Как задать обстановку картинками и голосом — и получить устойчивый короткий ролик
Зачем это нужно
В обычном режиме нейросеть опирается на ваше фото и текст. В расширенном режиме можно приложить дополнительные файлы — картинки и аудио — и в описании сказать, какую роль у каждого.
Картинки не вставляются в кадр целиком: модель берёт оттуда внешний вид (комната, одежда, предмет, свет) и собирает сцену по вашему тексту. Аудио — референс тембра и манеры речи, а не готовая звуковая дорожка: итоговый звук нейросеть генерирует заново.
Речь (reference): «говорит голосом как Аудио 1» — берётся тембр, реплика новая.
Как нумеруются файлы
Картинка 1 — всегда ваше основное загруженное фото (лицо / персонаж).
Картинка 2…5 — до 4 дополнительных картинок-референсов.
Аудио 1…3 — до 3 аудиореференсов.
В описании сцены пишите эти названия явно: «Картинка 2 — комната», «говорит голосом как Аудио 1». На главной можно кликнуть по превью — название вставится в текст само.
Правила коротко
У каждой приложенной картинки и каждого аудио должна быть роль в тексте.
Чтобы повысить шанс сохранить товар или логотип, явно напишите: «без изменений» / «точно как на Картинке 2» (упаковка, цвета, надписи) и держите предмет крупно и целиком видимым.
Не описывайте внешность «на глаз», если её задаёт референс — сошлитесь на номер.
Аудио: только свой голос/запись или материалы с разрешения владельца. Это референс тембра, а не точная копия песни или другой звуковой дорожки.
Генерация с любым референсом стоит в 2 раза больше кредитов.
Референсы доступны, когда работает основной сервер генерации.
Как получить стабильный ролик на 10 секунд
Один ролик — один понятный момент
Самый предсказуемый сценарий: один непрерывный кадр, одно главное действие и одно плавное движение камеры. Чем больше событий нужно уместить в 10 секунд, тем выше риск резкой склейки, смены масштаба или потери предмета.
Выберите одно действие: персонаж показывает товар, идёт по аллее, держит самолётик или говорит в микрофон.
Выберите одно движение камеры: плавное приближение, спокойный боковой проезд или лёгкий полукруг.
Держите героя и главный предмет целиком видимыми. Не просите предмет проплыть под мостом, исчезнуть за препятствием или одновременно менять размер и ракурс.
Для истории из нескольких сцен создавайте отдельные короткие ролики и соединяйте их позже в монтаже.
Вместо «бежит, прыгает, ловит предмет, камера облетает и поднимается» лучше: «один непрерывный кадр: герой держит предмет, смотрит в камеру; камера плавно приближается».
Русская речь и диалоги
Для реплики приложите голос как Аудио 1 и напишите короткую точную фразу по-русски: «персонаж смотрит в камеру и произносит: „...“».
В 10-секундном ролике надёжнее использовать одного говорящего и фразу из нескольких слов. Пишите «произносит» или «выкрикивает», если нужна речь; слово «поёт» задаёт уже другую задачу.
Для двух персонажей оставьте их в одном среднем общем плане: один говорит, второй слушает, улыбается или кивает. Не просите быстро переключаться между крупными планами и не добавляйте две длинные реплики.
Аудио задаёт тембр и манеру речи. Нейросеть создаёт новую дорожку, поэтому не рассчитывайте на побитовое копирование песни, голоса или готовой записи.
Примеры описаний
Каждый сценарий рассчитан на 10 или 15 секунд. Ниже примеры идут в рабочем порядке: сначала референсы, затем готовое описание сцены и результат. Выберите похожий вариант и замените роли файлов, одно главное действие и короткую реплику под свою задачу.
