3SELLER Journal 3SELLER →

Через какие нейросети создают видео: 7 моделей, 149₽ и час вместо съемочной смены

22.11.2026

Первый ролик нейросетью я собрал за вечер и остался в смешанных чувствах. Пять секунд, женщина в кадре моргала не в такт, а рука проходила сквозь кофейную чашку. Прошло два года, те же пять секунд делаются за минуту, и половина зрителей не отличает их от съемки на телефон. Волшебной модели не существует. Моделей стало много, у каждой свой характер и свои болячки. Дальше честный разбор: через какие нейросети создают видео сейчас, где они ломаются и что из этого реально работает из России.

Сначала задача, потом модель. Иначе получите шесть подписок и ноль роликов

Новички идут по топам и регистрируются везде. Через неделю у них пять аккаунтов, три неудачных генерации и счет на сорок долларов. Я прошел через это дважды.

Работает по-другому. Сначала вы отвечаете себе на три вопроса. Нужен реализм или стилизация. Есть исходное фото или только текст. Сколько секунд в кадре и нужен ли звук. Ответы сразу отсекают половину инструментов.

Грубая логика выбора выглядит так:

Дальше по каждой подробнее, с тем, что видно только после десятка генераций.

Runway: единственная, где кадр собирается руками

Runway я держу за рабочий инструмент, а не за генератор чудес. Gen-2 и более свежие версии дают то, чего почти нет у остальных: Motion Brush. Вы закрашиваете область на стоп-кадре, задаете ей направление, и дым идет влево, а волосы вправо. Камера двигается отдельно от объекта.

Практическая деталь, которую почти никто не использует: возьмите свою фотографию, залейте в Image to Video, прокрасьте кистью небо и задайте медленный подъем. Получится живая обложка для статьи или шапки сайта за пару минут. Для бизнеса это дешевле стоков и не вызывает вопросов по лицензиям.

Про стиль. В Runway есть пресеты, и они экономят время, но убивают индивидуальность. Нужен узнаваемый визуал - отключайте пресеты и описывайте свет и оптику словами. Разница между «cinematic» и «мягкий вечерний свет, 35 мм, малая глубина резкости» огромная.

Минусы честные. Интерфейс плотный, первый час уходит на изучение панелей. Клипы короткие, 5-10 секунд, длинные сцены склеиваются вручную. На сложных руках модель все еще иногда плавит пальцы. Режиссеры любят ее за управляемость, а не за магию.

Kling 2.1: реализм, от которого становится неловко

Китайская модель, которая ближе всех подошла к дорогой картинке. Кожа, свет, фактура ткани, мелкая мимика. Я генерировал портрет мужчины в машине, и знакомый на полном серьезе спросил, где я нашел актера.

Сильная сторона - человек в кадре. Крупный план, разговор, взгляд в сторону, легкий поворот головы. Нужен говорящий эксперт в рекламе или персона бренда - Kling 2.1 выдает это убедительнее большинства.

Слабое место - цена и очередь. Модель тяжелая, генерации идут не мгновенно, а credits тают быстро. Длинные промпты с большим количеством действий она понимает хуже, чем Sora. Формулируйте кадр как оператор: что в фокусе, какой свет, какое движение. Три-четыре конкретных уточнения работают лучше десяти абстрактных.

Еще одна деталь. Kling любит симметрию и «журнальный» кадр. Нужна живая, слегка небрежная съемка - специально просите сместить объект из центра и добавьте неровный свет. Иначе получите стерильную студийную картинку, которая выдает ИИ с первого взгляда.

Luma Dream Machine: камера, которая умеет летать

Luma делает то, чего не хватает почти всем: настоящую глубину. Параллакс, облеты, движение внутрь сцены. Кадр ощущается объемным, как в дорогом 3D, а не плоским, как в дешевой анимации.

Хорошо работает на архитектуре, интерьерах, природе, товарах. Я снимал витрину кофейни без съемочной группы: фото фасада, промпт на медленный пролет камеры, и через минуту есть материал для рилса.

Интерфейс простой, разбирается за пятнадцать минут. Из минусов: Luma любит пересвет и иногда уводит сцену в слишком киношный вид, когда нужна документальная честность. Тексты в кадре она пишет с ошибками, надписи лучше добавлять потом в редакторе.

Luma Ray: видео, которое сразу звучит

Отдельная ветка той же Luma, где видео собирается вместе со звуком, атмосферой и эффектами. Целый этап монтажа отпадает. Раньше я генерировал картинку, потом отдельно искал шум улицы и шаги, потом сводил все в редакторе.

Качество звука не студийное, но для соцсетей хватает с запасом. Особенно если ролик живет пятнадцать секунд и смотрят его без наушников.

