, который знают все, и он отлично подходит для исследования идей, потому что каждая фраза может стать кадром.

Из изображения в видео (image-to-video). Вы стартуете с изображения, вашего или сгенерированного с ИИ, и модель его оживляет: она решает движение внутри сцены, сохраняя точку старта. Это самый надёжный путь, когда нужен контроль, потому что субъект уже там, тот же самый, и модель оживляет его, не придумывая заново. Это дорога, которой я пользуюсь больше всего: сначала я генерирую ключевые кадры имиджевыми моделями, потом оживляю их.

Из видео в видео. Третий путь — изменение видео, которое вы уже сгенерировали, или настоящей съёмки. На сгенерированном материале это наименее хоженая дорога, потому что модели созданы, чтобы создавать, а не перемешивать. Но в обратном направлении, спецэффекты на реальных видео, результаты убедительны: вы берёте настоящий фильм и добавляете в него небеса, взрывы, существ и магию, сгенерированные с ИИ. Это отдельный метод работы со своими правилами: я расскажу о нём в отдельном посте, когда он выйдет.

И есть факт, который меняет всё по сравнению с прошлым годом: звук. Sora 2 и Veo 3 генерируют звук, синхронизированный со сценой, включая диалоги. Ещё недавно видео с ИИ было немым, и голос добавляли потом; сегодня у дождя есть шум, а персонаж может говорить губами, которые следуют словам. Это не деталь: это разница между экспериментом и продуктом.

Пять главных (и почему)

Вопрос, который приходит мне каждую неделю: «какой лучший?». Это неправильный вопрос: это пять разных инструментов, и работа становится лучше, когда вы перестаёте искать победителя и начинаете назначать каждую сцену инструменту, который умеет её делать лучше всех. Расскажу о них по одному, как использую их я.

Sora 2 (OpenAI) изменил сам способ работы: в Sora вы пишете не просто промпт, вы пишете проект. Вы описываете видео, которое держите в голове, и Sora организует его в сцены: режим сториборда позволяет настроить каждый сегмент на таймлайне, перегенерировать кусок, который вам не нравится, не трогая остальное, дойти до двадцати пяти секунд. Звук синхронизирован, а камео, возможность помещать повторяющегося человека (включая вас самих) в сцены, отличают видео, сделанные в Sora. Это то, что я советую тем, кто стартует. Руководство по Sora 2.

Veo 3 и Veo 3.1 (Google DeepMind) — тот, что следует промпту с самой высокой точностью. Он живёт внутри Gemini и Flow, и текущая версия выполняет запросы так, как вы их написали: вы просите боковой проезд с дождём против света и получаете ту самую сцену, с камерой и светом, которые вы описали. Нативный звук среди лучших, диалоги держатся. Это движок, который стоит выбирать, когда видео должно точно соответствовать тому, что вы описали. Руководство по Veo 3.

Kling (Kuaishou) лучше всех показывает движение людей: походки, жесты, физика тел. Это один из инструментов, которыми я генерировала сцены UNSEEN, и он остаётся моим ориентиром, когда в кадре кто-то движется. С бесплатными кредитами, которые обновляются каждый день, это ещё и лучший способ учиться, не тратя денег. Руководство по Kling AI.

Seedance (ByteDance) лучше всех интерпретирует длинные промпты с несколькими связанными действиями. Когда в сцене три действия подряд, другие модели выполняют два и пропускают одно; Seedance соблюдает все. Только что вышедшая версия Seedance 2.5 увеличивает длительность до тридцати секунд за одну генерацию и принимает до пятидесяти референс-изображений. Если вы пишете сцены, а не отдельные движущиеся картинки, это правильный движок. Руководство по Seedance.

Higgsfield — это другое: не модель, а платформа режиссуры. Внутри вы найдёте несколько движков, включая Seedance и Kling, а поверх движков инструменты, которых не хватает остальным: готовые движения камеры, от проезда до орбиты, продление клипов, консистентность персонажа от генерации к генерации. Это место, где я провожу свои дни, и инструмент, с которым я вожу проекты на конкурсы. Руководство по Higgsfield подробно объясняет платформу, кредиты и тарифы; если хотите попробовать, я захожу каждый день через higgsfield.ai.