Пример 1
Рекламный рилс с товаром
Референсы: Картинка 1 — персонаж · Картинка 2 — подарочная коробка · Картинка 3 — логотип · Длительность: 10 с
1. Добавьте референсы
Картинка 1Картинка 2Картинка 3
2. Вставьте описание сцены
10-секундный динамичный рекламный рилс. Картинка 1 — главный герой, сохраняй его внешность. Картинка 2 — подарочная коробка; форма, цвета и детали точно как на референсе. Картинка 3 — логотип KlipBot: нанеси именно этот логотип крупно на видимую переднюю сторону коробки, без других брендов и без дополнительного текста. Герой ловит коробку, поворачивает её к камере и открывает крышку. Камера быстро переходит от крупного плана коробки к среднему плану лица, затем плавно облетает героя на полукруге. Лицо, коробка и логотип всегда хорошо видны. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Этот подарок точно запомнится</d>.
3. Готовый ролик
Пример 2
UGC-обзор товара
Референсы: Картинка 1 — персонаж · Картинка 2 — керамическая кружка · Картинка 3 — логотип · Длительность: 10 с
1. Добавьте референсы
Картинка 1Картинка 2Картинка 3
2. Вставьте описание сцены
10-секундный UGC-ролик с естественными руками. Картинка 1 — главная героиня, сохраняй её внешность. Картинка 2 — керамическая кружка; форма и рисунок точно как на референсе. Картинка 3 — логотип KlipBot: размести именно этот логотип крупно и читаемо на видимой стороне кружки, без других брендов и без дополнительного текста. Девушка уже сидит за столом, кружка стоит перед ней. Сначала камера держит средний крупный план лица и кружки; затем девушка одной рукой естественно берёт кружку за ручку со стола, делает глоток и улыбается. Не показывай руки крупным планом: одна анатомически корректная рука, пять пальцев, без лишних пальцев, дублей, деформации или смены рук. Камера плавно наезжает к лицу и кружке. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Теперь это моя любимая кружка</d>.
3. Готовый ролик
Пример 3
Интерьер и образ
Референсы: Картинка 1 — персонаж · Картинка 2 — гостиная · Картинка 3 — платье · Длительность: 10 с
1. Добавьте референсы
Картинка 1Картинка 2Картинка 3
2. Вставьте описание сцены
10-секундный динамичный fashion-ролик. Картинка 1 — главная героиня: взрослая привлекательная модель с тёплой улыбкой, сохраняй внешность и позитивное настроение. Картинка 2 — светлая гостиная, Картинка 3 — красное платье: воспроизведи фасон и цвет как на референсе. Девушка уверенно входит в комнату, поправляет воротник, проходит два шага, улыбается в камеру и делает разворот. Камера отъезжает перед ней, затем делает плавный облет на 180 градусов, сохраняя лицо крупным и хорошо видимым. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Как вам мой новый образ</d>.
3. Готовый ролик
Пример 4
Экшен со взрывом
Референсы: Картинка 1 — герой · Картинка 2 — промышленный двор · Длительность: 10 с
1. Добавьте референсы
Картинка 1Картинка 2
2. Вставьте описание сцены
10-секундная кинематографичная экшен-сцена без травм. Картинка 1 — главный герой: сохраняй внешность. Картинка 2 — мокрый промышленный двор на закате с огненным спецэффектом. Герой бежит к камере, перепрыгивает через лужу; за ним вдали поднимается контролируемый огненный шар и дым. Он резко оборачивается, камера берёт его крупным планом, и он громко выкрикивает реплику прямо в объектив с отчётливой артикуляцией и синхронными губами. Затем ручная камера делает быстрый поворот к взрыву и подъём краном над отражениями на асфальте. Крупное читаемое лицо, искры, без оружия, без раненых, без крови и без текста. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Быстрее! Уходим!</d>.
10-секундная динамичная научно-фантастическая сцена. Картинка 1 — инженер, сохраняй внешность. Картинка 2 — космическая обсерватория с панорамными окнами и голографической звездной картой. Камера быстро проезжает из-за плеча инженера к её крупному лицу; она проводит рукой над консолью, голограмма оживает и освещает её голубым светом. Инженер поворачивается к камере, уверенно и отчётливо произносит реплику с синхронными губами. Затем камера делает полный плавный облет, пока в окне вращается туманность. Без текста и интерфейсных надписей. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Маршрут проложен! Полёт начинается!</d>.