Veo 3 от Google: конвейер под вертикаль

Самая быстрая в бытовом смысле. Текст или фото на входе, короткий динамичный ролик на выходе. Заточка под TikTok, Reels и Shorts чувствуется сразу: вертикальный формат, резкий старт, движение в первые полсекунды.

Базовый доступ бесплатный, и это главный плюс для тех, кто только пробует. Минус тоже понятный: контроль над деталями ограничен. Точную сцену по раскадровке вы не соберете. Зато получите десять вариантов и выберете один. Для контент-плана на неделю этого достаточно.

Мой рабочий прием: генерирую шесть-восемь коротких вариантов одной сцены, отбираю два и склеиваю. Разнообразие движения получается лучше, чем если пытаться выжать идеал из одного промпта.

Sora: понимает сложное, но не всем доступна

Sora от OpenAI стала известна тем, как держит физику и движение. Сложный промпт с несколькими объектами, действиями и сменой плана она разбирает лучше конкурентов. Есть работа с изображениями и разными форматами видео на входе.

Реалистичная картинка, плавность, атмосфера. Нужен сюжет, а не одна красивая сцена - это первый кандидат. Сцены с водой, тканью и толпой у нее получаются особенно хорошо, там где другие модели начинают рассыпаться.

Проблема ровно одна, зато жирная. Доступ. Регистрация, страна, платежный метод. Именно на этом этапе у большинства русскоязычных пользователей все заканчивается, даже не начавшись.

Pika, Pixverse и Wan AI: второй дубль бесплатно

Эти три держу как запасной вариант. Pika хороша для стилизации и легкого сюрреализма, Pixverse быстро выдает короткие динамичные клипы, Wan AI открытая и местами бесплатная.

Кинематографического реализма Kling они не дадут, зато выручают, когда нужно проверить идею до траты денег. Сгенерировали черновик, посмотрели на движение, поняли, что сцена не работает. Сэкономили и время, и бюджет.

Главная боль не в моделях, а в доступе и оплате

В обзорах про это пишут одной строчкой. Почти все перечисленные сервисы требуют иностранную карту, а часть еще и номер телефона другой страны. Дальше варианты: искать посредника, покупать доступ у перекупов, держать три подписки и надеяться, что ни одна не отвалится.

Я проходил через все. Один сервис блокировал аккаунт через день после оплаты. Второй съел credits на неудачных генерациях, потому что не было нормального превью. Третий просто перестал принимать карту.

Для рабочих задач нужен один вход, а не коллекция аккаунтов.

3GPT: все флагманские модели в одном окне за 149 рублей

Именно эту проблему закрывает ИИ-роутер 3GPT от 3SELLER. Один аккаунт, оплата российской картой, через СБП или криптой. Без иностранных карт и без танцев с VPN.

Внутри доступ к последним флагманским моделям: Chat GPT 6 Astra, Chat GPT 5.5, Chat GPT 6.1 Sol, the model 5, 5.1 и 5.5, Nano Banana для изображений, генерация видео и многое другое. Стартовый доступ от 149 рублей, для проверки инструмента на реальной задаче смешные деньги.

Практический смысл не в том, что моделей много. Смысл в том, что можно не угадывать. Один и тот же промпт прогнали через три модели, сравнили результат, взяли лучший. Раньше на это уходил день и три платежных метода. Сейчас десять минут.

интерфейс 3GPT с доступом к нейросетям для создания видео

Для видео это критично. У каждой модели свой характер, и предсказать, кто лучше справится с конкретной сценой, невозможно. Я обычно начинаю с Kling, если в кадре человек, и с Luma, если сцена архитектурная. Бывает, что более простая модель выдает лучше флагмана именно на этом кадре. Проверить дешевле, чем гадать.

Картинки, видео и голос в одном месте

Больше всего времени экономит связка картинка-видео-голос. Видео почти никогда не начинается с видео. Сначала нужен кадр: обложка, персонаж, товар на фоне. Потом этот кадр оживляется.

Реалистичные изображения я генерирую через инструменты 3GPT для картинок. Nano Banana хорошо держит детали и текст на изображении, что редкость. Дальше фото уходит в видео-модель, и получается связка без прыжков между сервисами.

генерация реалистичных изображений нейросетью

примеры изображений, созданных нейросетью

Плюс генерация голоса. Озвучка поверх готового ролика занимает пару минут и не требует микрофона. Для рекламных вставок и объяснялок этого хватает.

Готовые ИИ-агенты: когда промпты писать не хочется

Вторая фишка, которую я оценил на практике. Есть готовые ИИ-агенты под конкретные задачи. Выбираете агента и начинаете общение, а модель можно менять прямо в чате.