Что выбрать для чего

Эта таблица суммирует, когда какой инструмент выгоден. Цифры бесплатного обновлены на август 2026 года и часто меняются.

Серьёзных дорог генерировать видео с ИИ, не платя, мало: цифр выше достаточно, чтобы понять, сколько можно пробовать, а не чтобы работать. Полный список бесплатных путей, собранный и объяснённый, находится в отдельном руководстве: создание видео с ИИ бесплатно.

На практике инструмент не выбирают: строят комбинацию. Я генерирую ключевые кадры имиджевыми моделями, оживляю движком, подходящим сцене, и держу проект вместе внутри платформы режиссуры, где консистентность персонажа и камера остаются стабильными от клипа к клипу.

Создать видео с ИИ шаг за шагом

Процесс, которому следую я, от чистого листа до опубликованного видео. Показываю его целиком, включая попытки:

1. Пишите план, а не промпт. Прежде чем открывать любой инструмент, я делю видео на фразы: каждая фраза — кадр. «Женщина идёт ночью по кромке воды» — это клипа. «Вывеска бара отражается в луже» — другая. Рил на тридцать секунд — это шесть-восемь фраз.
2. Выберите формат сразу. Горизонтальный 16:9 для YouTube и сайта, вертикальный 9:16 для рилов и Stories. Менять его потом стоит перегенерации всего, потому что кадр рождается в формате.
3. Сгенерируйте первую клипу. Промпт на пять-восемь секунд, один на фразу. Первый выстрел почти никогда не достаточен.
4. Перегенерируйте клипы, которые не держатся. Камера блуждает, физика рушится, деталь меняется: в моём среднем одна клипа из трёх переделывается. Это нормальная цена ремесла, а не провал.
5. Держите персонажа консистентным. Если в видео есть лицо, которое должно оставаться тем же, метод такой: сначала сгенерировать лист персонажа, серию изображений одного и того же человека в разных точках зрения, издалека, лицо крупно, сбоку, в три четверти. Дальше каждая клипа стартует с этих изображений как референсов, и персонаж остаётся узнаваемым от сцены к сцене. Пропуск этого шага — причина номер один, по которой персонаж меняет лицо на середине видео.
6. Монтируйте. Клипы попадают на таймлайн, режутся по ритму, добавляется звук. Ни одна модель не даёт вам монтаж: именно здесь видео становится вашим.
7. Проверяйте детали вблизи. Руки, тексты, предметы, которые превращаются. Видео с ИИ нужно неспешно пересматривать: приятный сюрприз тоже случается, но публиковать с закрытыми глазами нельзя.

Как написать видеопромпт, который работает

После года, проведённого за написанием промптов каждый день, я свела всё к пяти элементам, в этом порядке: субъект, действие, камера, свет, звук. По одному за раз, в одной фразе.

Женщина в жёлтом плаще идёт ночью по кромке воды, камера сбоку следует за ней пешим шагом, мелкий дождь и цветные вывески, отражённые в воде, звук волн и её шагов.

Это промпт из моих рилов. Он работает, потому что каждая часть решает одно: кто там, что делает, как на неё смотрит камера, какой свет у сцены, какой звук сопровождает. Когда модели не нужно ничего угадывать, ошибок становится меньше.

И когда в сцене есть эмоция, правило — показать её, а не навесить ярлык. «Грустная женщина» — это ярлык: модель делает с ним что хочет. «Идёт медленно, взгляд в пол, плечи опущены, шаг замирает на мгновение перед погасшими витринами» — это сцена, которую видно, и грусть приходит из того, что видно. В моих промптах, когда есть человек, я всегда описываю, как он движется, куда смотрит и в каком отношении находится с тем, что его окружает: именно это делает разницу.