15-секундная оригинальная космическая история. Сцена 1 (0–5 с): Картинка 1 — логотип KlipBot. В безбрежном космосе лента киноплёнки логотипа превращается в огромный сияющий знак бесконечности, медленно вращается в трёх измерениях среди туманностей и звёзд. Камера летит к нему и делает плавный облет. Сцена 2 (5–8 с): камера стремительно влетает внутрь одного светящегося кадра киноплёнки — это портал, без текста и чужих брендов. Сцена 3 (8–15 с): камера вылетает из кадра в Картинку 2 — красивый тропический пляж на рассвете; Картинка 3 — главная героиня, сохраняй её внешность. Она идёт по кромке воды, поднимает взгляд к небу и улыбается, камера быстро проезжает к её крупному лицу и облетает на полукруге. Оригинальный эпический голос за кадром в жанре космической оперы. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Далеко за краем знакомых созвездий начинается история, которую создаём мы</d>.
3. Готовый ролик
Пример 7
3D-мульт: приключение из трёх сцен
Референсы: Картинка 1 — персонаж · Картинка 2 — крыша на рассвете · Картинка 3 — волшебный лес · Картинка 4 — звёздный холм · Длительность: 15 с
1. Добавьте референсы
Картинка 1Картинка 2Картинка 3Картинка 4
2. Вставьте описание сцены
15-секундный семейный 3D-мультфильм из трёх динамичных сцен по 5 секунд. Картинка 1 — персонаж Мира: сохраняй её внешность и крупный, хорошо читаемый план лица во всех сценах. Сцена 1 (0–5 с): Картинка 2 — крыша на рассвете; камера быстро поднимается вслед за Мирой к старому телескопу, она находит карту звёзд и улыбается. Сцена 2 (5–10 с): Картинка 3 — волшебный лес; Мира бежит по тропинке за светящимися фонарями, камера движется рядом с ней и делает энергичный поворот. Сцена 3 (10–15 с): Картинка 4 — звёздный холм; Мира взбегает на холм, камера облетает её и поднимается к звёздному небу. Быстрые плавные переходы, без мелких лиц и без смены внешности персонажа. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Я знаю, куда идти дальше</d>.
10-секундная оригинальная 2D-аниме сцена одним непрерывным кадром, без отсылок к существующим франшизам. Картинка 1 — взрослая курьер, сохраняй внешность. Картинка 2 — неоновые дождливые крыши. Курьер спокойно стоит у края крыши в среднем плане; её сумка курьера и посылка надёжно закреплены на плече и всегда хорошо видны, без сложных действий руками. Она медленно поворачивает лицо к камере, уверенно улыбается и отчётливо произносит реплику. Дождь, неоновые отражения и волосы слегка движутся от ветра. Камера делает один плавный боковой проезд, без погони, прыжков, дрона, облёта, склеек, резкой смены масштаба и исчезновения посылки. Лицо, сумка и посылка сохраняют форму и размер во всех кадрах, без текста. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Посылка у меня!</d>.
10-секундный оригинальный стоп-моушн мультфильм из пластилина, один непрерывный кадр без склеек. Картинка 1 — оранжевый котёнок в красном бумажном кораблике, сохраняй внешность. Картинка 2 — миниатюрный ручей с цветами и деревянным мостиком. Котёнок спокойно сидит в кораблике и плывёт по открытому участку ручья рядом с мостиком; мостик остаётся далеко на заднем плане. Кораблик никогда не проплывает под мостиком и не скрывается за ним. Камера медленно движется на уровне воды сбоку и чуть спереди, весь котёнок и кораблик всегда остаются целиком в кадре; только лёгкое плавное приближение, без резкой смены масштаба. Котёнок радостно смотрит в камеру. Кораблик, вода и персонаж сохраняют одну форму во всех кадрах, без превращений, исчезновений и сложных действий лапами, без текста. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Вперёд, к приключениям!</d>.