Зачем это для видео. Сценарий, раскадровка, текст озвучки, подписи, описание для площадки. Агент под маркетинг выдает структуру ролика, вы ее правите и уже с готовым промптом идете в видео-модель. Промпт-инженером быть не обязательно, внятный результат получается и без этого.

готовые ИИ агенты в 3GPT

Мой сценарий работы с агентом простой: даю вводные по продукту и аудитории, прошу три варианта сценария на пятнадцать секунд, выбираю один, прошу раскадровку по кадрам. Дальше каждый кадр генерирую отдельно. Так получается предсказуемо, а не «что-то вышло».

Промпт для видео пишется как задача оператору, а не как эссе

Самая частая ошибка новичка: длинное описание сюжета. Модель не снимает фильм, она рисует один кадр в движении. Поэтому промпт строится по схеме: что в кадре, что делает, как двигается камера, какой свет.

Пример слабого промпта: «красивая девушка гуляет по осеннему парку, вокруг листья, настроение спокойное, как в кино». Модель понятия не имеет, что делать с этим набором.

Пример рабочего: «крупный план, женщина 30 лет, идет на камеру, листья падают справа, камера медленно отъезжает, мягкий вечерний свет, 35 мм». Здесь есть масштаб, объект, движение, свет и оптика.

Второй прием: не описывайте эмоцию, описывайте физику. Не «она грустная», а «опущенные плечи, взгляд вниз, медленный выдох». Нейросеть рисует то, что видно.

Третий: добавляйте негативные уточнения. «Без текста в кадре», «без резких движений», «без смены плана». Количество мусорных генераций падает заметно.

Сколько попыток нужно на самом деле

Из практики: на один приличный пятисекундный кадр уходит четыре-шесть генераций. Не потому что модели плохие, а потому что вы сами не сразу знаете, чего хотите. Первые две попытки обычно показывают, что идея в голове выглядела иначе.

Из десяти сгенерированных кадров в финал идут три. Это норма, а не провал. На Reddit в ветках по генеративному видео практикующие монтажеры называют ту же цифру: на площадке коэффициент дублей примерно такой же, просто там каждый дубль стоит дороже.

Считайте бюджет по этой цифре и не расстраивайтесь. Люди, которые получают стабильно хорошие ролики, отличаются не талантом, а количеством отсмотренных вариантов.

Мой пайплайн на один ролик: восемь шагов и примерно час

Покажу на конкретном примере. Задача: двадцатисекундный ролик для соцсетей о новом продукте, без съемки и без актеров.

Сначала сценарий через агента. Потом раскадровка на четыре кадра по пять секунд. Дальше генерация опорных изображений: продукт, человек, деталь, финальный кадр с логотипом. Каждое изображение проверяю и переделываю, пока не устроит композиция.

Затем оживление. Кадр с человеком уходит в Kling 2.1, кадр с продуктом и облет в Luma Dream Machine, финал в Veo 3 для резкого движения. Четвертый кадр оставляю статичным с легким зумом, это держит ритм.

После этого озвучка голосом, музыка, склейка в редакторе, подписи. Все в одном браузере, без переключения аккаунтов и без единой иностранной карты.

Час работы. Год назад это был бы день, площадка и бюджет на актера.

Что ломается чаще всего и как это лечить

Руки и текст. Две вещи, которые нейросети до сих пор портят. Руки лечатся кадром, где кисти не в фокусе или заняты предметом. Текст не генерируйте вообще, добавляйте графикой поверх.

Мерцание между кадрами. Когда склеиваете несколько клипов, свет и цвет плывут. На Reddit эта жалоба всплывает чаще остальных. Решение простое: генерируйте все кадры в одном стиле и с одинаковым описанием света, а на монтаже подтяните цвет одним фильтром.

Слишком быстрый темп. Модели любят насыщать движение. В промпте пишите «медленно», «статичная камера», «плавный поворот». Иначе получите дерганый ролик, который невозможно смотреть.

Длинные промпты. После двадцати слов модель начинает терять смысл. Описывайте один кадр, одно действие, один свет.

С чего начать, если раньше вы этого не делали

Не пытайтесь сразу собрать рекламный ролик. Возьмите одну свою фотографию и оживите ее. Пять секунд, минимальное движение, один промпт. Получилось, идите дальше. Не получилось, меняйте модель, а не свои способности.

Дальше сделайте ролик из трех кадров на пятнадцать секунд. Этого хватает, чтобы понять логику: изображение, движение, склейка, звук.

И держите все в одном месте. Когда доступ ко всем флагманским моделям открывается через 3GPT за 149 рублей, тратить вечер на обход блокировок и поиск карты просто глупо. Время лучше потратить на промпты, там и находится разница между рядовым роликом и тем, который хочется досмотреть до конца.

← Вернуться к блогу

Читать дальше