Правила, которые делают разницу, выученные на моих расходах:

• Одно действие на клипу. Два действия в одной клипе — самый быстрый способ увидеть, как физика рассыпается. Два действия, две клипы, монтируются вместе.
• Одно движение камеры или никакого. «Статичная камера» — промпт, который работает и который мало кто использует: модели склонны блуждать, и объявление камеры неподвижной стабилизирует всё. Иначе одно движение, объявленное: боковой проезд, медленный наезд, орбита.
• Говорите в позитиве. Модели не умеют отрицать: написать «без людей на фоне» — вернейший способ заставить людей появиться на фоне, потому что слова, которые модель собирает, это «люди» и «фон». Всегда переформулируйте в то, что вы хотите: «женщина, идущая одна по пустому городу». Та же сцена, рассказанная через то, что есть, а не через то, чего нет.
• Объявляйте звук, когда движок его генерирует. На Sora 2 и Veo 3 звук просят в промпте: шум волн, далёкий трафик, голос. Если не попросите, решит он, и не всегда так, как хотелось бы вам.
• Используйте стартовое изображение, когда субъект должен остаться. Текст описывает, референс гарантирует. Для повторяющегося персонажа лист — самое надёжное решение.

Сколько стоит создавать видео с ИИ

Логика цен одинакова у всех: бесплатно, чтобы попробовать, платно, чтобы производить. Приведённые цифры обновлены на август 2026 года: в этом секторе они меняются каждый месяц, поэтому перепроверяйте официальные страницы перед решением.

Что получается, а что нет (ограничения, честно)

Здесь я собрала настоящие ограничения, те, что выясняются после недель попыток, с решением для каждого.

Сегодня отлично получается: клипы на пять-десять секунд с качеством кинематографической фотографии; свет и атмосферы, которые раньше требовали съёмочной группы; синхронизированный звук на ведущих движках; персонаж, который остаётся тем же, когда вы используете лист; форматы для соцсетей и рекламы.

Где она пока проседает и что делать:

• Длинные сцены. До недавнего времени ни одна модель не проходила десять секунд подряд. Seedance 2.5 сдвигает предел до тридцати секунд подряд, и результаты меня удивили. Но даже лучшие тридцать секунд всё равно нужно резать и монтировать, потому что внутри длинной клипы всегда есть момент, который проваливается. В моей ежедневной работе я остаюсь на клипах по пять секунд; с Seedance дохожу до десяти-пятнадцати, где качество и контроль сходятся в балансе. Монтаж не костыль: это способ, которым такие видео делаются.
• Синхронизация губ. Модели хорошо двигают губы в английском и китайском; итальянский — язык, где рассинхрон заметнее всего. Это не случайность: многие из этих моделей родом из Китая, и все тренируются в основном на английском. Когда нужен голос на итальянском, я генерирую сцену и добавляю голос на посте, как всегда делали в дубляже.
• Текст внутри видео. Никогда не просите модель об этом: надписи выходят кривыми или выдуманными. Тексты всегда собираются в монтаже.
• Руки и мелкие детали. Гораздо лучше, чем год назад, но остаются пунктом для стопроцентной проверки: кольцо, меняющее руку, чашка, наполняющаяся сама. Просмотрите всё кадр за кадром перед публикацией.
• Невидимый водяной знак. Его не видно, но он есть: даже когда видео выглядит чистым, многие сервисы записывают внутрь файла невидимую подпись, объявляющую, что оно сгенерировано с ИИ. Социальные сети вроде TikTok имеют инструменты, способные её найти. Это не проблема, если вы прозрачны, а прозрачны вы быть обязаны; но знание, что она существует, избавляет от сюрпризов.

Права, водяные знаки и коммерческое использование

Часть, которая важна, если видео должно выйти из вашего телефона и попасть в работу. Выжимка, которая не заменяет официальные условия и юридическую консультацию.

Результат ваш, и коммерческое использование в целом разрешено. В основных инструментах условия признают за пользователем сгенерированный материал и позволяют его коммерческое использование, включая маркетинг. Исключения существуют и привязаны к бесплатным тарифам некоторых: всегда проверяйте свой тариф, а не инструмент в целом.

Видимые и невидимые водяные знаки. Бесплатные тарифы часто ставят видимый знак, который на платных исчезает. И, как мы видели в ограничениях, под ним часто лежит и невидимая подпись: она называется провенансом, объявляет ИИ-происхождение файла, не видна и не снимается. Прозрачность не препятствие: это направление, в котором идёт вся отрасль.

Ответственность ваша. Если модель генерирует лицо, похожее на реального человека, или узнаваемый бренд, ответственность за использование остаётся на вас. И платформы, на которых вы публикуетесь, от YouTube и ниже, просят объявлять контент, сгенерированный или изменённый с ИИ: отметить эту галочку не принижает работу, она защищает вас и публику.