10-секундный оригинальный рисованный 2D-мультфильм в духе ретро-анимации середины XX века: гуашевая фактура, карандашный контур, тёплая сдержанная палитра, без отсылок к конкретным студиям и персонажам. Один непрерывный план без перехода сцен. Картинка 1 — героиня, сохраняй внешность. Картинка 2 — берёзовый луг с ручьём, деревянным мостиком и красным бумажным самолётиком. Первые 7 секунд девочка стоит у мостика, держит самолётик, показывает его камере и улыбается. Камера слегка плавно приближается к среднему крупному плану. В последние 3 секунды она мягко бросает самолётик вперёд над открытой тропинкой луга. Камера без склейки переходит за самолётик и плавно летит следом на постоянном небольшом расстоянии; самолётик остаётся крупно и целиком виден во время полёта. Без прыжков, рывков, препятствий на пути, резкой смены масштаба и смены сцены. Героиня, мостик и самолётик сохраняют форму и размер во всех кадрах. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Ветер приведёт к чуду!</d>.
3. Готовый ролик
Пример 11
История с фоном и голосом
Референсы: Картинка 1 — персонаж · Картинка 2 — осенний парк · Длительность: 15 с
1. Добавьте референсы
Картинка 1Картинка 2
2. Вставьте описание сцены
15-секундная динамичная история. Картинка 1 — главная героиня, сохраняй внешность. Картинка 2 — осенний парк. Девушка быстро идёт по аллее, подхватывает падающий лист и поворачивается к камере. Камера едет рядом с ней, затем плавно облетает на полукруге и поднимается чуть выше, лицо остаётся хорошо видно, без дальнего общего плана. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Иногда достаточно просто выйти на прогулку, чтобы всё встало на свои места</d>.
10-секундная подкаст-сцена одним непрерывным средним общим планом без склеек. Картинка 1 — ведущая, Картинка 2 — гость: сохрани внешность обоих. Картинка 3 — студия с двумя микрофонами и наушниками; сохрани стол, предметы и тёплый свет как на референсе. Ведущая и гость сидят рядом за одним столом, оба остаются в кадре на протяжении всего ролика. Ведущая — главный персонаж и единственный говорящий: она смотрит в камеру, спокойно произносит реплику в микрофон. Гость слушает, улыбается и один раз одобрительно кивает, не говорит и не меняет место. Камера только очень плавно приближается, без перехода на отдельные планы, пустого кадра студии, облёта, смены персонажей и резких изменений масштаба. Критически важно: в финальной звуковой дорожке должна быть отчётливо слышна русская речь главного персонажа, синхронная с движением губ. Это не титры, не немая мимика и не фоновый голос; не заменяй реплику музыкой, шумом или иностранной речью. В коротком крупном плане персонаж смотрит в камеру и отчётливо произносит: <d>[Russian] Готовы? Тогда начинаем!</d>.
3. Готовый ролик
Частые ошибки
Приложили Картинку 2, но в тексте её не упомянули — модель не поймёт, зачем файл.
Написали «как на фото комнаты», не указав номер — лучше: «Картинка 2 — комната».
Загрузили чужой голос без разрешения — так делать нельзя.
Ждёте, что картинка «встанет» в кадр как коллаж — нет, это подсказка по виду, не вклейка.
Ждёте, что загруженная песня попадёт в результат без изменений — нейросеть создаёт новую звуковую дорожку, поэтому использовать такой сценарий для точного воспроизведения трека нельзя.
Пытаетесь уместить в 10 секунд погоню, прыжок, ловлю предмета, несколько сцен и сложный облёт камеры — сократите сценарий до одного действия и одного движения камеры.
Просите героя или предмет пройти под мостом, скрыться за объектом и сразу появиться крупным планом — при таком перекрытии форма может измениться. Оставляйте главный объект видимым.
Строите короткий диалог с быстрыми переключениями между героями — для надёжного результата оставьте общий план и одного говорящего.