В моей работе для брендов я всегда стартую с тарифов и комбинаций с чистыми лицензиями: когда клиент подписывает, цепочка прав должна быть читаемой от начала до конца.

Практический случай: от промпта до опубликованного рила

Покажу настоящий рил, от начала до конца, чтобы метод стал наглядным. Вертикальный рил на тридцать секунд, из тех, что публикую я.

1. История и цвета. Я решаю историю в трёх фразах и выбираю палитру эпизода. У каждого эпизода моей серии своя цветовая комбинация: это простой способ стать узнаваемым, потому что тот, кто следит, сразу понимает, что это видео наше, ещё до того, как прочтёт имя аккаунта.
2. Лист персонажа. Я генерирую изображения персонажа в разных точках зрения: издалека, лицо крупно, сбоку. Они служат, чтобы держать персонажа одинаковым в каждой клипе рила: от них стартует каждая генерация.
3. Клипы. Нужно шесть-восемь клип, каждая по пять-восемь секунд: по одной на фразу истории. Я генерирую их одну за другой, всегда объявляя, что делает камера, и перегенерирую те, что не держатся.
4. Монтаж. Клипы попадают на таймлайн и режутся по ритму: сколько должен длиться каждый кадр, зависит от видео, которое вы делаете. Субтитры выбираются под цвета видео и вкус: единственное фиксированное правило — они должны читаться на любом экране.
5. Подпись. В конце рила я ставлю финальную карточку: две секунды с надписью erikataranto.com. Это подпись видео, то, чем в кино являются титры. И она стоит на каждой версии, вертикальной для соцсетей и горизонтальной для сайта: если файл уходит и живёт сам, подпись путешествует с ним.

Итого: один вечер генераций и один монтажа. Тридцать финальных секунд, восемь клип, все рождённые из одного листа персонажа и пяти элементов в промпте.

ИИ снимает, вы режиссируете

В моих видео ИИ не автор: он съёмочная группа. Он умеет решать, как движется вода, как падает свет, как идут люди; когда один из этих аспектов мне важен, решаю я и пишу это в промпте, потому что то, чего вы не написали, он решает по-своему. Есть ограничение: чем больше деталей вы пишете, тем ближе результат к тому, что у вас в голове, но слишком много инструкций в одной клипе умножает ошибки. Точность рождается делением: больше коротких клип с малым числом действий вместо одной длинной со всем сразу.

Остальное ремесло — это режиссура, и она существует с тех пор, как существует кино: решать, что видит публика, как долго, в каком порядке, когда входит звук и когда тишина. ИИ не изменил это ремесло: он изменил, сколько стоит попробовать. Раньше нужны были группа и бюджет; теперь достаточно идеи и вечера. Поэтому туториалы в стиле «нажми кнопку и смотри на магию» разочаровывают: есть ремесло, которое нужно освоить, и оно осваивается делом. Начать можно с одной клипы, сегодня вечером, не потратив ничего.

А если видео нужно для вашего бренда и вы предпочитаете иметь на своей стороне того, кто делает это каждый день: это ровно моя работа, от рилов до кампаний. Посмотрите, как мы работаем вместе или напишите мне: стартуем с идеи и доведём её до онлайна.

Руководства по каждому инструменту

Это руководство открывает маршрут по видео с ИИ. У каждого инструмента есть своё руководство, написанное тем же методом: реальное использование и проверенные цифры. Руководства выходят по одному; эта страница остаётся точкой, с которой стартуют заново:

• Sora 2: что это и как пользоваться, написанный проект;
• Veo 3: руководство, контроль;
• Kling AI: руководство, реализм;
• Seedance: руководство, исполнитель;
• Higgsfield: руководство, платформа режиссуры;
• Создание видео с ИИ бесплатно, все пути старта без затрат.

А если вы пришли из мира изображений: ту же дорогу мы уже прошли, она начинается с создания изображений с ИИ бесплатно.

Источники

• OpenAI, Sora (приложение, сториборд и тарифы): openai.com
• Google, Gemini API pricing (Veo 3.1): ai.google.dev
• Google DeepMind, Veo: deepmind.google
• Kling AI, тарифы и кредиты: kling.ai
• Higgsfield, тарифы: higgsfield.ai
• ByteDance Seed, Seedance 2.5: seed.bytedance.com